CN106126885A - 一种产品设计知识服务方法和装置 - Google Patents

Abstract

本发明公开了一种产品设计知识服务方法和装置，该方法包括步骤：获取知识需求元素，构建知识需求模型；进行语义扩展，得到具有语义的初级知识需求层次结构；修改生成终极知识需求层级结构；语义空间进行匹配，获取候选的语义空间单元；基于SWRL规则进行解析推理，生成POV网；求解POV网的最优拓扑序列，形成知识服务方案的语义空间；配置关联的知识资源。该装置包括构建模块、语义扩展模块、修改模块、匹配模块、生成模块和排序关联模块。该方法和装置基于知识需求建模，结合SWRL推理和有向图理论，从语义层面最大限度挖掘知识间的逻辑关系和内涵，实现了知识的增值，提高了产品设计过程所需知识推送结果的有效性。

Description

一种产品设计知识服务方法和装置

技术领域

本发明涉及产品设计技术领域，特别是涉及一种产品设计知识服务方法和装置。

背景技术

知识经济时代，如何利用现有的产品设计知识创造出更多的价值是所有设计制造企业面临的关键问题。传统的产品设计知识服务方式一般包括知识检索和推送，而这两种知识服务方式得出的结果往往只是一个单纯的知识列表。而产品设计知识之间具有复杂的语义关联，采用这种传统的检索或推送方法，由于与产品设计业务结合的不紧密，同时还忽略了知识之间本身的逻辑关系，导致检索和推送结果冗余，所提供知识的准确性较差，往往设计人员需要花费大量精力从推送的知识列表中逐一筛选也难以从中找到真正所需知识。

综上，现有技术中的产品设计知识服务存在推送和检索的知识结果有效性差的技术问题。

发明内容

本发明的目的是提供一种产品设计知识服务方法和装置。

为实现上述目的，本发明提供了如下方案：

一种产品设计知识服务方法，包括步骤：

步骤A，获取知识需求元素，构建知识需求模型，根据所述知识需求模型获得知识需求层次结构；

步骤B，获取具有语义的产品设计知识本体模型，根据所述产品设计知识本体模型对所述知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构；

步骤C，对所述初级知识需求层次结构进行修改，生成终极知识需求层级结构；

步骤D，将所述产品设计知识本体模型的第一语义空间和所述终极知识需求层级结构的第二语义空间进行匹配，获取候选的语义空间单元；

步骤E，对所述候选的语义空间单元基于SWRL规则进行解析推理，生成POV网；

步骤F，求解所述POV网的最优拓扑序列，按照所述最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间；

步骤G，根据所述知识服务方案的语义空间，配置关联的知识资源。

其中，步骤C中生成终极知识需求层级结构包括步骤：

C1，获取所述初级知识需求层级结构上的节点元素，基于产品设计本体模型中的公理推理规则，对所述初级知识需求层级结构进行一致性检查；

C2，判断所述初级知识需求层级结构是否满足一致性要求，是，则进行步骤C3，否，则对返回步骤C；

C3，将当前满足一致性要求的知识需求层级结构作为终极需求层级结构。

其中，步骤D中将所述产品设计知识本体模型的语义空间和所述终极知识需求层级结构的语义空间进行匹配包括步骤：

D1，将所述第一语义空间和所述第二语义空间划分成多个语义空间单元；

D2，将所述第一语义空间和所述第二语义空间各自的语义空间单元逐一进行语义相似度计算；

D3，计算所述第一语义空间和所述第二语义空间的总相似度，总相似度满足预设阈值则视为匹配，否，则视为不匹配。

其中，步骤D2包括步骤：

计算所述第一语义空间和所述第二语义空间对应的语义空间单元的概念相似度、属性相似度和结构相似度；

其中，计算概念相似度包括：

记不同语义空间中的两个节点A和B为概念相似度计算公式为：

${\mathrm{sim}}_d(s_1,s_2)=\left\{\begin{array}{c}\frac{2\×\log p\left(s\right)}{\log p\left(s_1\right)+\log p\left(s_2\right)}\\ 0\end{array}\right.$

