56、世界文学知识图谱与焊接质量监测的知识图嵌入应用

世界文学知识图谱与焊接质量监测的知识图嵌入应用

在当今数字化时代，知识图谱技术在不同领域展现出了巨大的潜力。我们将探讨两个不同但同样重要的领域：世界文学知识图谱（WL - KG）和焊接质量监测中的知识图嵌入（KGE）应用。

世界文学知识图谱（WL - KG）

WL - KG 是一个旨在发现世界各地文学事实、探索非西方作家代表性不足问题的知识库。它整合了来自 Wikidata、Goodreads 和 Open Library 的数据，包含 194,346 位作家和 971,120 部作品。

• 数据整合的影响 ：不同来源知识的整合减少了跨国作家代表性不足的问题，因为在 Goodreads 和 Open Library 中，关于跨国作家的信息比 Wikidata 更多。
• 可视化平台 ：WL - KG 通过基于图的可视化平台公开提供，简化了非专业用户的使用。该平台经过专业人士评估，反馈显示它在发现新作家方面特别有用，尤其是从作品、主题、国家和少数群体等多种实体中发现。不过，其基于图的浏览体验虽然新颖，但由于图资源并不普及，其可用性并非直观易懂。

在使用案例方面，相关讨论分为两部分：
1. 与现有档案的比较 ：参与者认为该资源对发现新作家有用，但对探索新作品作用不大。这反映了数据收集策略的局限性，即仅限于 Wikidata 上现有的作家实体以及在存档平台上至少获得一次反馈的作品，更注重相关性而非完整性。
2. 反馈收集 ：几乎所有受访者在文学搜索时都使用通用档案，如 Google、Wikipedia 和 Goodreads，这显示了特定领域知识库使用的差距。新文学事实的发现被认为是主要用例。此外，教师访谈表明学生可能是潜在用户，他们可以利用基于主题的搜索来支持论文写作。同时，还需要在知识库中展示作者一生居住的所有地方，以发现他们之间更深层次的联系。

未来工作将致力于改进 WL - KG：
1. 增加知识 ：从新的读者社区和主题平台获取知识，丰富知识库。
2. 优化平台 ：发布新版本的可视化平台，提高非专业用户的体验，并将其作为本科和研究生课程中处理世界文学后殖民方面的教学工具。
3. 测试推荐系统 ：基于知识图谱测试推荐系统，以提供更公平的推荐。

焊接质量监测中的知识图嵌入（KGE）

在汽车制造业中，自动化焊接是生产高质量车身的关键过程，每年涉及数百万辆汽车的生产。然而，传统的焊接质量监测方法（如破坏性测试）成本高且产生浪费，因此数据驱动的解决方案需求日益增加。

• 核心问题 ：焊接质量监测面临两个核心问题：一是焊接点直径的大小，二是焊接点所属的车身。这两个问题对于传统机器学习来说具有挑战性，因为需要分配大量的车身作为类别标签。
• KGE 方法 ：KGE 试图将知识图谱中的节点和边表示为向量/矩阵或数学映射。主流方法包括平移模型、双线性模型和图神经网络等。虽然 KGE 在工业应用中是一个相对较新的趋势，但在制造业中的应用研究有限。

研究人员采取的方法如下：
1. 介绍用例和数据 ：详细介绍焊接质量监测用例和焊接数据，焊接数据包括焊接协议、焊接设置数据库和传感器测量等信息。
- 焊接协议 ：包含焊接过程中机器使用的所有参数，如焊接机器、焊接程序和焊接状态等。
- 焊接设置数据库 ：包含被焊接材料的信息，如板材的类型、材料和厚度。
- 传感器测量 ：包含在不同时间跨度内测量的所有数字文字，如电流、电压、PWM 和电阻。
2. 问题转化 ：将回归和分类问题表述为链接预测问题。
3. 构建知识图谱 ：从表格数据中构建知识图谱，特别注意处理文字，将文字离散化到区间并创建实体。
4. 方法比较 ：比较主流 KGE 方法（如 TransE、RotatE、AttH）与多层感知器（MLP），并进行消融研究以确定文字的重要性。此外，还比较了近期应用论文中提出的变体 KGE 方法的适用性。
5. 性能评估 ：引入适应的性能指标，以提高 KGE 在工业问题中的适用性，并给出进一步采用的建议。

综上所述，无论是世界文学知识图谱还是焊接质量监测中的知识图嵌入，都在各自领域展现了独特的价值和潜力。随着技术的不断发展和改进，它们有望为相关领域带来更多的创新和进步。

