动态参数与可视化模型生成WEB2D自动建模引擎系统技术方案

本申请涉及智能建模领域，其具体地公开了一种动态参数与可视化模型生成WEB 2D自动建模引擎系统，其通过采用基于深度学习的神经网络模型挖掘出产品需求的文本说明的语义理解特征信息和产品需求参数特征信息，进一步将两者进行融合以得到精准的产品需求语义理解信息，提高建模效率和质量。提高建模效率和质量。提高建模效率和质量。

【技术实现步骤摘要】
动态参数与可视化模型生成WEB 2D自动建模引擎系统


[0001]本申请涉及智能建模领域，且更为具体地，涉及一种动态参数与可视化模型生成WEB 2D自动建模引擎系统。

技术介绍

[0002]随着工业智能制造的发展，工业企业对设备可视化、远程运维的需求日趋强烈，传统的单机版组态软件已经不能满足越来越复杂的控制需求，那么实现Web组态可视化界面成为了主要的技术路径。
[0003]但是，现有的WEB 2D建模的智能化程度不高，而人为设计又容易出现错误。在进行WEB 2D建模的过程中，各个参数关系的错综复杂，设计出2D模型的效率较低，其不仅需要耗费大量工程师的精力，准确性也不能保证。
[0004]因此，期望一种智能化的WEB 2D自动建模引擎系统，其能够驱动WEB 2D系统进行自动建模引擎，以精准地进行2D建模，提高建模效率和质量。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种动态参数与可视化模型生成WEB 2D自动建模引擎系统，其通过采用基于深度学习的神经网络模型挖掘出产品需求的文本说明的语义理解特征信息和产品需求参数特征信息，进一步将两者进行融合以得到精准的产品需求语义理解信息，提高建模效率和质量。
[0006]根据本申请的一个方面，提供了一种动态参数与可视化模型生成WEB 2D自动建模引擎系统，其包括：产品需求采集模块，用于获取用户输入的产品需求，所述产品需求包括产品文本说明和所述用户在产品自定义参数模板表单输入的需求参数；产品文本语义理解模块，用于对所述产品文本说明进行分词处理后通过包含词嵌入层的语义编码器以得到产品文本说明语义理解特征向量；产品参数编码模块，用于将所述用户在产品自定义参数模板表单输入的需求参数分别通过独热编码器以得到多个需求参数独热编码向量；产品参数关联模块，用于将所述多个需求参数独热编码向量通过基于转换器的上下文编码器以得到参数上下文语义关联特征向量；特征融合模块，用于融合所述产品文本说明语义理解特征向量和所述参数上下文语义关联特征向量以得到建模需求理解特征向量；优化模块，用于基于所述产品文本说明语义理解特征向量和所述参数上下文语义关联特征向量，对所述建模需求理解特征向量进行特征分布优化以得到优化建模需求理解特征向量；以及2D模型生成模块，用于将所述优化建模需求理解特征向量通过基于扩散模型的模型生成器以生成2D模型。
[0007]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述产品文本语义理解模块，包括：分词单元，用于对所述产品文本说明进行分词处理以将所述产品文本说明转化为由多个词组成的词序列；词嵌入单元，用于使用所述包含嵌入层的语义编码器的嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；上下文编
码单元，用于使用所述包含嵌入层的语义编码器的转换器对所述词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义特征向量；以及，级联单元，用于将所述多个全局上下文语义特征向量进行级联以得到所述产品文本说明语义理解特征向量。
[0008]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述上下文编码单元，包括：第一查询向量构造子单元，用于将所述词嵌入向量的序列进行一维排列以得到全局特征向量；第一自注意子单元，用于计算所述全局特征向量与所述词嵌入向量的序列中词向量的转置向量之间的乘积以得到多个自注意力关联矩阵；第一标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；第一关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；第一注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述词嵌入向量的序列中各个词向量进行加权以得到所述多个上下文语义特征向量；第一级联子单元，用于将所述多个上下文语义特征向量进行级联以得到所述全局上下文语义特征向量。
[0009]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述产品参数关联模块，包括：第二查询向量构造单元，用于将所述多个需求参数独热编码向量进行一维排列以得到全局需求参数独热编码向量；第二自注意单元，用于计算所述全局需求参数独热编码向量与所述多个需求参数独热编码向量中各个需求参数独热编码向量的转置向量之间的乘积以得到多个自注意力关联矩阵；第二标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；第二关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；第二注意力施加单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个需求参数独热编码向量中各个需求参数独热编码向量进行加权以得到所述多个上下文语义需求参数独热编码向量；第二级联单元，用于将所述多个上下文语义需求参数独热编码向量进行级联以得到所述参数上下文语义关联特征向量。