其中p(s)＝count(s)/total，p(s)是概念节点s和其子节点的个数在概念总数中所占的比例；Total是概念总数；节点s是s1和s2的公共父节点；

计算属性相似度包括：

假设两个节点OA与OB是目标节点，其属性有两种类型，一种是数据属性，其相似度根据概念相似度进行计算；另一种是对象属性，其相似度可以根据关系函数γ进行计算,记f_γ＝γ(ID_A,ID_B,P_A,P_B)；两个目标节点可以表达为O_A＝<ID_A，C_A，P_A>，O_B＝<ID_B，C_B，P_B>，其中IDA和IDB是目标节点的ID，CA和CB是目标节点的上级父类，PA和PB是目标节点的属性；并且两个目标节点有共同的属性P，且P∈T,这里T是所有属性的集合；因此属性相似度simp可以被定义为:

${\mathrm{sim}}_p(O_A,O_B)=\left\{\begin{array}{c}{\mathrm{sim}}_d\\ f_r=\mathrm{\&gamma;}({\mathrm{ID}}_A,{\mathrm{ID}}_B,P_A,P_B)\end{array}\right.;$

函数fγ由对象属性间的语义关系所决定，两个目标节点的属性相似度为：

${\mathrm{sim}}_T(O_A,O_B)=\underset{\&ForAll;P\&Element;T}{\mathrm{\&Delta;}}{\mathrm{sim}}_p(O_A,O_B);$

计算结构相似度包括：

对于两个目标节点sq和sd是类节点，结构相似度可以根据其上位节点与下位节点的概念相似度来计算，上位节点概念相似度为sim_d(sup c(s_q)，sup c(s_d))，下位节点的概念相似度为因此类节点的结构相似度为:

${\mathrm{sim}}_s(s_q,s_d)=\frac{{\mathrm{sim}}_d\left(\sup c\right(s_q),\sup c(s_d\left)\right)+\underset{subc\&Element;d}{\&Sigma;}{\mathrm{sim}}_d(s_q,s_d)}{min\left(\right|subc\left(s_q\right)|,|subc\left(s_d\right)|,|subc\left(s_q\right)\&cap;subc\left(s_d\right)\left|\right)+1}$

对于两个目标节点是带有属性节点，且sq和sd有相同的祖先节点，则结构相似度为：

${\mathrm{sim}}_s(s_q,s_d)=\frac{{\mathrm{sim}}_d\left(\sup c\right(s_q),\sup c(s_d\left)\right)+\underset{P\&Element;T}{\&Sigma;}{\mathrm{sim}}_T(s_q,s_d)}{min\left(\right|T_{Sq}|,|T_{Sd}|,|T_{Sq}\&cap;T_{Sd}\left|\right)+1}$

对于目标节点是单纯的属性节点，则通过其概念和属性相似度进行计算：

sim_s(s_q,s_d)＝sim_d(O(s_q),O(s_d))

由于目标节点间的属性相似度用概念相似度来表达，如下面公式所示：

sim_d(s_q,s_d)＝sim_p(O_A,O_B)

最终的综合相似度可以表达成概念相似度和结构相似的加权

$sim(s_q,s_d)=\frac{a\&times;{\mathrm{sim}}_d(s_q,s_d)+b\&times;{\mathrm{sim}}_s(s_q,s_d)}{a+b}.$

其中，步骤D3计算所述第一语义空间和所述第二语义空间的总相似度包括步骤：

将两个语义空间单元的概念相似度、属性相似度和结构相似度累加得到两个语义空间单元之间的相似度值；

将所述第一语义空间和所述第二语义空间中所有的语义空间单元相似度相加的和作为所述第一语义空间和所述第二语义空间的相似度。

其中，步骤F中求解POV网的最优拓扑序列包括：

从得到的所有拓扑序列中选择出权重总值最大的序列作为最优拓扑序列；

所述步骤按照所述最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间包括步骤：

将所述最优拓扑序列中的语义空间单元顺序作为当前知识需求层级结构各节点所需知识的组织顺序，查找各语义空间单元所对应的知识片段，将找到的知识片段按照所述最优拓扑序列进行组织后关联到对应的终极知识需求层级结构的节点上，形成知识服务的完整解决方案。

