CN116737966A - 一种基于知识本体的知识体系的建模方法 - Google Patents

Abstract

本发明涉及数据管理技术领域，具体涉及一种基于知识本体的知识体系的建模方法，包括以下步骤：步骤1：接收数据内容，构建云端数据库，应用云端数据库对接收的数据内容进行储存；步骤2：遍历读取云端数据库中储存的数据内容，分析数据内容属性；步骤3：接收步骤2中数据内容属性分析结果，根据数据内容的属性分析结果构建数据内容拓扑，本发明能够提供以数据内容上传阶段的管理功能，并在数据内容完成上传后，进一步对数据内容的属性进行分析，进而基于属性分析结果来对数据内容进行多级区分，使数据内容的区分结果呈拓扑结构化，从而形成数据内容的区分储存模型，在用户需要查找数据内容时，更具逻辑性。

Description

一种基于知识本体的知识体系的建模方法

技术领域

本发明涉及数据管理技术领域，具体涉及一种基于知识本体的知识体系的建模方法。

背景技术

知识体系指相关的知识互相联系构成的整体。它们通过科学的事实、规则、规律、结论、理论和思想等形态反映了现实的各个领域，因而从本质上说，知识属于认识的范畴。

然而，随着人们的认知提升、技术进步，可用的知识越来越多，为了适应储存的需求，知识的储存不再局限于纸质的抄录，而是储存于连接网络的计算机中，计算机虽能够快捷的储存大量的知识数据，但在知识数据后续查找时，较为繁琐、缓慢，简单的索引已无法满足庞大的知识储存体系的知识数据查找。

发明内容

针对现有技术所存在的上述缺点，本发明提供了一种基于知识本体的知识体系的建模方法，解决了上述背景技术中提出的技术问题。

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于知识本体的知识体系的建模方法，包括以下步骤：

步骤1：接收数据内容，构建云端数据库，应用云端数据库对接收的数据内容进行储存；

步骤2：遍历读取云端数据库中储存的数据内容，分析数据内容属性；

步骤3：接收步骤2中数据内容属性分析结果，根据数据内容的属性分析结果构建数据内容拓扑，应用数据内容拓扑对云端数据库中储存的数据内容进行区分储存；

步骤4：为云端数据库配置搜索引擎，用户通过搜索引擎键入搜索用词组，搜索引擎根据用户输入的词组于云端数据库中基于数据内容拓扑查找词组相似、关联及一致的数据内容；

步骤5：搜索引擎输出查找到的数据内容，实时监测搜索引擎输出的数据内容中，用户对输出数据内容的点击操作，识别用户点击操作中，各点击操作对应数据内容的类型，并对各点击操作对应数据内容进行各类型数量的计量；

步骤6：接收步骤5中计量结果，根据计量结果，在下一次用户通过搜索引擎键入相同搜索用词组时，以计量结果中数据内容的点击频率高低进行对应数据内容队列的输出。

更进一步地，所述步骤1执行阶段，配置有信号收发基站，用户端通过移动、计算机设备基于局域网络执行数据内容向信号收发基站发送的操作，信号收发基站与云端数据库通过网络连接，信号收发基站中用户端手动设定有数据反馈周期，信号收发基站根据数据反馈周期实时向云端数据库发送接收到的数据内容。

更进一步地，所述步骤2中，执行遍历读取云端数据库中储存的数据内容的操作时，服从数据内容于云端数据库中储存时的储存时序进行依次读取；

其中，遍历读取操作执行前，通过信号收发基站访问云端数据库，执行数据内容的读取遍历读取操作，所述数据内容的属性包括：数据内容相似度、数据内容关联性、数据内容大小、数据内容储存时间、数据内容格式。

更进一步地，所述数据内容的相似度通过下式进行求取，公式为：

;

式中：为相似度求取所用数据内容；/>为相似度求取目标数据内容中的词组；/>为词组的集合；/>为相似度求取所用数据内容/>中的第i个词项；/>为逆文档频率；为变化频率；/>为/>在相似度求取所用数据内容/>中出现的概率；/>为相似度求取所用数据内容/>的长度；/>词组长度；/>为词组平均长度；

其中，上述公式对两组数据内容进行相似度求取时，以其中一组数据内容记作，以另一组数据内容中的各词组记作/>，以多组/>与/>进行相似度求取，并进一步求取相似度计算结果均值，以相似度计算结果均值作为两组数据内容的相似度进行输出，用户端进一步设定相似度判定阈值，基于相似度判定阈值判定数据内容相互之间是否存在相似性。

更进一步地，所述数据内容关联性通过下式进行表示，公式为：

;

式中：为数据内容q及x之间的关联度距离；/>为数据内容的特征/>∈/>；为数据内容中的特征组；/>为数据内容q及x之间相同特征的综合；，/>分别为数据内容q中的特征组及数据内容x中的特征组；