世界文学知识图谱与焊接质量监测的知识图嵌入应用

焊接质量监测的详细分析

焊接过程与传统监测方法的弊端

自动化焊接是将多个金属部件熔化并连接在一起的制造过程，在汽车行业应用广泛，每年有数百万个车身通过焊接生产，每个车身最多有 6000 个焊接点。传统的焊接质量监测采用破坏性测试，即故意破坏测试车身以评估其性能和特性。这种方法不仅耗时、成本高，还会产生大量废料，而且由于只能测试部分车身，无法全面反映焊接质量。因此，大规模生产需要可靠、高度自动化且高效的数据驱动质量监测方法来取代传统的破坏性测试。

焊接数据的构成

焊接数据来自焊接过程的各个方面，主要由焊接协议、焊接设置数据库和传感器测量三部分组成，具体如下表所示：
|数据类型|详细信息|
| ---- | ---- |
|焊接协议|包含焊接过程中机器使用的参数，如焊接机器、程序、状态等|
|焊接设置数据库|包含被焊接材料信息，如板材类型、材料、厚度|
|传感器测量|包含不同时间跨度内测量的数字文字，如电流、电压、PWM、电阻|

研究方法的具体操作步骤

1. 问题转化为链接预测
   • 研究人员将焊接质量监测中的回归和分类问题转化为链接预测问题。在这个问题中，需要同时解决焊接点直径大小和焊接点所属车身的问题。由于存在大量的车身需要作为类别标签进行分配，传统机器学习方法处理起来较为困难，而链接预测的方式为解决这一问题提供了新的思路。
2. 知识图谱的构建
   • 从表格数据构建知识图谱时，特别关注对文字的处理。具体操作是将文字离散化到区间，并在这些区间上创建实体。例如，对于焊接数据中的各种参数（如电流、电压等），将其数值范围划分为不同的区间，每个区间作为一个实体，这样可以更好地在知识图谱中表示和处理这些数据。

3. 方法比较与消融研究

   • 主流 KGE 方法与 MLP 比较 ：选择了 TransE、RotatE、AttH 等主流 KGE 方法与多层感知器（MLP）进行比较。通过在真实工业数据上进行实验，观察不同方法在解决焊接质量监测问题上的表现。
   • 消融研究 ：进行消融研究以确定文字在 KGE 方法中的重要性。通过去除或保留文字信息进行对比实验，分析文字对模型性能的影响。
   • 变体 KGE 方法比较 ：还比较了近期应用论文中提出的变体 KGE 方法，评估其在焊接质量监测问题上的适用性。

4. 性能评估与建议

   • 引入适应的性能指标 ：为了使 KGE 方法更适用于工业问题，引入了适应的性能指标。这些指标可以更准确地评估 KGE 方法在焊接质量监测中的效果。
   • 给出建议 ：根据实验结果，给出在工业环境中进一步采用 KGE 方法的建议，为实际应用提供指导。

总结与展望

世界文学知识图谱（WL - KG）和焊接质量监测中的知识图嵌入（KGE）虽然应用于不同领域，但都具有重要的价值和潜力。WL - KG 在文学领域为发现新作家和文学事实提供了新的途径，通过不断改进和优化，有望在文学研究和教育中发挥更大的作用。而焊接质量监测中的 KGE 方法为解决汽车制造业中的焊接质量问题提供了新的解决方案，有望取代传统的高成本、高浪费的监测方法，提高生产效率和质量。

未来，随着技术的不断发展，我们可以期待 WL - KG 在文学领域有更广泛的应用，如为读者提供更个性化的文学推荐，帮助研究者发现更多隐藏的文学联系。在焊接质量监测方面，KGE 方法可能会不断优化和完善，与其他先进技术结合，实现更智能、高效的焊接质量监测，推动汽车制造业向智能化、绿色化方向发展。

下面是焊接质量监测研究方法的流程图：

graph LR
    A[介绍焊接用例和数据] --> B[将问题转化为链接预测]
    B --> C[构建知识图谱]
    C --> D[比较主流 KGE 方法与 MLP]
    D --> E[进行消融研究]
    E --> F[比较变体 KGE 方法]
    F --> G[引入适应的性能指标并评估]
    G --> H[给出进一步采用建议]

通过以上分析，我们可以看到知识图谱技术在不同领域的应用前景广阔，未来有望在更多领域发挥重要作用，为各行业的发展带来新的机遇和挑战。