知识图谱嵌入(knowledge graph embedding

KGE)通过将实体与关系映射至低维连续向量空间，为高效处理电力故障知识图谱查询任务提供了有效途径，但现有研究主要聚焦于查询精度优化。在工业智能化背景下，面向大规模电力故障知识图谱的搜索普遍存在计算效率不足的问题。针对上述问题，文章提出一种基于向量索引的电力故障知识图谱高效查询方法。该方法首先通过基于语义匹配的KGE技术将电力故障知识图谱映射到低维向量空间。该嵌入技术采用Hadamard积建模电力故障领域的复杂关系(如对称关系)。然后，通过构建基于聚类向量索引(IndexIVFFlat)的电力故障知识图谱查询算法，完成对电力领域知识的高效检索。该索引机制通过将向量空间划分为不同的分区，并通过向量内积的形式对其进行近似最近邻求解，从而加速搜索过程。最后，在电力故障领域和基准数据集上的对比实验验证了所提方法的有效性，其在保证查询精度的前提下，有效提升了故障知识图谱的查询效率，为电力故障的有效处理提供了基础技术支持。