本發(fā)明涉及布料研發(fā)，更具體地說，它涉及基于知識圖譜的布料研發(fā)方法、系統(tǒng)、介質(zhì)及計算機(jī)。

背景技術(shù)：

1、目前，新布料研發(fā)的主要方法包括傳統(tǒng)試錯方法、計算機(jī)輔助設(shè)計、仿真模擬等。傳統(tǒng)的試錯方法需要大量時間和資源，成本較高，并且效率低下。計算機(jī)輔助設(shè)計能夠加速設(shè)計過程，但往往缺乏對布料性能的深入分析和評估。仿真模擬雖然可以減少實(shí)際測試的成本，但需要大量的數(shù)據(jù)支持，且存在誤差和偏差。另外，新布料研發(fā)中還存在一些痛點(diǎn)。首先，對于纖維材料和工藝技術(shù)的了解和掌握需要花費(fèi)大量時間和精力，且需要專業(yè)知識和經(jīng)驗(yàn)。其次，市場需求的變化速度較快，新布料的設(shè)計需要及時跟進(jìn)市場變化。最后，新布料的研發(fā)周期長，需要耗費(fèi)大量的時間和資源。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供基于知識圖譜的布料研發(fā)方法、系統(tǒng)、介質(zhì)及計算機(jī)，以克服現(xiàn)有的技術(shù)中存在的布料研發(fā)試錯成本高、研發(fā)周期長，需要消耗大量時間的缺點(diǎn)。

2、本發(fā)明的上述技術(shù)目的是通過以下技術(shù)方案得以實(shí)現(xiàn)的：基于知識圖譜的布料研發(fā)方法，包括：

3、s1、獲取布料商品數(shù)據(jù)集；所述布料商品數(shù)據(jù)集中包含若干布料商品數(shù)據(jù)；分別對每一個布料商品數(shù)據(jù)進(jìn)行標(biāo)注，得到對應(yīng)的至少一布料屬性標(biāo)簽；

4、s2、獲取紗線商品數(shù)據(jù)集；所述紗線商品數(shù)據(jù)集中包含若干紗線商品數(shù)據(jù)；分別對每一個紗線商品數(shù)據(jù)進(jìn)行標(biāo)注，得到對應(yīng)的至少一紗線屬性標(biāo)簽；

5、s3、根據(jù)預(yù)設(shè)的關(guān)聯(lián)關(guān)系，將每一個布料商品數(shù)據(jù)分別設(shè)置為一個第一節(jié)點(diǎn)，將每一個紗線商品數(shù)據(jù)分別設(shè)置為一個第二節(jié)點(diǎn)，構(gòu)建知識圖譜；其中，每一個第一節(jié)點(diǎn)中還分別包含有與該布料商品數(shù)據(jù)對應(yīng)的所有的布料屬性標(biāo)簽；每一個第二節(jié)點(diǎn)中還分別包含有與該紗線商品數(shù)據(jù)對應(yīng)的所有的紗線屬性標(biāo)簽；

6、s4、分別將每一個第一節(jié)點(diǎn)映射到低維向量空間中，得到對應(yīng)的第一圖嵌入；分別將每一個第二節(jié)點(diǎn)映射到低維向量空間中，得到對應(yīng)的第二圖嵌入；將所有的第一圖嵌入以及所有的第二圖嵌入均輸入到預(yù)先設(shè)立的xgboost算法模型中進(jìn)行訓(xùn)練，對應(yīng)得到訓(xùn)練后的分類算法預(yù)測模型；

7、s5、獲取目標(biāo)布料的屬性信息，將所述屬性信息輸入到所述分類算法預(yù)測模型中進(jìn)行預(yù)測，對應(yīng)得到模型輸出的紗線類型以及對應(yīng)的紡織工藝。

8、可選的，所述根據(jù)預(yù)設(shè)的關(guān)聯(lián)關(guān)系，將每一個布料商品數(shù)據(jù)分別設(shè)置為一個第一節(jié)點(diǎn)，將每一個紗線商品數(shù)據(jù)分別設(shè)置為一個第二節(jié)點(diǎn)，構(gòu)建知識圖譜，包括：

