基于多层次对比学习的知识图谱注意力网络用于安全隐患整改

《Scientific Reports》：Knowledge graph attention network with multilevel contrastive learning for safety hazard rectification

　　

摘要

在煤矿安全隐患整改过程中，如何在不影响安全生产或不危及工人生命安全的前提下快速消除隐患，是煤矿安全管理面临的关键挑战。如何在有限时间内有效防止安全隐患的扩散和升级，仍然是亟待解决的紧迫问题。为此，本研究首先构建了一个针对煤矿安全隐患的领域特定知识图谱。基于此结构化知识，我们进一步提出了一种集成多级对比学习的增强型知识图谱注意力网络模型。所提出的模型有助于缓解基于知识图谱的推荐任务中常见的长尾分布的不利影响，并实现了对煤矿安全隐患整改措施的智能推荐。为了验证所提方法的有效性，首先在两个公开基准数据集上进行了对比实验。基于在这些数据集上的实验性能，进一步在本研究构建的煤矿安全隐患知识图谱数据集上进行了验证。结果表明，所提出的模型表现出卓越的推荐性能和鲁棒性。本研究为煤矿安全隐患整改措施的智能推荐提供了新的视角，并为煤矿安全隐患的及时控制和缓解提供了有效的技术支持。