基于知识图谱与人工智能的电力数据分析算法研究

为了提升电力营销系统问答机器人的智能化水平,文中基于知识图谱技术对相关智能数据分析的方法进行了研究。通过分析隐含语义在知识图谱中的稠密化向量表示方法后,针对传统方法在复杂图谱下多实体间映射关系不准确的问题,设计了一种改进的三分支并行神经网络(TBPNN)。该网络针对三元组中的头实体、尾实体及约束关系建立了结构相同的三个神经网络,且每个神经网络均包含交互层、非线性层和输出层。为了验证该网络在营销知识图谱上的数据分析效果,使用部分人工构建的知识图谱进行了仿真实验。结果表明,相较于传统的TransE算法,TBPNN网络在MeanRank上降低了39.9%,在Hit@10指标上则提升了41.5%。而在一对一、一对多与多对多的三元组分类实验上,精度分别提升了3.3%、39.0%及54.7%。