9、將每一個布料商品數(shù)據(jù)分別設(shè)置為一個第一節(jié)點(diǎn)，將每一個紗線商品數(shù)據(jù)分別設(shè)置為一個第二節(jié)點(diǎn)；

10、按照每一個布料商品的原材料與對應(yīng)的紗線商品數(shù)據(jù)之間的對應(yīng)關(guān)系，分別構(gòu)建每一個第一節(jié)點(diǎn)與至少一第二節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系。

11、可選的，分別判斷每一個布料屬性標(biāo)簽的出現(xiàn)次數(shù)，對應(yīng)記作第一次數(shù)；判斷所述第一次數(shù)是否大于預(yù)設(shè)的第一次數(shù)閾值，若是，則將該第一次數(shù)對應(yīng)的布料屬性標(biāo)簽設(shè)置為第三節(jié)點(diǎn)；

12、將具備該布料屬性標(biāo)簽的所有的第一節(jié)點(diǎn)分別與該布料屬性標(biāo)簽對應(yīng)的第三節(jié)點(diǎn)相互關(guān)聯(lián)。

13、可選的，分別判斷每一個紗線屬性標(biāo)簽的出現(xiàn)次數(shù)，對應(yīng)記作第二次數(shù)；判斷所述第二次數(shù)是否大于預(yù)設(shè)的第二次數(shù)閾值，若是，則將該第二次數(shù)對應(yīng)的紗線屬性標(biāo)簽設(shè)置為第四節(jié)點(diǎn)；

14、將具備該紗線屬性標(biāo)簽的所有的第二節(jié)點(diǎn)分別與該紗線屬性標(biāo)簽對應(yīng)的第四節(jié)點(diǎn)相互關(guān)聯(lián)。

15、可選的，所述分別將每一個第一節(jié)點(diǎn)映射到低維向量空間中，得到對應(yīng)的第一圖嵌入；包括：

16、利用deep?walk算法，分別以每一個第一節(jié)點(diǎn)作為初始節(jié)點(diǎn)，以步長為4步，在所述知識圖譜上進(jìn)行隨機(jī)游走，得到對應(yīng)的第一游走序列；

17、利用word2vec詞嵌入算法，分別將每一個第一游走序列轉(zhuǎn)化為對應(yīng)的第一圖嵌入。

18、可選的，所述分別將每一個第二節(jié)點(diǎn)映射到低維向量空間中，得到對應(yīng)的第二圖嵌入，包括：

19、利用node2vec算法，分別以每一個第二節(jié)點(diǎn)作為初始節(jié)點(diǎn)，以步長為4步，在所述知識圖譜上進(jìn)行隨機(jī)游走，得到對應(yīng)的第二游走序列；

20、利用word2vec詞嵌入算法，分別將每一個第二游走序列轉(zhuǎn)化為對應(yīng)的第二圖嵌入。

21、可選的，所述分別對每一個布料商品數(shù)據(jù)進(jìn)行標(biāo)注，得到對應(yīng)的至少一布料屬性標(biāo)簽，包括：

22、獲取布料商品數(shù)據(jù)中的產(chǎn)品照片；

23、將產(chǎn)品照片輸入到預(yù)先訓(xùn)練好的深度卷積神經(jīng)網(wǎng)絡(luò)中，對產(chǎn)品照片進(jìn)行識別；對應(yīng)得到若干布料屬性標(biāo)簽；

24、布料屬性標(biāo)簽包括：布料種類、布料顏色、布料紋理、布料款式、布料厚度、面料結(jié)構(gòu)、布料性質(zhì)以及布料工藝；

25、所述分別對每一個紗線商品數(shù)據(jù)進(jìn)行標(biāo)注，得到對應(yīng)的至少一紗線屬性標(biāo)簽，包括：

26、所述紗線屬性標(biāo)簽包括：紗線品牌、紗線型號、紗線材質(zhì)、紗線種類、紗線工藝、紗線密度、紗線直徑、紗線細(xì)度、紗線強(qiáng)度以及紗線工藝。