其中，数据内容关联性在求取时，用户端同步设定有关联性判定阈值，基于关联性判定阈值判定数据内容相互之间是否存在关联性。

更进一步地，及/>优先服从/>时的/>的取值；

其中，数据内容关联性在求取时，还通过数据内容中存在的词组的近义词进行相似度求取，以各数据内容中存在词组的近义词的相似度求取结果进行关联性判定。

更进一步地，所述步骤3在应用数据内容拓扑对云端数据库中储存的数据内容进行区分储存后，进一步对各区间储存的数据内容，应用其他属性分析结果构建的数据内容拓扑，进行再次的区分储存的操作。

更进一步地，所述步骤4中搜索引擎在查找到与用户键入的搜索用词组相似、关联及一致的数据内容时，以一致的数据内容作为第一输出目标、以相似的数据内容作为第二输出目标、以关联的数据内容作为第三输出目标；

其中，查找到与用户键入的搜索用词组相似、关联及一致的数据内容在进行输出时，通过用户端手动设定输出比例，使三组输出目标输出的数据内容量的比值与设定的输出比例相同。

更进一步地，所述数据内容的类型包括：第一输出目标、第二输出目标、第三输出目标。

更进一步地，所述步骤5在进行数据内容各类型数量的计量后，进一步进行比值计算，并与输出比例进行差值计算，同步设定有差值判定阈值，基于差值判定阈值决策是否执行步骤6；

其中，数据内容各类型数量的计量比值与输出比例进行差值计算后，差值计算结果越大，则表示输出比例与搜索引擎操作用户的匹配度越低，差值计算结果越小，则表示输出比例与搜索引擎操作用户的匹配度越高，差值计算结果处于判定阈值时不触发步骤6执行，反之，则触发步骤6执行。

采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

1、本发明提供一种基于知识本体的知识体系的建模方法，该方法在其步骤执行过程中，能够提供以数据内容上传阶段的管理功能，并在数据内容完成上传后，进一步对数据内容的属性进行分析，进而基于属性分析结果来对数据内容进行多级区分，使数据内容的区分结果呈拓扑结构化，从而形成数据内容的区分储存模型，在用户需要查找数据内容时，更具逻辑性，更加快捷的对指定的数据内容进行查找。

2、本发明中方法在其步骤执行的过程中，对于数据内容的分析结果，主要结合数据内容属性中的数据内容相似度及数据内容关联性进行分析及区分储存拓扑的构建，使得该方法中对于数据内容的处理步骤更加精细化，更加稳定，有效的保证了该方法输出结果的可靠性。

3、本发明中方法在步骤执行的过程中，进一步在用户通过键入词组于模型中查找数据内容时，以分析用户后续的点击操作来对该方法后续输出的数据内容进行优化，从而以此来提升该方法与用户之间的实际适配度，进而达到提升用户使用体验的目的。

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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于知识本体的知识体系的建模方法的流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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作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。

下面结合实施例对本发明作进一步的描述。

实施例1

本实施例的一种基于知识本体的知识体系的建模方法，如图1所示，包括以下步骤：

步骤1：接收数据内容，构建云端数据库，应用云端数据库对接收的数据内容进行储存；

步骤2：遍历读取云端数据库中储存的数据内容，分析数据内容属性；

步骤3：接收步骤2中数据内容属性分析结果，根据数据内容的属性分析结果构建数据内容拓扑，应用数据内容拓扑对云端数据库中储存的数据内容进行区分储存；

步骤4：为云端数据库配置搜索引擎，用户通过搜索引擎键入搜索用词组，搜索引擎根据用户输入的词组于云端数据库中基于数据内容拓扑查找词组相似、关联及一致的数据内容；

步骤5：搜索引擎输出查找到的数据内容，实时监测搜索引擎输出的数据内容中，用户对输出数据内容的点击操作，识别用户点击操作中，各点击操作对应数据内容的类型，并对各点击操作对应数据内容进行各类型数量的计量；

步骤6：接收步骤5中计量结果，根据计量结果，在下一次用户通过搜索引擎键入相同搜索用词组时，以计量结果中数据内容的点击频率高低进行对应数据内容队列的输出；

步骤2中，执行遍历读取云端数据库中储存的数据内容的操作时，服从数据内容于云端数据库中储存时的储存时序进行依次读取；

其中，遍历读取操作执行前，通过信号收发基站访问云端数据库，执行数据内容的读取遍历读取操作，数据内容的属性包括：数据内容相似度、数据内容关联性、数据内容大小、数据内容储存时间、数据内容格式；

