现有煤矿综采设备故障诊断方法缺乏对综采设备历史故障数据的系统化管理及应用，针对该问题，引入知识图谱技术对综采设备故障数据进行系统化管理。采用自顶而下的方法对综采设备故障知识进行本体构建，将综采设备故障知识归纳为故障位置、故障现象、故障原因、处理方法 4类，并进行规范化命名；采用通用的命名实体标注方法 BIOES对综采设备故障知识进行人工标注；将双向长短期记忆（BiLSTM）和条件随机场（CRF）相结合，构建BiLSTM-CRF模型，对已标注的综采设备故障知识进行命名实体识别，并通过人工抽取实体关系，从而实现故障知识抽取；结合BiLSTM-CRF模型的实体识别结果和人工抽取的实体关系，使用Neo4j图数据库存储综采设备故障知识，构建综采设备故障知识图谱。实验结果表明，相较于BiLSTM模型和BiLSTMAttention模型，BiLSTM-CRF模型精确率显著提高，为87%,F1值也有一定幅度上升，为69%。综采设备故障知识图谱的构建可为大规模、多域综采设备故障数据的有效分析、管理及应用提供支持。

工信部物联网集成创新与融合应用项目（2018-470）；榆林市科技计划项目（CXY-2022-172）；

0 引言
1 综采设备故障知识图谱构建
1.1 故障知识本体构建及预处理
1）故障位置规范化命名。
2）故障现象规范化命名。
3）故障原因规范化命名。
4）处理方法规范化命名。
1.2 命名实体识别模型构建
1.2.1 字嵌入层
1.2.2 Bi LSTM层
1.2.3 CRF层
1.3 故障知识存储与查询
2 实验分析
3 结语

蔡安江,张妍,任志刚.煤矿综采设备故障知识图谱构建[J].工矿自动化,2023,49(05):46-51.DOI:10.13272/j.issn.1671-251x.2023020005.