工艺推荐模型的训练、工艺推荐方法及电子设备技术

本发明专利技术涉及工艺推荐技术领域，具体涉及工艺推荐模型的训练、工艺推荐方法及电子设备，该训练方法包括获取样本加工特征子图对以及样本加工特征子图对之间的目标相似度，目标相似度是根据样本加工特征子图对中与各节点的属性类型对应的相似度度量方式确定的，属性类型包括定量属性以及语义属性；将样本加工特征子图对输入预设工艺推荐模型中，得到预测相似度；基于预测相似度与目标相似度之间的差异，对预设工艺推荐模型的参数进行调整，以确定训练好的目标工艺推荐模型。所提出的工艺推荐模型针对工艺知识图谱进行推荐，通过将不同节点属性类型的图结构数据转化为向量形式并进行向量之间的计算，提高了目标工艺推荐模型的准确性以及推荐效率。确性以及推荐效率。确性以及推荐效率。

【技术实现步骤摘要】
工艺推荐模型的训练、工艺推荐方法及电子设备


[0001]本专利技术涉及工艺推荐
，具体涉及工艺推荐模型的训练、工艺推荐方法及电子设备。

技术介绍

[0002]随着CAD/CAM系统的不断发展和广泛应用，大量的数字化三维CAD模型及关联的工艺数据/知识不断地生成并存储在企业的数据/知识库中。对于企业来说，制造产品并不是完全独立的，即使更新换代，新旧产品的结构设计和数控工艺等方面仍具有一定的相似性和继承性。基于此，各种工艺推荐方法应运而生。
[0003]在工艺推荐中，基于实例推理(CBR)是人工智能的一个重要分支，它主要基于旧的实例或者经验进行类比推理，模拟人类解决问题的思路和方法。在进行工艺推荐时，CBR首先在实例库中检索与其最类似的实例，然后根据一定规则选择直接采用该实例结果或是对结果进行修改后再采用，保存该实例，实现实例库的动态学习。目前CBR中最常用的检索算法是最近邻方法，即按照一定规则计算当前实例与实例库中的实例之间的相似度，然后按照相似度大小确定检索结果。该方法最大的难点在于对不同实例间的差异距离进行合理评价，特别地，对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工艺推荐模型的训练方法，其特征在于，包括：获取样本加工特征子图对以及所述样本加工特征子图对之间的目标相似度，所述目标相似度是根据所述样本加工特征子图对中与各节点的属性类型对应的相似度度量方式确定的，所述属性类型包括定量属性以及语义属性；将所述样本加工特征子图对输入预设工艺推荐模型中，得到预测相似度；基于所述预测相似度与所述目标相似度之间的差异，对所述预设工艺推荐模型的参数进行调整，以确定训练好的目标工艺推荐模型。2.根据权利要求1所述的训练方法，其特征在于，获取所述样本加工特征子图对之间的目标相似度，包括：基于所述样本加工特征子图对中与各节点的数据类型，确定对应的所述属性类型；利用所述属性类型对应的相似度度量方式，确定所述样本加工特征子图对中相应节点之间的相似度；对所述样本加工特征子图对中相应节点之间的相似度进行融合，确定所述目标相似度。3.根据权利要求2所述的训练方法，其特征在于，所述利用所述属性类型对应的相似度度量方式，确定所述样本加工特征子图对中相应节点之间的相似度，包括：当所述属性类型为所述定量属性时，基于所述样本加工特征子图对中相应节点的数值进行相似度计算，得到所述相似度；当所述属性类型为所述语义属性时，基于所述样本加工特征子图对中相应节点的字符串之间的编辑距离进行相似度计算，得到所述相似度。4.根据权利要求2所述的训练方法，其特征在于，所述对所述样本加工特征子图对中相应节点之间的相似度进行融合，确定所述目标相似度，包括：获取各个相似度对应的权重；基于所述权重与对应的相似度进行加权计算，确定所述目标相似度。5.根据权利要求1
‑
4中任一项所述的训练方法，其特征在于，所述将所述样本加工特征子图对输入预设工艺推荐模型中，得到预测相似度，包括：利用所述预设工艺推荐模型中的向量模块对所述样本加工特征子图对进行向量化，得到维度相同的样本加工特征向量对；利用所述预设工艺推荐模型中的相似度模块以及所述样本加工特征子图中各节点的属性类型对应的相似度度量方式对所述样本加工特征向量对进行相似度计算，确定所述预...

【专利技术属性】
技术研发人员：裘超超，李斌，严翼飞，顾峤，程少杰，
申请(专利权)人：上海优集工业软件有限公司，
类型：发明
国别省市：