(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210842349.4 (22)申请日 2022.07.18 (71)申请人 华南师范大学 地址 510631 广东省广州市天河区中山大 道西55号 (72)发明人 朱定局　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 谢曲曲 (51)Int.Cl. G16H 40/20(2018.01) G16H 40/67(2018.01) G06N 3/08(2006.01) G06F 16/36(2019.01) (54)发明名称 基于深度学习的数字孪生自动生成方法和 医康养元宇宙 (57)摘要 基于深度学习的数字孪生自动生成方法和 医康养元宇宙， 包括： 数字孪生模型生成步骤； 数 字孪生模型 组合步骤。 上述方法、 系统和机器人， 通过深度学习模型来从已有的知识图谱与数字 孪生模型之间学习映射规律， 进而根据这种映射 关系来根据知识图谱自动生 成孪生模 型， 而且能 够通过深度学习模型， 对孪生模 型进行组合生成 更大的孪生模 型， 进而免去了手工构建孪生模型 的成本， 提高了 孪生模型构建的效率、 速度。 权利要求书6页 说明书13页 附图3页 CN 115188455 A 2022.10.14 CN 115188455 A 1.一种人工智能方法， 其特 征在于， 所述方法包括： 数字孪生模型生成步骤： 根据对象的知识图谱生成所述对象的数字 孪生模型； 数字孪生模型组合步骤： 根据多个对象及其中每个对象的知识图谱、 所述多个对象中 每个对象的数字 孪生模型生成所述多个对象的数字 孪生模型； 数字孪生模型生成步骤 包括： 自动孪生深度 学习模型构建步骤： 将已有数字孪生模型的知识图谱画像作为深度 学习 模型的输入， 将所述已有数字孪生模型作为深度学习模型 的输出， 对深度学习模型进行训 练并测试， 形成自动孪生深度学习模型； 自动孪生深度 学习模型使用步骤： 获取需要构建的对象的数字孪生模型对应的所述对 象的知识图谱； 将所述对 象的知识图谱作为自动孪生深度学习模型 的输入， 经过计算得到 自动孪生深度学习模型的输出， 作为所述对象的数字 孪生模型； 数字孪生模型组合 步骤包括： 孪生组合深度 学习模型构建步骤： 获取预设组合数k； 获取k个对象的知识图谱画像、 所 述k个对象中每个对象的知识图谱画像， 所述k个对象 的数字孪生模型、 所述k个对象中每个 对象的数字孪生模型； 将k个对象的知识图谱画像、 所述k个对 象中每个对 象的知识图谱画 像、 所述k个对象中每个对象的数字孪生模型作为深度学习模型的输入， 将所述k个对象的 数字孪生模型作为深度学习模型 的输出， 对深度学习模型进行训练并测试， 形成孪生组合 深度学习模型； 孪生组合深度学习模型使用步骤： 获取需要构建的k个对象的数字孪生模型对应的所 述k个对象的知识图谱画像、 所述k个对象中每个对象 的知识图谱画像、 所述k个对象中每个 对象的数字孪生模型； 将所述k个对象的知识图谱画像、 所述k个对象中每个对象的知识图 谱画像、 所述k个对象中每个对象的数字孪生模型作为孪生组合深度学习模型的输入， 经过 计算得到 孪生组合深度学习模型的输出， 作为所述 k个对象的数字 孪生模型。 2.根据权利要求1所述的人工智能方法， 其特征在于， 所述数字孪生模型生成步骤还包 括： 自动孪生深度学习模型可用性判断步骤： 获取自动孪生深度学习模型的测试准确率； 若自动孪生深度学习模型的测试准确率高于预设可用阈值， 则执行人机交互构建数字孪生 模型步骤； 人机交互构建数字孪生模型步骤： 自动孪生深度 学习模型用于辅助用户通过知识图谱 画像来来构建数字 孪生模型； 人机交互构建数字孪生模型步骤包括： 获取用户需要构建的对象的数字孪生模型对应 的所述对 象的知识图谱； 将所述对 象的知识图谱作为自动孪生深度学习模型 的输入， 经过 计算得到自动孪生深度学习模型 的输出， 作为所述对 象的数字孪生模型； 用户对所述对 象 的数字孪生模型进行审核， 若用户接受所述对 象的数字孪生模型， 