本发明还提供一种产品设计知识服务装置，包括构建模块、语义扩展模块、修改模块、匹配模块、生成模块和排序关联模块；

所述构建模块，用于获取知识需求元素，构建知识需求模型，根据所述知识需求模型获得知识需求层次结构；

所述语义扩展模块，用于获取产品设计知识本体模型，根据所述产品设计知识本体模型对所述知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构；

所述修改模块，用于对所述初级知识需求层次结构进行修改，生成终极知识需求层级结构；

所述匹配模块，用于将所述产品设计知识本体模型的第一语义空间和所述终极知识需求层级结构的第二语义空间进行匹配，获取候选的语义空间单元；

所述生成模块，用于对所述候选的语义空间单元基于SWRL规则进行解析推理，生成POV网；

所述排序关联模块，用于求解所述POV网的最优拓扑序列，按照所述最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间；并根据所述知识服务方案的语义空间，配置关联的知识资源。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明通过构建知识需求模型并对其基于语义进行扩展得到能够表达各节点知识需求的网状模型，即初级知识需求层次结构，并对其进行修改后得到终极知识需求层次结构，根据终极知识需求层次结构的语义空间与产品设计知识本体模型的语义空间的匹配计算获取候选语义空间单元，并对这些语义空间单元进行SWRL规则推理生成POV网后，求取POV网的最优拓扑序列，从而得到对应的目标知识片段的组织顺序，将这些知识片段按照最优拓扑顺序进行组织得到知识服务方案的语义空间，再对应配置关联的知识资源，即实现了整体的产品设计知识服务方案的提供，这样，通过建立具有语义的知识需求的层次结构，充分表达产品设计过程所需要的知识之间的语义逻辑关系，并且基于该逻辑关系，通过语义空间匹配、SWRL推理以及求POV拓扑顺序将所需知识片段进行组织，形成能够满足产品设计过程逻辑需要的知识服务方案，相比于现有技术中的知识检索推送方案，本发明提出的产品设计知识服务是面向产品设计过程的，从语义层面最大限度挖掘知识间的逻辑关系和内涵，实现了知识的增值，提高了产品设计过程所需知识推送结果的有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一提供的产品设计知识服务方法的流程图；

图2为本发明实施例二提供的产品设计知识服务方法的流程图；

图3为语义空间单元划分流程示意图；

图4为本发明实施例三提供的产品设计知识服务装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种产品设计知识服务方法和装置。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

参见图1所示，本发明实施例一提供了一种产品设计知识服务方法。

步骤S110，获取知识需求元素，构建知识需求模型，根据知识需求模型获得知识需求层次结构。

本发明实施例一中，将产品设计过程中的知识需求用一个五元组来表示{输入、输出、资源、约束和对象}，根据设计人员输入获取知识需求的五个元素信息。

结合知识需求元素，进行知识需求建模与分析，将设计问题分解形成一种具有层次逻辑结构的表达方式即构建知识需求模型，获取具有语义的知识需求层次结构。

首先面向产品设计过程将产品设计要素分为设计活动、设计对象、设计人员和设计资源四个维度，并基于本体构建产品设计知识本体模型。

其中，设计活动：设计活动信息主要是对当前设计任务的描述，包括设计成果，完成时间和性能指标参数等。

设计对象：设计对象是对当前设计活动设计产品的描述，需要确定到产品的零部件。

设计人员：设计人员指的是当前设计任务的执行者，不同的设计人员在专业水平和解决问题的能力上都有所区别，因此在进行知识需求分析时需要考虑到人员。

设计资源：描述当前设计活动要求达到什么样的目标，会生成什么样的成果形式。

通过前述步骤获取服务需求的输入、输出、资源、约束和对象元素。“输入”、“输出”和“资源”与领域本体中设计过程维的属性相对应，“对象”与本体中的设计对象维中的元素对应，“约束”是对需求中特殊规则的描述。为了更加准确表达知识需求，消除语义歧义，使用知识需求层级结构来表达知识服务的最终需求。

步骤S111，获取具有语义的产品设计知识本体模型，根据产品设计知识本体模型对知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构。