27、基于知識圖譜的布料研發(fā)方系統(tǒng)，包括：

28、布料商品數(shù)據(jù)標(biāo)注模塊：用于獲取布料商品數(shù)據(jù)集；所述布料商品數(shù)據(jù)集中包含若干布料商品數(shù)據(jù)；分別對每一個布料商品數(shù)據(jù)進(jìn)行標(biāo)注，得到對應(yīng)的至少一布料屬性標(biāo)簽；

29、紗線商品數(shù)據(jù)標(biāo)注模塊：用于獲取紗線商品數(shù)據(jù)集；所述紗線商品數(shù)據(jù)集中包含若干紗線商品數(shù)據(jù)；分別對每一個紗線商品數(shù)據(jù)進(jìn)行標(biāo)注，得到對應(yīng)的至少一紗線屬性標(biāo)簽；

30、知識圖譜構(gòu)建模塊：用于根據(jù)預(yù)設(shè)的關(guān)聯(lián)關(guān)系，將每一個布料商品數(shù)據(jù)分別設(shè)置為一個第一節(jié)點(diǎn)，將每一個紗線商品數(shù)據(jù)分別設(shè)置為一個第二節(jié)點(diǎn)，構(gòu)建知識圖譜；其中，每一個第一節(jié)點(diǎn)中還分別包含有與該布料商品數(shù)據(jù)對應(yīng)的所有的布料屬性標(biāo)簽；每一個第二節(jié)點(diǎn)中還分別包含有與該紗線商品數(shù)據(jù)對應(yīng)的所有的紗線屬性標(biāo)簽；

31、預(yù)測模型訓(xùn)練模塊：用于分別將每一個第一節(jié)點(diǎn)映射到低維向量空間中，得到對應(yīng)的第一圖嵌入；分別將每一個第二節(jié)點(diǎn)映射到低維向量空間中，得到對應(yīng)的第二圖嵌入；將所有的第一圖嵌入以及所有的第二圖嵌入均輸入到預(yù)先設(shè)立的xgboost算法模型中進(jìn)行訓(xùn)練，對應(yīng)得到訓(xùn)練后的分類算法預(yù)測模型；

32、布料工藝預(yù)測模塊：用于獲取目標(biāo)布料的屬性信息，將所述屬性信息輸入到所述分類算法預(yù)測模型中進(jìn)行預(yù)測，對應(yīng)得到模型輸出的紗線類型以及對應(yīng)的紡織工藝。

33、一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述的方法的步驟。

34、一種計算機(jī)設(shè)備,包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)上述的方法的步驟。

35、綜上所述，本發(fā)明具有以下有益效果：本技術(shù)提供一種基于知識圖譜的布料研發(fā)方法，通過收集現(xiàn)有的布料數(shù)據(jù)以及與布料數(shù)據(jù)相關(guān)的紗線數(shù)據(jù)，構(gòu)建相關(guān)的知識圖譜，并且對知識圖譜的關(guān)聯(lián)性進(jìn)行挖掘和學(xué)習(xí)，能夠使相關(guān)的模型學(xué)習(xí)和感知到布料的實(shí)體類型與布料的屬性之間的關(guān)系，當(dāng)人們需要研發(fā)新型布料的時候，只需要將相關(guān)的布料屬性輸入到預(yù)測模型中，即可得到對應(yīng)的紡織工藝和紗線類型，相對于傳統(tǒng)試錯方法和計算機(jī)輔助設(shè)計，可以大大縮短研發(fā)周期，減少試錯成本，提高研發(fā)效率。本技術(shù)還考慮了纖維材料的特性、織物結(jié)構(gòu)的可行性、工藝技術(shù)的可行性等因素，可以生成更加實(shí)用和可行的新布料設(shè)計方案。