基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法技术

本发明专利技术公开了一种基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，该方法通过对工种的施工工序进行建模，生成施工工序网络图；使用node2vec技术将网络图上的节点转变为向量表示，通过计算不同向量之间的余弦距离获得不同专业施工班组之间的相似度；将相似度最高的n个专业施工班组的BIM模型查询历史，根据不同的权重组合为目标施工班组的用户进行个性化的、智能的BIM模型构件推荐，按照推荐度的大小为用户进行分级缓存；基于用户的反馈数据更新用户的查询历史，迭代推荐的BIM模型构件。通过本方法把BIM模型按相似用户感兴趣内容为用户对BIM模型进行分级推荐缓存，有效提高移动端缓存显示模型的速度与流畅性。

Intelligent caching method of mobile BIM model based on construction process network recommendation

The invention discloses an intelligent caching method of mobile BIM model based on construction process network recommendation, which generates construction process network diagram by modeling construction process of work type; uses node2vec technology to transform nodes on network diagram into vector representation, and calculates cosine distance between different vectors to obtain similarity between different professional construction teams The BIM model query history of N professional construction teams with the highest similarity is combined as the user of the target construction team according to different weights to make personalized and intelligent BIM model component recommendation, and the user is cached according to the recommendation level; the user's query history is updated based on the user's feedback data, and the BIM model component recommended is iterated. In this method, the BIM model is classified and recommended for users according to the content of similar users' interest, which can effectively improve the speed and fluency of the mobile cache display model.