[0010]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述特征融合模块，用于：以如下公式来融合所述产品文本说明语义理解特征向量和所述参数上下文语义关联特征向量以得到建模需求理解特征向量；其中，所述公式为： ，其中，表示所述产品文本说明语义理解特征向量，表示所述参数上下文语义关联特征向量，表示级联函数，表示所述建模需求理解特征向量。
[0011]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述优化模块，包括：第一响应优化单元，用于计算所述产品文本说明语义理解特征向量和所述建模需求理解特征向量的非相干稀疏响应式融合以得到第一部分响应性融合特征向量；第二响应优化单元，用于计算所述参数上下文语义关联特征向量和所述建模需求理解特征向量的非相干稀疏响应式融合以得到第二部分响应性融合特征向量；点加优化单元，用于将所述第一部分响应性融合特征向量和所述第二部分响应性融合特征向量进行按位置点加以得到所
述优化建模需求理解特征向量。
[0012]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述第一响应优化单元，用于：以如下公式计算所述产品文本说明语义理解特征向量和所述建模需求理解特征向量的非相干稀疏响应式融合以得到所述第一部分响应性融合特征向量；其中，所述公式为： ，其中、和分别表示所述产品文本说明语义理解特征向量、所述建模需求理解特征向量和所述第一部分响应性融合特征向量，和分别表示向量的一范数和二范数，为向量的长度，和分别表示向量乘积和向量点乘，且所有向量均为行向量形式。
[0013]在上述动态参数与可视化模型生成WEB 2D自动建模引擎系统中，所述第二响应优化单元，用于：以如下公式计算所述参数上下文语义关联特征向量和所述建模需求理解特征向量的非相干稀疏响应式融合以得到所述第部分响应性融合特征向量；其中，所述公式为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态参数与可视化模型生成WEB 2D自动建模引擎系统，其特征在于，包括：产品需求采集模块，用于获取用户输入的产品需求，所述产品需求包括产品文本说明和所述用户在产品自定义参数模板表单输入的需求参数；产品文本语义理解模块，用于对所述产品文本说明进行分词处理后通过包含词嵌入层的语义编码器以得到产品文本说明语义理解特征向量；产品参数编码模块，用于将所述用户在产品自定义参数模板表单输入的需求参数分别通过独热编码器以得到多个需求参数独热编码向量；产品参数关联模块，用于将所述多个需求参数独热编码向量通过基于转换器的上下文编码器以得到参数上下文语义关联特征向量；特征融合模块，用于融合所述产品文本说明语义理解特征向量和所述参数上下文语义关联特征向量以得到建模需求理解特征向量；优化模块，用于基于所述产品文本说明语义理解特征向量和所述参数上下文语义关联特征向量，对所述建模需求理解特征向量进行特征分布优化以得到优化建模需求理解特征向量；以及2D模型生成模块，用于将所述优化建模需求理解特征向量通过基于扩散模型的模型生成器以生成2D模型。2.根据权利要求1所述的动态参数与可视化模型生成WEB 2D自动建模引擎系统，其特征在于，所述产品文本语义理解模块，包括：分词单元，用于对所述产品文本说明进行分词处理以将所述产品文本说明转化为由多个词组成的词序列；词嵌入单元，用于使用所述包含嵌入层的语义编码器的嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；上下文编码单元，用于使用所述包含嵌入层的语义编码器的转换器对所述词嵌入向量的序列进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义特征向量；以及级联单元，用于将所述多个全局上下文语义特征向量进行级联以得到所述产品文本说明语义理解特征向量。3.根据权利要求2所述的动态参数与可视化模型生成WEB 2D自动建模引擎系统，其特征在于，所述上下文编码单元，包括：第一查询向量构造子单元，用于将所述词嵌入向量的序列进行一维排列以得到全局特征向量；第一自注意子单元，用于计算所述全局特征向量与所述词嵌入向量的序列中词向量的转置向量之间的乘积以得到多个自注意力关联矩阵；第一标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；第一关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；第一注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述词嵌入向量的序列中各个词向量进行加权以得到所述多个上下文语义特征向量；第一级联子单元，用于将所述多个上下文语义特征向量进行级联以得到所述全局上下文语义特征向量。4.根据权利要求3所述的动态参数与可视化模型生成WEB 2D自动建模引擎系统，其特征在于，所述产品参数关联模块，包括：第二查询向量构造单元，用于将所述多个需求参数独热编码向量进行一维排列以得到全局需求参数独热编码向量；第二自注...

【专利技术属性】
技术研发人员：吴武江，张军峰，徐翌鸣，
申请(专利权)人：杭州国辰智企科技有限公司，
类型：发明
国别省市：