基于语义知识的建模方法和装置制造方法及图纸

本发明专利技术提供了基于语义知识的建模方法和装置，其中，包括：获得一个知识库；接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户。本发明专利技术具有交互模式和动态推荐的特点。本发明专利技术是基于语义知识的，语义知识能够被学习并存储，还能通过将建模结果当做新知识来进行自身扩展。利用本发明专利技术，当用户建模时推荐列表将会被动态发送，这使得建模过程变得更简单和快捷，也具有更高的准确性。

Modeling method and device based on semantic knowledge

The invention provides a modeling method and device based on semantic knowledge, including: obtaining a knowledge base, receiving and caching user modeling actions, analyzing user modeling intentions based on user modeling actions, comparing user modeling actions and current modeling processes, and checking the knowledge base described by the user, so as to output a push. The recommended list is given to the user. The invention has the characteristics of interactive mode and dynamic recommendation. The invention is based on semantic knowledge, semantic knowledge can be learned and stored, and it can expand itself by modeling the result as new knowledge. By using the invention, the recommended list will be sent dynamically when the user is modeling, which makes the modeling process simpler and quicker, and has higher accuracy.

【技术实现步骤摘要】
基于语义知识的建模方法和装置
本专利技术涉及工业自动化
，尤其涉及一种基于语义知识的建模方法和装置。
技术介绍
在工业自动化领域，一个生产系统中的各个组件、各个组件的属性、在生产过程中各个组件产生的数据及各个组件间的关联关系错综复杂，例如，包括自动化生产过程中各个设备或组件的以及各个设备或组件之间的关联关系，其中，组件可以为发动机、变速器、震动感测器及滚动器等，组件间的关联关系可以为发动机与变速器的驱动关系、震动感测器与滚动器的物理连接关系等。建模工具很广泛地被用于描述工业自动化系统，还用于系统仿真，描述数据和关联关系等。然而，大部分的建模机制需要用户非常深入地了解一个系统的细节，还要求用户具有将真实的系统“翻译”成一个模型的能力。即使是一个对建模非常有经验的专家，也需要花费很多精力来建立一个模型，并且还有可能有误差。这是因为工业系统具有大量的组件和复杂的控制逻辑，而误差会导致在仿真或错误诊断中的错误，并会造成成本上升。
技术实现思路
本专利技术第一方面提供了基于语义知识的建模方法，其中，包括如下步骤：S1，获得一个知识库；S2，接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户。本专利技术具有交互模式和动态推荐的特点。本专利技术是基于语义知识的，语义知识能够被学习并存储，还能通过将建模结果当做新知识来进行自身扩展。利用本专利技术，当用户建模时推荐列表将会被动态发送，这使得建模过程变得更简单和快捷，也具有更高的准确性。进一步地，所述步骤S1还包括如下步骤：接收并分析用户输入的知识，并利用分类和提取好的知识产生具有分类信息的模型和片段信息，从而生成所述知识库。进一步地，所述步骤S1还包括如下步骤：分类步骤，将用户输入的知识分类得到具有分类信息的模型，并给输入的模板或模型分派一个分类；提取步骤，提取用户输入的知识并生成片段信息；计算步骤，统计所述具有分类信息的模型和所述片段信息的概率，并生成知识库。进一步地，所述知识库包括具有分类信息的模型和所述片段信息，以及所述具有分类信息的模型和所述片段信息的统计概率。进一步地，所述用户输入的知识为语义知识。进一步地，所述语义知识包括具有分类信息的基本语义知识、模板和库、样本模型。进一步地，所述步骤S2还包括如下步骤：缓存步骤，缓存用户建模动作；意图分析步骤，分析缓存的用户建模动作以确定所述用户建模意图和用户建模目标，并评估出用户建模目标的分类；比较步骤，比较缓存的当前建模和用户建模目标的分类，并查询知识库从而确定匹配知识；推荐步骤，整理并输出一个推荐列表给用户。进一步地，所述基于语义知识的建模方法还包括如下步骤：S3，用户建模完成以后，利用最终模型扩展所述知识库。进一步地，所述推荐列表包括以下任一项或任多项：-分类；-片段信息；-模板。本专利技术第二方面提供了基于语义知识的建模装置，其中，包括：一个知识获取模块，其用于获得一个知识库；一个推荐模块，其用于接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户建模界面。本专利技术具有交互模式和动态推荐的特点。本专利技术是基于语义知识的，语义知识能够被学习并存储，还能通过将建模结果当做新知识来进行自身扩展。利用本专利技术，当用户建模时推荐列表将会被动态发送，这使得建模过程变得更简单和快捷，也具有更高的准确性。进一步地，所述知识获取模块为知识分析模块，其用于接收并分析用户输入的知识，并利用分类和提取好的知识产生具有分类信息的模型和片段信息，从而生成所述知识库。进一步地，所述知识分析模块包括：分类模块，其用于将用户输入的知识分类得到具有分类信息的模型，并给输入的模板或模型分派一个分类；提取模块，其用于提取用户输入的知识并生成片段信息；计算模块，其用于统计所述具有分类信息的模型和所述片段信息的概率，并生成知识库。进一步地，所述知识库包括具有分类信息的模型和所述片段信息，以及所述具有分类信息的模型和所述片段信息的统计概率。进一步地，所述用户输入的知识为语义知识。进一步地，所述语义知识包括具有分类信息的基本语义知识、模板和库、样本模型。进一步地，所述推荐模块还包括：缓存模块，其用于缓存用户建模动作；意图分析模块，其用于分析缓存的用户建模动作以确定所述用户建模意图和用户建模目标，并评估出用户建模目标的分类；比较模块，其用于比较缓存的当前建模和用户建模目标的分类，并查询知识库从而确定匹配知识；推荐模块，其用于整理并输出一个推荐列表给用户。进一步地，其还包括一个扩展模块，其用于在用户建模完成以后，利用最终模型扩展所述知识库。进一步地，所述推荐列表包括以下任一项或任多项：-分类；-片段信息；-模板。附图说明图1是根据本专利技术一个具体实施例的基于语义知识的建模方法的系统架构图；图2示例性地示出了根据本专利技术一个具体实施例的具有分类信息的基本语义知识；图3示例性地示出了根据本专利技术一个具体实施例的语义知识的模板；图4是根据本专利技术一个具体实施例的基于语义知识的建模方法的推荐示意图；图5是根据本专利技术一个具体实施例的用户界面的推荐示意图；图6是根据本专利技术一个具体实施例的最终建模结构示意图。具体实施方式以下结合附图，对本专利技术的具体实施方式进行说明。本专利技术提供的基于语义知识(semanticknowledge)的建模机制包括知识输入和用户推荐，用户端输入的知识会被分类和提取处理从而保存在知识库中，然后经过分析用户意图并发送推荐列表。图1是根据本专利技术一个具体实施例的基于语义知识的建模方法的系统架构图，如图1所示的系统被虚线划分为两个主要部分，即用户端100和服务器端200，用户端具有知识输入模块110和用户建模界面120。其中，用户通过只是输入模块110输入知识。而用户建模界面120是一个互动界面(interactiveinterface)，用户可以通过用户建模界面120执行建模，其提供了建模组件、模板和用户操作界面(useroperationpanel)的动态推荐(dynamicrecommendations)，在建模过程中用户界面会发送用户建模动作给服务器端200并且接收服务器端200的推荐或响应。语义知识是用一些特定语义标准(semanticstandard)描述的语义模型(semanticmodel)，例如RDF、OWL和Modelica。利用语义知识，推荐列表会在用户建模时被动态提供给用户，这会使得建模过程变得更加轻松快捷，并具有更高精确度。本专利技术提供的基于语义知识的建模方法包括如下步骤：首先执行步骤S1，获得一个知识库K。其中，知识库K是执行本专利技术的基于语义知识的建模方法的基础，步骤S1是执行本专利技术方法的初始步骤。可选地，知识库K可以根据用户输入的知识产生。因此，所述步骤S1还优选地包括如下步骤：接收并分析用户输入的知识，并利用分类和提取好的知识产生具有分类信息的模型和片段信息，从而生成所述知识库K。需要说明的是，当知识库首次确定以后，上述步骤就并非是执行本专利技术的必须步骤。具体地，用户通过知识输入模块110输入知识，其是执行后续推荐步骤的首要必备条件，所述语义知识包括具有分类信息的基本语义知识(本文档来自技高网...