【技术实现步骤摘要】
基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法
本专利技术涉及移动端BIM模型缓存
，具体涉及一种一种基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法。
技术介绍
现如今，随着科技的进步，工程的数据源由2DCAD图纸转变为3DBIM模型，BIM模型的浏览方式从桌面PC端发展到移动端。但是，受限于移动端的硬件性能，现有基于移动端的轻量化平台均存在模型加载时间长、模型浏览过程不流畅和智能化程度较低的问题，影响用户体验。现有的轻量化方法注重的是模型的压缩比和压缩时间效率，集中在BIM模型压缩方法的研究，而缺少了对被压缩内容的研究，即对BIM模型本身的研究。其一般轻量化策略是，对整体的BIM模型文件进行轻量化处理，之后上传到轻量化平台数据库。当于BIM源文件尺寸过大时，直接对整体文件按照某一压缩比率进行轻量化处理，处理后的文件尺寸依旧庞大，对网络、移动端的硬件性能带来严峻的考验；或简单的将源文件分割成几个小文件，之后再进行处理，但是这并未有效针对用户的偏好、用户的查询历史，来对模型内容进行筛选，为用户个性的加载其感兴趣的内容，是十分之简陋的。上述解决办法是存在相当大的改进空间的。目前关于移动端在BIM模型缓存方面，特别是智能缓存领域存在很大的空缺。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法。本专利技术的目的可以通过采取如下技术方案达到：一种基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，所述的缓存方法包括以下步骤：S1、获取BIM模型构件编码，具体为：对BIM模型构件进行识别，获取构件内置ID；S2、基于工程施工工序与用户身份建立工序网络图，其中，所述的用户身份指从事的工种；S3、基于node2vec技术获得每一个工种的向量化表示，其中，所述的node2vec技术用于将图上的节点表示为一个连续向量，node2vec技术先基于随机游走(randomwalk)随机抽取一些点的序列，然后利用word2vec词向量化技术得到每个节点的嵌入向量(embeddingvector)；S4、使用余弦距离计算图上两两节点之间的相似度ωab：其中，分别是图上任意两个不同节点的向量化表示；S5、针对用户U挑选K个最相似的用户，把查询过的BIM模型构件中，将用户U从未查询过的BIM模型构件推荐给用户U，并根据不同用户的余弦相似度以及构件查询次数来进行进一步打分，将打分最高的N个构件推荐给用户U，评分公式如下：其中，θij是用户i对构件j查询次数的归一化结果，ωiU是用户i与目标用户U的余弦相似度，可由步骤S4中公式计算得到；S6、对BIM模型构件进行分级，具体为：第一级，为用户的历史查询构件与相似用户查询构件的推荐；第二级，为不相似用户的查询构件；第三级，为剩下的未被查询的构件；S7、根据构件分级顺序以及构件编码分级导出BIM模型文件，通过轻量化方法对BIM源文件进行轻量化处理并上传到轻量化平台数据库，用户查询时根据分级顺序来为用户缓存BIM构件；S8、根据用户点击的反馈数据更新用户历史查询数据库，然后重复步骤S5～S7。进一步地，所述的步骤S2过程如下：S2.1、根据建筑施工过程中涉及到的全部工种，将全部工种作为工序网络图的节点，用V表示节点的集合；S2.2、若工种Va与Vb存在关系，则用一条边e(Va，Vb)连接两个节点，E表示边的集合，W(Va，Vb)表示两条边的权重，因此用图G(V，E，W)来定义一个施工工序网络。进一步地，所述的步骤S3过程如下：S3.1、基于随机游走和设定的规则随机抽取一些点的序列；S3.2、基于word2vec中的Skip-Gram模型，将获得的节点序列转化成连续的向量。进一步地，所述的步骤S3.1、基于随机游走和设定的规则随机抽取一些点的序列的过程如下：S3.1.1、在全部节点中随机选择一个初始节点，保证每一个节点都至少会被选中k次，k∈[5，10]；S3.1.2、按照边的权重α进行跳转，权重的设置方法根据如下公式所不：其中，α为边的权重，d是跳转的下一节点与跳转上一节点的距离，当p＞max(q，1)时，已经跳转过的节点不容易再被搜索到；而p＜min(q，1)时，搜索周边的节点，搜索的总步长可选为根据总节点数N跳转步。进一步地，所述的步骤S3.2、基于word2vec模型中的Skip-Gram模型，将获得的节点序列转化成连续的向量的过程如下：S3.2.1、对所述的工序网络图上的全部节点进行one-hot编码，其中，one-hot编码规则如下：假如有L种构件类型，则每一种类型由一个L维向量组成，若某一类型第u，u＝1，2，...L个出现，其除第u维为1外其余为0，即[0，...，0，1，0，...，0]；S3.2.2、将获得的节点序列的one-hot编码作为训练数据训练Skip-Gram模型。进一步地，所述的步骤S3.2.2、将获得的节点序列的one-hot编码作为训练数据训练Skip-Gram模型的过程如下：假设随机行走获得节点序列B、C、A、D、E，则通过输入中心节点A的one-hot编码向量获得目标节点B、C、D、E的概率分布，具体为：(1)设输入是节点A经过one-hot编码后的V维列向量xk，xk只有第k维为1其余位置为0；(2)随机初始化矩阵WV×N和W′N×V，其中：WV×N是V×N的矩阵，W′N×V是N×V的矩阵，N是一个超参数，用户可根据实际情况自行选择；(3)计算投影层输入为：实质上即h是矩阵W里的第k行用向量表示，也可理解为节点A的输入向量；(4)计算输出层的输入为：其中：c＝1，2，…，C，是矩阵W′N×V的第j列，uc，j可理解为中心节点的输出向量，C的大小为选定输入中心节点两侧获取的节点的数量，此处示例在A的左侧和右侧各取两个节点，C＝4；(5)利用softmax函数计算每一个目标输出节点的概率分布，获得C个概率分布，如下公式所示：其中：ωc，j是第c(c＝1，2，…，C)个输出上的第j个节点；ωO，c是目标节点中的第c个节点；ωi是唯一的输入中心节点；yc，j是输出的第c个概率分布上的第j个节点位置的输出值；uc，j是第c个输出上的第j个节点位置的输入；(6)定义损失函数E，最大化被查询节点的概率：E＝-logp(ωO，1，ωo，2，…，ωO，C|ωi)(7)利用Tensorflow优化器计算梯度，反向传播更新模型参数，以使目标损失函数达到最小，获得更新后的变换矩阵W″V×N，具体计算公式如下所示：式中：EH是一个N维向量，向量每个单元被定义为：w′ij是矩阵W′N×V中的值，(8)利用更新后的变换矩阵W″V×N获得每一个节点的向量化表示h′＝W″V×N·x，x是全部节点的one-hot向量。本专利技术相对于现有技术具有如下的优点及效果：本专利技术提供了基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法的实现，可自动化地为用户推荐工序流程中可能感兴趣的构件模型。通过本方法把BIM模型按相似用户感兴趣内容为用户对BIM模型进行分级推荐缓存，有效提高移动端缓存显示模型的速度与流畅性。附图说明图1是本专利技术公开的基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法的工作流程图本文档来自技高网...