将所述对 象的知识图谱 和数字孪生模型一一对应后加入半自动化模型库； 若用户修改所述对 象的数字孪生模型， 将所述对象的知识图谱和 修改之后的数字孪生模型一一对应后作为样本加入半自动化模 型库和画像模型增量训练库； 计算所述对象的数字孪生模型被修改的部分占所述模型的比 例， 作为所述对象的数字 孪生模型的修改比例； 自动孪生深度 学习模型不满意度计算步骤： 获取半自动化模型库中所有对象的数字孪权　利　要　求　书 1/6 页 2 CN 115188455 A 2生模型的修改比例， 将所有对象的数字孪生模 型的修改比例的和除以所有对象的数字孪生 模型的总数， 作为对自动孪生深度学习模型的不满意度； 自动孪生深度 学习模型样本数量预设阈值计算步骤： 根据自动孪生深度 学习模型的测 试准确率P3和不满意度Q3计算预设样 本数量阈值M3， M3＝f3(P3， 1 ‑Q3)， 预设函数f3使 得自 动孪生深度学习模型的测试准确率P3越高， 不满意度Q3越低， 则样本数量预设阈值M 3越大； 更新自动孪生深度学习 模型步骤： 当画像模型增量训练库中的样本的数量大于预设样 本数量阈值时， 通过画像模型增量训练库中的样本对自动孪生深度学习模型进行增量训 练。 3.根据权利要求1所述的人工智能方法， 其特征在于， 所述数字孪生模型组合步骤还包 括： 孪生组合深度学习模型可用性判断步骤： 获取孪生组合深度学习模型的测试准确率； 若孪生组合深度学习模型的测试准确率高于预设可用阈值， 则执行人机交互组合数字孪生 模型步骤； 人机交互组合数字孪生模型步骤： 孪生组合深度 学习模型用于辅助用户通过知识图谱 画像来来构建数字 孪生模型； 人机交互组合数字孪生模型步骤包括： 获取用户需要构建的k个对象的数字孪生模型 对应的所述k个对象 的知识图谱画像、 所述k个对象中每个对象 的知识图谱画像、 所述k个对 象中每个对象的数字孪生模型； 将所述k个对 象的知识图谱画像、 所述k个对象中每个对象 的知识图谱画像、 所述k个对 象中每个对 象的数字孪生模型作为孪生组合深度学习模型 的 输入， 经过计算得到孪生组合深度学习模型的输出， 作为所述k个对象的数字孪生模型； 用 户对所述k个对象的数字孪生模型进行审核， 若用户接受所述k个对象的数字孪生模型， 将 所述k个对象及其中每个对象的知识图谱和数字孪生模型一一对应后加入半自动化组合模 型库； 若用户修改所述k个对象及其中每个对 象的数字孪生模型， 将所述k个对象及其中每 个对象的知识图谱和 修改之后的数字孪生模型一一对应后作为样本加入半自动化组合模 型库和画像模型组合增量训练库； 计算所述k个对 象的数字孪生模型被修改的部分占所述 模型的比例， 作为所述 k个对象的数字 孪生模型的修改比例； 孪生组合深度学习模型不满意度计算步骤： 获取半自动化模型组合库中所有k个对象 的数字孪生模型的修改比例， 将所有k个对象的数字孪生模型的修改比例的和除以所有k个 对象的数字 孪生模型的总数， 作为对孪生组合深度学习模型的不满意度； 孪生组合深度 学习模型样本数量预设阈值计算步骤： 根据孪生组合深度 学习模型的测 试准确率P4和不满意度Q4计算预设样 本数量阈值M4， M4＝f4(P4， 1 ‑Q4)， 预设函数f4使 得孪 生组合深度学习模型的测试准确率P4越高， 不满意度Q 4越低， 则样本数量预设阈值M4越大； 更新孪生组合深度学习 模型步骤： 当画像模型组合增量训练库中的样本的数量大于预 设样本数量阈值时， 通过画像模型组合增量训练库中的样本对孪生组合深度学习模型进 行 增量训练； 通过画像模型组合增量训练库中的样本对孪生组合深度学习模 型进行增量训练 具体包括： 从画像模 型组合增量训练库中获取k个对象的数字孪生模 型及其对应的所述k个 对象的知识图谱画像、 所述k个对 象中每个对 象的知识图谱画像、 所述k个对象中每个对象 的数字孪生模型， 将所述k个对象的知识图谱画像、 所述k个对 象中每个对 象的知识图谱画 像、 所述k个对象中每个对象的数字孪生模型作为深度学习模型的输入， 将所述k个对象的权　利　要　求　书 2/6 页 3 CN 115188455 A 3