基于知识图谱的自监督图学习方法在桥梁维护决策支持中的应用

《ADVANCED ENGINEERING INFORMATICS》：Knowledge graph-enabled self-supervised graph learning for bridge maintenance decision support

　　

王宇辰|朱彦杰|熊文|蔡春松

摘要

图自编码器用于推荐桥梁维护措施是一个高度条件性的多对一问题，因为针对特定缺陷的适当措施会因桥梁类型、部件、位置和缺陷程度的不同而显著变化。传统方法通常通过负采样将其简化为二进制链接预测。这种处理方式不可避免地会扭曲行动排序，因为它错误地将适用于不同工程场景的措施视为绝对的负面选项。在这里，我们提出了Bridge-GDR，这是一种生成式-判别式的自监督模型，它将推荐问题重新定义为条件排序：生成器通过掩码目标边建模学习行动的条件分布，而不假设未观察到的行动是负面选项；判别器则确保生成关系的结构和语义合理性。此外，还引入了掩码图自编码器来重建节点特征并规范表示学习。在真实世界基础设施数据上的评估表明，Bridge-GDR的MRR达到了0.7190，并且在Top-1准确率上相比最佳的图卷积基线模型提高了29%，证明了其在解决复杂工程场景方面的优越效果。