前述知识需求模型可以获得到设计人员对产品设计知识的初级需求层级结构，根据产品设计知识本体模型对其进行语义扩展形成一个能够完整表达该节点需求的网状模型；首先，知识需求模型中的“对象”元素与领域本体设计对象维中的类进行匹配，匹配上的元素根据语义关系进行扩展后形成一个产品结构树，每个产品对象都有固定的设计流程，根据产品知识本体模型中设计过程维可以将产品结构树转化成设计流程的逻辑结构树，可以称之为初级需求层级结构。初级需求层级结构是知识服务中知识组织的总体架构，是知识之间逻辑关系的体现。

步骤S112，对初级知识需求层次结构进行修改，生成终极知识需求层级结构。

获取初级层级结构上的节点元素，基于产品设计知识领域本体模型中的公理推理规则，对初级层级结构进行一致性检查；即利用本体一致性检查的方法来保证需求层级结构的一致性，保证需求层级结构中已获得的类和个体在关系逻辑上一致，不能互相矛盾。即判断需求层次结构是否满足一致性要求，当其满足一致性则获取设计人员对产品设计知识的最终需求层级结构，否则返回继续进行步骤S112继续修改。

步骤S113，将产品设计知识本体模型的第一语义空间和终极知识需求层级结构的第二语义空间进行匹配，获取候选的语义空间单元。

在本实施例中，将产品设计知识本体模型的第一语义空间和获得的第二语义空间进行匹配包括进行相似度计算。总相似度满足预设阈值，则认为匹配，不满足预设阈值，则认为不匹配。

步骤S114，对候选的语义空间单元基于SWRL规则进行解析推理，生成POV网。

基于产品设计知识的规则模型，使用Jena规则推理机对获取的候选产品设计知识的语义空间单元进行解析、推理，也就是基于SWRL规则推理，生成POV网。语义连通网(POV)是一个表示产品设计知识语义单元间语义关联的有向图，在这种有向图中，顶点表示产品设计知识语义单元，有向边表示产品设计知识语义单元间的关联关系。POV网的生成包括顶点集合和边集合。

POV网中的顶点集合在需求层级结构节点上的语义空间与产品设计知识语义单元语境模型的语义空间匹配后就会生成，而POV网中的边集合则需根据顶点集合中产品设计知识语义单元的规则模型进行推理形成。

POV网的边集合就是以上述SWRL推理为基础而形成的，循环以POV网顶点集合中的任一产品设计知识语义单元为前置节点与其余的产品设计知识语义单元进行关联推理，判断这两个产品设计知识语义单元间是否具有关联。以前置节点和后置节点两个产品设计知识语义单元基本模型的核心关键词为输入，以前置节点的产品设计知识语义单元规则模型作为推理规则进行推理，推理结果为空，则表明这两个产品设计知识语义单元之间没有关联；推理结果不为空，则表明这两个产品设计知识语义单元之间具备关联，此时，需记录前后节点产品设计知识语义单元的ID，以及它们之间的关联关系。这些推理出的关联关系即构成了POV网的边集合。

步骤S115，求解POV网的最优拓扑序列，按照最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间。

根据POV网边已经制定的权重，对步骤S114中获得的POV网进行拓扑排序；POV网络形成后，需要在这个网络中找到一个最合理的产品设计知识语义单元序列，根据这个序列组织对应的知识，将知识关联到需求层级结构对应节点上，形成知识服务的最终方案。寻找这样的产品设计知识语义单元序列实质是在求POV网的拓扑排序。

获取知识服务方案语义空间，是从所有序列中选择出权重总值最大的序列，这个序列中的产品设计知识语义单元顺序便是当前需求层级结构节点所需知识的组织顺序。通过产品设计知识语义单元的基本模型，可以在知识库中查找到对应的知识片段，将这些知识片段按照权重总值最大的拓扑序列进行组织后关联到对应需求层级结构的节点上，形成知识服务的完整解决方案。

步骤S116，根据所述知识服务方案的语义空间，配置关联的知识资源。

传统的知识服务方式中对知识的使用仅仅是查看参考，知识自身的价值并没有得到进一步的挖掘和加工，本发明实施例在准确获取所需知识的基础上，基于语义模型对其进一步的挖掘和推理，实现知识价值的最大增值。

实施例二

本发明实施例二提供的一种产品设计知识服务方法，参见图2所示，包括步骤：

步骤S210，获取知识需求元素，构建知识需求模型，根据知识需求模型获得知识需求层次结构。

步骤S211，获取具有语义的产品设计知识本体模型，根据所述产品设计知识本体模型对所述知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构。

