随着科学技术的发展,手机已逐渐在我们生活中普及,其质量直接影响人们的生活,手机质量检测是保证产品质量的重要环节。目前,手机质量判定是通过制定符合生产的检验标准,利用功能指标对比确定产品质量,产品的标准一般以文本形式存在,数据分布零散、关联性小且不便于直接查询。当产品使用出现故障后,维修人员主要依靠维修经验确认故障原因,而无法利用已有的维修知识进行原因判定,出现知识浪费现象,因此对手机质量相关知识进行处理有利于提高质量检测效率。本文将知识图谱引入到手机质量检测过程中,通过建立手机检测领域知识图谱,为产品质量检测提供语义支撑,并利用图的形式直观的展示各种数据之间的联系,优化检测过程中信息查询的有效性和准确性。最后通过故障原因分类的方法快速定位手机故障原因信息。具体研究内容如下:1.针对手机标准数据量大且分散,故障检测知识缺乏利用等问题,提出构建手机检测领域知识图谱,进行数据统一资源管理。首先通过检测标准确定手机质量检测内容与测量指标,然后分析手机维修案例知识特点,对手机质量检测的实体及其关系进行划分,确定手机知识库的模型,最后对数据进行图谱的构建。由于手机知识主要以非结构化形式存储,所以本文主要从知识抽取、知识加工和知识存储三部分进行数据处理,其中数据抽取主要采用神经网络实现实体识别,在关系抽取过程中基于语言技术平台(Language Technology Platform,LTP)加入自定义规则实现以谓词为核心的三元组抽取,最后利用Neo4j图数据库存储的方式进行存储,从而实现手机检测领域知识图谱构建。2.针对故障检测效率低的问题,利用知识图谱可以直观的判定检测对象指标,提高查询检测效率。对于手机故障原因分析,本文提出随机森林与知识图谱融合的方法对手机故障原因进行分类。主要从手机故障检测知识、手机维修案例、故障形成原因等方面,归纳出手机电路故障的7种状态,对故障维修案例进行特征选取与数值化,然后利用随机森林和知识图谱融合的分类算法,识别电路故障原因,其故障原因识别准确率比随机森林的识别最高提高12%,平均稳定提高4%。3.基于知识图谱的手机质量检测系统设计与实现。通过分析与架构设计,利用Bootstrap、j Query进行前端页面设计,通过Spring Boot框架实现前后端数据交互,完成手机检测系统的搭建,实现了手机知识图谱、手机质量检测、电路故障案例汇总等功能,利用案例展示验证本方法的有效性。