【技术保护点】
1.基于语义知识的建模方法，其中，包括如下步骤：S1，获得一个知识库；S2，接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户。

【技术特征摘要】
1.基于语义知识的建模方法，其中，包括如下步骤：S1，获得一个知识库；S2，接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户。2.根据权利要求1所述的基于语义知识的建模方法，其特征在于，所述步骤S1还包括如下步骤：接收并分析用户输入的知识，并利用分类和提取好的知识产生具有分类信息的模型和片段信息，从而生成所述知识库。3.根据权利要求2所述的基于语义知识的建模方法，其特征在于，所述步骤S1还包括如下步骤：分类步骤，将用户输入的知识分类得到具有分类信息的模型，并给输入的模板或模型分派一个分类；提取步骤，提取用户输入的知识并生成片段信息；计算步骤，统计所述具有分类信息的模型和所述片段信息的概率，并生成知识库。4.根据权利要求3所述的基于语义知识的建模方法，其特征在于，所述知识库包括具有分类信息的模型和所述片段信息，以及所述具有分类信息的模型和所述片段信息的统计概率。5.根据权利要求2所述的基于语义知识的建模方法，其特征在于，所述用户输入的知识为语义知识。6.根据权利要求5所述的基于语义知识的建模方法，其特征在于，所述语义知识包括具有分类信息的基本语义知识、模板和库、样本模型。7.根据权利要求1所述的基于语义知识的建模方法，其特征在于，所述步骤S2还包括如下步骤：缓存步骤，缓存用户建模动作；意图分析步骤，分析缓存的用户建模动作以确定所述用户建模意图和用户建模目标，并评估出用户建模目标的分类；比较步骤，比较缓存的当前建模和用户建模目标的分类，并查询知识库从而确定匹配知识；推荐步骤，整理并输出一个推荐列表给用户。8.根据权利要求1所述的基于语义知识的建模方法，其特征在于，所述基于语义知识的建模方法还包括如下步骤：S3，用户建模完成以后，利用最终模型扩展所述知识库。9.根据权利要求1所述的基于语义知识的建模方法，其特征在于，所述推荐列表包括以下任一项或任多项：-分类；-片段信息；-模板。10.基于语义知识的建模装置，其中，包括：一个知识获取模块，其用于获得一个知识库(K)；一个推荐模块(220)，其用于接...

【专利技术属性】
技术研发人员：王琪，袁勇，董明楷，张瑞国，余明，曹晶，张珍，张明，
申请(专利权)人：西门子公司，
类型：发明
国别省市：德国,DE