步骤S212，对初级知识需求层次结构进行修改。

步骤S213，获取初级知识需求层级结构上的节点元素，基于产品设计本体模型中的公理推理规则，对初级知识需求层级结构进行一致性检查；

步骤S214，判断初级知识需求层级结构是否满足一致性要求，是，则进行步骤S215，否，则返回步骤S212；

步骤S215，将当前满足一致性要求的知识需求层级结构作为终极需求层级结构。

之后需要将产品设计知识本体模型的第一语义空间和获得的第二语义空间进行匹配，作为一种可实施方式，其具体步骤包括：(1)对两个语义空间进行语义单元划分；(2)二者的所有语义单元逐一进行语义相似度计算；(3)计算两语义空间的总相似度。

步骤S216，将第一语义空间和第二语义空间划分成多个语义空间单元。

由于语义空间最终是以OWL格式存储的，因此语义单元的生成需要依靠OWL本体解析技术，首先将语义空间解析为独立的元素集合，形成类的集合，个体的集合，对象属性的集合，数据属性的集合。然后分别以集合中的元素为中心获取与其相关的其它元素，直至所有集合中的元素都被构建语义单元完成。从原则上来讲，语义空间中有多少个元素就应该形成多少个语义单元，语义单元划分的过程如图3所示，图3中的C、OP、DP、I分别代表类、对象属性、数据属性、实例的集合。

步骤S217，将第一语义空间和第二语义空间各自的语义空间单元逐一进行语义相似度计算。

语义空间单元中元素的相似度包括概念相似度，属性相似度和结构相似度。

概念相似度：

概念相似度的定义与两个语义空间中节点的层级关系有关，记不同语义空间中的两个节点A和B为概念相似度的计算是基于语义词典WorldNet的，在WorldNet中每一个节点都是一个概念，概念相似度计算公式为：

${\mathrm{sim}}_d(s_1,s_2)=\left\{\begin{array}{cc}\frac{2\&times;\log p\left(s\right)}{\log p\left(s_1\right)+\log p\left(s_2\right)}& \begin{array}{cc}if& A_i\stackrel{h}{\&LeftRightArrow;}{B}_i\end{array}\\ 0& ortherwise\end{array}\right.$

其中p(s)＝count(s)/total，p(s)是概念节点s和其子节点的个数在概念总数中所占的比例；Total是概念总数；节点s是s1和s2的公共父节点。

属性相似度：

假设两个节点OA与OB是目标节点，其属性有两种类型，一种是数据属性，其相似度可以根据概念相似度进行计算；另一种是对象属性，也就是常说的关系属性，其相似度可以根据关系函数γ进行计算,记f_γ＝γ(ID_A,ID_B,P_A,P_B)。两个目标节点可以表达为O_A＝<ID_A，C_A，P_A>，O_B＝<ID_B，C_B，P_B>，其中IDA和IDB是目标节点的ID，CA和CB是目标节点的上级父类，PA和PB是目标节点的属性。并且两个目标节点有共同的属性P，且P∈T,这里T是所有属性的集合。因此属性相似度simp可以被定义为:

函数fγ由对象属性间的语义关系所决定，不同的属性对应着不同的语义关系，有的是一对一的，有的是一对多的。如果两个属性满足了函数中所规定的特殊关系，那么他们的属性相似度为1，否则为0。因此两个目标节点的属性相似度可以表达为：

${\mathrm{sim}}_T(O_A,O_B)=\underset{\&ForAll;P\&Element;T}{\mathrm{\&Delta;}}{\mathrm{sim}}_p(O_A,O_B)$

结构相似度：

语义空间中的节点类型有三种：类节点，带有属性的类节点和单纯的属性节点，因此，结构相似度计算方式也分为三种：

假设两个目标节点sq和sd是类节点，结构相似度可以根据其上位节点与下位节点的概念相似度来计算，上位节点概念相似度为sim_d(sup c(s_q),sup c(s_d)),下位节点的概念相似度为因此类节点的结构相似度为:

${\mathrm{sim}}_s(s_q,s_d)=\frac{{\mathrm{sim}}_d\left(\sup c\right(s_q),\sup c(s_d\left)\right)+\underset{subc\&Element;d}{\&Sigma;}{\mathrm{sim}}_d(s_q,s_d)}{min\left(\right|subc\left(s_q\right)|,|subc\left(s_d\right)|,|subc\left(s_q\right)\&cap;subc\left(s_d\right)\left|\right)+1}$

假设两个目标节点是带有属性节点，且sq和sd有相同的祖先节点，则结构相似度为：

${\mathrm{sim}}_s(s_q,s_d)=\frac{{\mathrm{sim}}_d\left(\sup c\right(s_q),\sup c(s_d\left)\right)+\underset{P\&Element;T}{\&Sigma;}{\mathrm{sim}}_T(s_q,s_d)}{min\left(\right|T_{Sq}|,|T_{Sd}|,|T_{Sq}\&cap;T_{Sd}\left|\right)+1}$

假设目标节点是单纯的属性节点，则可以通过其概念和属性相似度进行计算：

sim_s(s_q，s_d)＝sim_d(O(s_q)，O(s_d))

由于目标节点间的属性相似度可以用概念相似度来表达，如下面公式所示：

sim_d(s_q，s_d)＝sim_p(O_A，O_B)

因此最终的综合相似度可以表达成概念相似度和结构相似的加权。

$sim(s_q,s_d)=\frac{a\&times;{\mathrm{sim}}_d(s_q,s_d)+b\&times;{\mathrm{sim}}_s(s_q,s_d)}{a+b}$

步骤S218，计算第一语义空间和第二语义空间的总相似度，总相似度满足预设阈值则视为匹配，否，则视为不匹配。

两个语义单元中所有元素之间的语义相似度计算完成后，将这些相似度累加得到两个语义单元之间的相似度值。语义空间中所有的语义单元相似度相加的和就是空间的相似度。两个空间相似度大于一定值域时，说明其语义关系紧密，视为匹配成功。

步骤S219，获取候选的语义空间单元。

将匹配成功的语义空间所包括的语义空间单元作为候选语义空间单元。

步骤S220，对候选的语义空间单元基于SWRL规则进行解析推理；

基于产品设计知识的规则模型，使用Jena规则推理机对步骤S220获取的候选语义空间单元进行解析、推理。

步骤S221，生成POV网。

根据步骤S220的SWRL规则推理，生成POV网，具体参见实施例一，此处不再赘述。

步骤S222，求解POV网的最优拓扑序列。

步骤S223，按照最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间。

步骤S224，根据知识服务方案的语义空间，配置关联的知识资源。

实施例三

本发明实施例三提供一种产品设计知识服务装置，参见图4所示，包括构建模块、语义扩展模块、修改模块、匹配模块、生成模块和排序关联模块。

构建模块，用于获取知识需求元素，构建知识需求模型，根据知识需求模型获得知识需求层次结构。

语义扩展模块，用于获取产品设计知识本体模型，根据产品设计知识本体模型对知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构。

修改模块，用于对初级知识需求层次结构进行修改，生成终极知识需求层级结构。

匹配模块，用于将产品设计知识本体模型的第一语义空间和终极知识需求层级结构的第二语义空间进行匹配，获取候选的语义空间单元。

生成模块，用于对候选的语义空间单元基于SWRL规则进行解析推理，生成POV网。

排序关联模块，用于求解POV网的最优拓扑序列，按照最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间；并根据知识服务方案的语义空间，配置关联的知识资源。

目前现有技术中的产品设计知识服务过程主要存在以下问题：①知识服务方案的组织结构无法自动生成并确保其正确性；②服务匹配模型不能全面地表达用户需求且没有对用户需求进行智能分析与深入挖掘。为了解决目前知识服务中存在的上述问题，本发明提供一种可以克服上述缺陷的、面向产品设计过程的语义化产品设计知识服务方法和装置，与现有技术相比具有以下优点：本发明所提出的产品设计知识服务是面向产品设计过程的，针对某一设计问题准确获取知识需求，并根据需求敏捷、准确、主动地获取所需知识，从语义层面最大限度挖掘知识间的逻辑关系和内涵，与传统的知识服务方式(即知识推送和知识检索)相比，更加注重知识价值的增量如何体现。

