因果知识图谱补全网络

多注意去偏

用一个前沿后门双校正的因果补全模型，让故障知识图谱摆脱虚假关联，在真实汽车故障数据上补得更准。

Honglei, Peng · 姚丽亚 · Shichen, Yang · Zizhao, Zhang · JianCheng, Shi · Xu, Liao · 熊辉

Knowledge-Based Systems 2026

技术优势

去虚假关联

通过前门和后门双重因果调整，抑制混淆因子的影响，使模型学到真正的因果关系。

捕获全局结构

多头自注意力机制能够编码知识图谱中的全局结构信息，提升链接预测的表示能力。

真实数据验证

在真实汽车故障诊断数据上显著优于多个最先进基线，证明方法的实用性和鲁棒性。

应用场景

• 故障知识图谱构建：用因果补全提升故障知识图谱的完整性，使构建的图谱更可靠。
• 工业知识图谱补全：在工业知识图谱中去除虚假关联，提高补全结果的准确性和因果合理性。
• 基于知识的诊断系统：为诊断系统提供更完整的故障因果关系，支撑更精准的智能诊断。