【技术保护点】
1.一种基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，其特征在于，所述的缓存方法包括以下步骤：S1、获取BIM模型构件编码，具体为：对BIM模型构件进行识别，获取构件内置ID；S2、基于工程施工工序与用户身份建立工序网络图，其中，所述的用户身份指从事的工种；S3、基于node2vec技术获得每一个工种的向量化表示，其中，所述的node2vec技术用于将图上的节点表示为一个连续向量，node2vec技术先基于随机游走随机抽取一些点的序列，然后利用word2vec词向量化技术得到每个节点的嵌入向量；S4、使用余弦距离计算图上两两节点之间的相似度ωab：

【技术特征摘要】
1.一种基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，其特征在于，所述的缓存方法包括以下步骤：S1、获取BIM模型构件编码，具体为：对BIM模型构件进行识别，获取构件内置ID；S2、基于工程施工工序与用户身份建立工序网络图，其中，所述的用户身份指从事的工种；S3、基于node2vec技术获得每一个工种的向量化表示，其中，所述的node2vec技术用于将图上的节点表示为一个连续向量，node2vec技术先基于随机游走随机抽取一些点的序列，然后利用word2vec词向量化技术得到每个节点的嵌入向量；S4、使用余弦距离计算图上两两节点之间的相似度ωab：其中，分别是图上任意两个不同节点的向量化表示；S5、针对用户U挑选K个最相似的用户，把查询过的BIM模型构件中，将用户U从未查询过的BIM模型构件推荐给用户U，并根据不同用户的余弦相似度以及构件查询次数来进行进一步打分，将打分最高的N个构件推荐给用户U，评分公式如下：其中，θij是用户i对构件j查询次数的归一化结果，ωiU是用户i与目标用户U的余弦相似度，由步骤S4中公式计算得到；S6、对BIM模型构件进行分级，具体为：第一级，为用户的历史查询构件与相似用户查询构件的推荐；第二级，为不相似用户的查询构件；第三级，为剩下的未被查询的构件；S7、根据构件分级顺序以及构件编码分级导出BIM模型文件，通过轻量化方法对BIM源文件进行轻量化处理并上传到轻量化平台数据库，用户查询时根据分级顺序来为用户缓存BIM构件；S8、根据用户点击的反馈数据更新用户历史查询数据库，然后重复步骤S5～S7。2.根据权利要求1所述的基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，其特征在于，所述的步骤S2过程如下：S2.1、根据建筑施工过程中涉及到的全部工种，将全部工种作为工序网络图的节点，用V表示节点的集合；S2.2、若工种Va与Vb存在关系，则用一条边e(Va，Vb)连接两个节点，E表示边的集合，W(Va，Vb)表示两条边的权重，因此用图G(V,E,W)来定义一个施工工序网络。3.根据权利要求1所述的基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，其特征在于，所述的步骤S3过程如下：S3.1、基于随机游走和设定的规则随机抽取一些点的序列；S3.2、基于word2vec中的Skip-Gram模型，将获得的节点序列转化成连续的向量。4.根据权利要求3所述的基于建筑施工工序网络推荐的移动端BIM模型智能缓存方法，其特征在于，所述的步骤S3.1、基于随机游走和设定的规则随机抽取一些点的序列的过程如下：S3.1.1、在全部节点中随机选择一个初始节点，保证每一个节点都至少会被选中k次，k∈[5,10]；S3.1.2、按照边的权重α进行跳转，权重的设置方法根据如下公...

【专利技术属性】
技术研发人员：潘灶林，邓逸川，王永君，苏成，
申请(专利权)人：广州华建工智慧科技有限公司，
类型：发明
国别省市：广东,44