因此，本发明属于知识服务技术领域，特别涉及一种语义化的产品设计知识服务方法及***。本发明所提出的产品设计知识服务是面向产品设计过程的，针对某一设计问题准确获取知识需求，并根据需求敏捷、准确、主动地获取所需知识，从语义层面最大限度挖掘知识间的逻辑关系和内涵，从而实现知识的增值。这里的“敏捷”、“准确”、“主动”、“增值”，与传统的知识服务方式(即知识推送和知识检索)相比，更加注重知识价值的增量如何体现。传统的知识服务方式中，对知识的使用仅仅是查看参考，知识自身的价值并没有得到进一步的挖掘和加工，本发明在准确获取所需知识的基础上，基于语义模型对其进一步的挖掘和推理，实现知识价值的最大增值。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种产品设计知识服务方法，其特征在于，包括步骤：

步骤A，获取知识需求元素，构建知识需求模型，根据所述知识需求模型获得知识需求层次结构；

步骤B，获取具有语义的产品设计知识本体模型，根据所述产品设计知识本体模型对所述知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构；

步骤C，对所述初级知识需求层次结构进行修改，生成终极知识需求层级结构；

步骤D，将所述产品设计知识本体模型的第一语义空间和所述终极知识需求层级结构的第二语义空间进行匹配，获取候选的语义空间单元；

步骤E，对所述候选的语义空间单元基于SWRL规则进行解析推理，生成POV网；

步骤F，求解所述POV网的最优拓扑序列，按照所述最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间；

步骤G，根据所述知识服务方案的语义空间，配置关联的知识资源。

2.根据权利要求1所述的产品设计知识服务方法，其特征在于，所述步骤C中生成终极知识需求层级结构包括步骤：

C1，获取所述初级知识需求层级结构上的节点元素，基于产品设计本体模型中的公理推理规则，对所述初级知识需求层级结构进行一致性检查；

C2，判断所述初级知识需求层级结构是否满足一致性要求，是，则进行步骤C3，否，则对返回步骤C；

C3，将当前满足一致性要求的知识需求层级结构作为终极需求层级结构。

3.根据权利要求1所述的产品设计知识服务方法，其特征在于，所述步骤D中将所述产品设计知识本体模型的语义空间和所述终极知识需求层级结构的语义空间进行匹配包括步骤：

D1，将所述第一语义空间和所述第二语义空间划分成多个语义空间单元；

D2，将所述第一语义空间和所述第二语义空间各自的语义空间单元逐一进行语义相似度计算；

D3，计算所述第一语义空间和所述第二语义空间的总相似度，总相似度满足预设阈值则视为匹配，否，则视为不匹配。

4.根据权利要求3所述的产品设计知识服务方法，其特征在于，所述步骤D2包括步骤：

计算所述第一语义空间和所述第二语义空间对应的语义空间单元的概念相似度、属性相似度和结构相似度；

其中，计算概念相似度包括：

记不同语义空间中的两个节点A和B为概念相似度计算公式为：

${\mathrm{sim}}_d(s_1,s_2)=\left\{\begin{array}{c}\frac{2\&times;\log p\left(s\right)}{\log p\left(s_1\right)+\log p\left(s_2\right)}\\ 0\end{array}\right.$

其中p(s)＝count(s)/total，p(s)是概念节点s和其子节点的个数在概念总数中所占的比例；Total是概念总数；节点s是s1和s2的公共父节点；

计算属性相似度包括：

假设两个节点OA与OB是目标节点，其属性有两种类型，一种是数据属性，其相似度根据概念相似度进行计算；另一种是对象属性，其相似度可以根据关系函数γ进行计算,记f_γ＝γ(ID_A,ID_B,P_A,P_B)；两个目标节点可以表达为O_A＝<ID_A,C_A,P_A>,O_B＝<ID_B,C_B,P_B>，其中IDA和IDB是目标节点的ID，CA和CB是目标节点的上级父类，PA和PB是目标节点的属性；并且两个目标节点有共同的属性P，且P∈T,这里T是所有属性的集合；因此属性相似度simp可以被定义为:

