两级词嵌入预训练模型

短时高精度缺陷表示

面向低压电器缺陷文本的领域预训练方案，融合语义与图谱信息以支持精准推荐。

Yuming, Xu · 彭涛 · Tao, Jiaqi · Ao, Bai · 张宁豫 · Lim, Kendrik Yan Hong

Advanced Engineering Informatics 2024

技术优势

缺陷描述处理快

两级词嵌入结合TSDAE无监督预训练与Sentence-BERT微调，可快速获得领域特定的文本表示。

图谱信息能聚合

NSHPSAGE图嵌入模型在采样中选择更有价值的邻居节点，并将产品特征聚合到缺陷案例节点，提升表示质量。

推荐精度高

融合词嵌入与图嵌入的缺陷案例推荐技术获得良好加权精确率与加权召回率。

应用场景

• 制造质量管理系统：嵌入现有质量管理系统，自动推荐历史缺陷处理方案。
• 缺陷根因分析：分析缺陷描述与产品特征关联，辅助定位根因。
• 工业知识图谱：构建产品特征知识图谱并聚合信息，提升推理准确性。
• 低压电器智能制造：利用历史缺陷案例数据，加速质量问题诊断与解决。