【技术实现步骤摘要】
本专利技术属于知识图谱元模型建模及推理，具体是一种基于知识图谱的领域元模型建模及推理方法。
技术介绍
1、国外有研究项目专注于将数据与决策联系起来，旨在从海量数据中有效提取有用的知识，为系统开发测试人员的决策和行动提供指导。美国曾推出一个名为主动诠释不同来源(aida)的项目，一种多重假设的语义引擎，能够整合来自多个渠道获取的数据，生成对真实事件、现状和趋势的解释。国内也已经开始研究复杂系统知识图谱，主要关注复杂系统的分类、组成和指标等知识。然而上述这些研究工作均缺乏对于复杂系统体系中不同模块之间相互复杂关联关系的描述，也没有完整地在复杂系统分析、设计、仿真和测试等方面的综合描述。
2、知识图谱技术可以挖掘和推理事物中各种事件和实体之间的顺序、因果和条件等逻辑关系，帮助人们理解各种错综复杂事件的内在发展规律。目前知识图谱主要应用于问答系统、智能推荐、生物医学、金融管理等方面。
3、目前，面向复杂系统的知识模型，对于复杂系统的开发测试应用来说，仍存在着体系覆盖不全和各功能模块信息不共享等问题，无法满足新形势下复杂系统开发多阶段性的需求。
技术实现思路
1、专利技术目的：针对现有技术中复杂系统的知识模型，存在的体系覆盖不全和各功能模块信息不共享的问题，提供一种基于知识图谱的领域元模型建模及推理方法，该方法旨在解决复杂系统在开发的各个阶段对于数据仿真、测试的需求，通过研究面向复杂系统的知识模型的分层抽象和演化机制，提出了知识模型的分层抽象框架，探索构建具有不同能力
2、技术方案：一种基于知识图谱的领域元模型建模及推理方法，包括如下步骤：
3、s1、复杂系统的领域知识元模型定义：根据系统开发过程各阶段中使用的各种类型的数据的基本构成要素、关系和属性，以及它们之间的语义关联，定义独立可表示的领域知识元模型；
4、s2、知识图谱构建：通过s1中构建的领域知识元模型，收集与整理复杂系统的数据初步构建知识图谱，然后通过分析、设计、仿真、测试阶段对知识图谱进行丰富和完善；
5、s3、知识图谱的推理：通过对知识图谱中的实体、关系和属性进行逻辑推理和推断，发现领域知识元模型存在的冲突和推导新的领域知识元模型元素；
6、s4、知识元模型重用：基于语义的模型检索方法，利用已有知识元模型为基础，根据开发需求快速准确地找到与知识图谱中相似的领域知识元模型信息，并将找到的知识元模型加入到复杂系统模型中，同时将新的信息转化为元模型数据加入知识图谱中。
7、进一步的，s1中，在领域知识元模型定义时：
8、1)针对复杂系统大规模多层次高复杂性的需求，通过与领域专家交流、文档分析来收集各阶段文档数据，分析获取相关的领域知识，使用知识工程方法将收集到的知识进行表示、存储和管理并定义领域知识元模型；
9、2)需要综合考虑系统开发的多个阶段、多种类型的数据和系统的功能需求。
10、进一步的，s1中复杂系统的领域知识元模型的建模过程如下：
11、步骤1)构建原子元模型：原子元模型是指构成系统的最小、不可再分的元素；
12、步骤2)构建复合元模型：复合元模型是由多个原子元模型组成的更复杂的模型，它可以描述系统中具有特定结构和关系的组合元素；
13、步骤3)构建服务元模型：服务元模型用于满足复杂系统的功能需求，包括任务元模型、逻辑元模型和控制元模型；服务元模型用于满足复杂系统的功能需求，丰富原子元模型和复合元模型；
14、步骤4)整合原子元模型、复合元模型和服务元模型，构建复杂系统模型。
15、进一步的，s2中，知识图谱构建的步骤如下：
16、步骤1)、将复杂系统的数据按照s1中领域知识元模型的定义的标准，建立原子元模型和复合元模型，并将数据划分为结构化数据、半结构化数据和非结构化数据后进行处理，使用neo4j作为统一知识的建模工具，在处理后的数据中提取知识图谱的实体、关系、属性和规则，初步构建知识图谱；
17、步骤2)、通过分析、设计、仿真、测试阶段对知识图谱进行丰富和完善，具体如下：
18、1)在分析阶段，分析独立模块实体、属性和它们之间的关联，确定基本的知识图谱组成结构；
19、2)在设计阶段，综合控制逻辑与任务功能，组合各个基本模块，形成整体知识图谱架构；
20、3)在仿真阶段，研究人员通过rdflib模拟和验证知识图谱的行为和性能，并评估其准确性、完整性和可用性，完善知识图谱；
21、4)在测试阶段，对已构建的知识图谱进行实际测试，以验证其在真实环境中的效果和可用性，进一步完善知识图谱。
22、进一步的，所述结构化数据包括标准数据库、电子表格和sysml模型；所述半结构化数据包括json文件、xml文件和html网页；所述非结构化数据包括图像文件和视频文件。
23、进一步的，s3中，知识图谱的推理方法包括实体对齐、知识融合、知识补全和链接预测。
24、有益效果：本专利技术用领域知识元模型来规范描述复杂系统的知识模型，将各类模型统一科学管理，避免重复低效开发，最大限度的保证模型的可重用性，提高模型的可操作性和可信度，以辅助系统开发操作人员的实施工作。
本文档来自技高网...【技术保护点】
1.一种基于知识图谱的领域元模型建模及推理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，S1中，在领域知识元模型定义时：
3.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，S1中，复杂系统的领域知识元模型的建模过程如下：
4.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，S2中知识图谱构建的步骤如下：
5.根据权利要求4所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，所述结构化数据包括标准数据库、电子表格和SysML模型；所述半结构化数据包括JSON文件、XML文件和HTML网页；所述非结构化数据包括图像文件和视频文件。
6.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，S3中，知识图谱的推理方法包括实体对齐、知识融合、知识补全和链接预测。
【技术特征摘要】
1.一种基于知识图谱的领域元模型建模及推理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，s1中，在领域知识元模型定义时：
3.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，s1中，复杂系统的领域知识元模型的建模过程如下：
4.根据权利要求1所述的一种基于知识图谱的领域元模型建模及推理方法，其特征在于，s2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。