函数f_γ由对象属性间的语义关系所决定，两个目标节点的属性相似度为：

${\mathrm{sim}}_T(O_A,O_B)=\underset{\&ForAll;P\&Element;T}{\mathrm{\&Delta;}}{\mathrm{sim}}_p(O_A,O_B);$

计算结构相似度包括：

对于两个目标节点sq和sd是类节点，结构相似度可以根据其上位节点与下位节点的概念相似度来计算，上位节点概念相似度为sim_d(supc(s_q),supc(s_d)),下位节点的概念相似度为因此类节点的结构相似度为:

${\mathrm{sim}}_s(s_q,s_d)=\frac{{\mathrm{sim}}_d\left(\sup c\right(s_q),\sup c\left(s_d\right))+\underset{subc\&Element;d}{\&Sigma;}{\mathrm{sim}}_d(s_q,s_d)}{min\left(\right|subc\left(s_q\right)|,|subc\left(s_d\right)|,|subc\left(s_q\right)\&cap;subc\left(s_d\right)\left|\right)+1}$

对于两个目标节点是带有属性节点，且sq和sd有相同的祖先节点，则结构相似度为：

${\mathrm{sim}}_s(s_q,s_d)=\frac{{\mathrm{sim}}_d\left(\sup c\right(s_q),\sup c\left(s_d\right))+\underset{P\&Element;T}{\&Sigma;}{\mathrm{sim}}_T(s_q,s_d)}{\min \left(\right|T_{Sq}|,|T_{Sd}|,|T_{Sq}\&cap;T_{Sd}\left|\right)+1}$

对于目标节点是单纯的属性节点，则通过其概念和属性相似度进行计算：

sim_s(s_q,s_d)＝sim_d(O(s_q),O(s_d))

由于目标节点间的属性相似度用概念相似度来表达，如下面公式所示：

sim_d(s_q,s_d)＝sim_p(O_A,O_B)

最终的综合相似度可以表达成概念相似度和结构相似的加权

$sim(s_q,s_d)=\frac{a\&times;{\mathrm{sim}}_d(s_q,s_d)+b\&times;{\mathrm{sim}}_s(s_q,s_d)}{a+b}.$

5.根据权利要求4所述的产品设计知识服务方法，其特征在于，所述步骤D3计算所述第一语义空间和所述第二语义空间的总相似度包括步骤：

将两个语义空间单元的概念相似度、属性相似度和结构相似度累加得到两个语义空间单元之间的相似度值；

将所述第一语义空间和所述第二语义空间中所有的语义空间单元相似度相加的和作为所述第一语义空间和所述第二语义空间的相似度。

6.根据权利要求1所述的产品设计知识服务方法，其特征在于，所述步骤F中求解所述POV网的最优拓扑序列包括：

从得到的所有拓扑序列中选择出权重总值最大的序列作为最优拓扑序列；

所述步骤按照所述最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间包括步骤：

将所述最优拓扑序列中的语义空间单元顺序作为当前知识需求层级结构各节点所需知识的组织顺序，查找各语义空间单元所对应的知识片段，将找到的知识片段按照所述最优拓扑序列进行组织后关联到对应的终极知识需求层级结构的节点上，形成知识服务的完整解决方案。

7.一种产品设计知识服务装置，其特征在于，包括构建模块、语义扩展模块、修改模块、匹配模块、生成模块和排序关联模块；

所述构建模块，用于获取知识需求元素，构建知识需求模型，根据所述知识需求模型获得知识需求层次结构；

所述语义扩展模块，用于获取产品设计知识本体模型，根据所述产品设计知识本体模型对所述知识需求层次结构进行语义扩展，得到具有语义的初级知识需求层次结构；

所述修改模块，用于对所述初级知识需求层次结构进行修改，生成终极知识需求层级结构；

所述匹配模块，用于将所述产品设计知识本体模型的第一语义空间和所述终极知识需求层级结构的第二语义空间进行匹配，获取候选的语义空间单元；

所述生成模块，用于对所述候选的语义空间单元基于SWRL规则进行解析推理，生成POV网；

所述排序关联模块，用于求解所述POV网的最优拓扑序列，按照所述最优拓扑序列组织对应的知识片段形成知识服务方案的语义空间；并根据所述知识服务方案的语义空间，配置关联的知识资源。