数据内容的相似度通过下式进行求取，公式为：

；

式中：为相似度求取所用数据内容；/>为相似度求取目标数据内容中的词组；/>为词组的集合；/>为相似度求取所用数据内容/>中的第i个词项；/>为逆文档频率；为变化频率；/>为/>在相似度求取所用数据内容/>中出现的概率；/>为相似度求取所用数据内容/>的长度；/>词组长度；/>为词组平均长度；

其中，上述公式对两组数据内容进行相似度求取时，以其中一组数据内容记作，以另一组数据内容中的各词组记作/>，以多组/>与/>进行相似度求取，并进一步求取相似度计算结果均值，以相似度计算结果均值作为两组数据内容的相似度进行输出，用户端进一步设定相似度判定阈值，基于相似度判定阈值判定数据内容相互之间是否存在相似性；

数据内容关联性通过下式进行表示，公式为：

；

式中：为数据内容q及x之间的关联度距离；/>为数据内容的特征/>∈/>；为数据内容中的特征组；/>为数据内容q及x之间相同特征的综合；，/>分别为数据内容q中的特征组及数据内容x中的特征组；

其中，数据内容关联性在求取时，用户端同步设定有关联性判定阈值，基于关联性判定阈值判定数据内容相互之间是否存在关联性；

及/>优先服从/>时的/>的取值；

其中，数据内容关联性在求取时，还通过数据内容中存在的词组的近义词进行相似度求取，以各数据内容中存在词组的近义词的相似度求取结果进行关联性判定。

在本实施例中，通过步骤1~6的执行为数据内容带来了储存模型的构建，由此种方式构建的模型，其逻辑性更强，能够适应加庞大的数据体储存，且在数据查找时更加快捷高效；

此外，通过上述公式计算，为该方法的步骤执行提供了必要的数据支持，且以此，能够使得该方法中通过步骤执行而输出的数据内容，其输出过程更加稳定。

实施例2

在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种基于知识本体的知识体系的建模方法做进一步具体说明：

步骤1执行阶段，配置有信号收发基站，用户端通过移动、计算机设备基于局域网络执行数据内容向信号收发基站发送的操作，信号收发基站与云端数据库通过网络连接，信号收发基站中用户端手动设定有数据反馈周期，信号收发基站根据数据反馈周期实时向云端数据库发送接收到的数据内容。

通过上述设置，为该方法中的步骤执行提供了必要的数据支持，确保该方法步骤执行过程中接收的数据内容具备指定来源。

如图1所示，步骤3在应用数据内容拓扑对云端数据库中储存的数据内容进行区分储存后，进一步对各区间储存的数据内容，应用其他属性分析结果构建的数据内容拓扑，进行再次的区分储存的操作。

通过上述设置，为云端数据库中储存的数据内容带来了多级区分的处理效果。

如图1所示，步骤4中搜索引擎在查找到与用户键入的搜索用词组相似、关联及一致的数据内容时，以一致的数据内容作为第一输出目标、以相似的数据内容作为第二输出目标、以关联的数据内容作为第三输出目标；

其中，查找到与用户键入的搜索用词组相似、关联及一致的数据内容在进行输出时，通过用户端手动设定输出比例，使三组输出目标输出的数据内容量的比值与设定的输出比例相同。

通过上述设置，对该方法步骤执行过程中输出的数据内容比例进行了限定，使得该方法的首次执行，能够基本满足用户的数据查找需求。

如图1所示，数据内容的类型包括：第一输出目标、第二输出目标、第三输出目标。

如图1所示，步骤5在进行数据内容各类型数量的计量后，进一步进行比值计算，并与输出比例进行差值计算，同步设定有差值判定阈值，基于差值判定阈值决策是否执行步骤6；

其中，数据内容各类型数量的计量比值与输出比例进行差值计算后，差值计算结果越大，则表示输出比例与搜索引擎操作用户的匹配度越低，差值计算结果越小，则表示输出比例与搜索引擎操作用户的匹配度越高，差值计算结果处于判定阈值时不触发步骤6执行，反之，则触发步骤6执行。

通过上述设置，为该方法中的步骤6提供了执行逻辑，确保步骤6的执行更加适时，使得该方法中输出的用户查找数据内容更加贴合用户的查找需求。

综上而言，上述实施例中方法在其步骤执行过程中，能够提供以数据内容上传阶段的管理功能，并在数据内容完成上传后，进一步对数据内容的属性进行分析，进而基于属性分析结果来对数据内容进行多级区分，使数据内容的区分结果呈拓扑结构化，从而形成数据内容的区分储存模型，在用户需要查找数据内容时，更具逻辑性，更加快捷的对指定的数据内容进行查找；同时，该方法在其步骤执行的过程中，对于数据内容的分析结果，主要结合数据内容属性中的数据内容相似度及数据内容关联性进行分析及区分储存拓扑的构建，使得该方法中对于数据内容的处理步骤更加精细化，更加稳定，有效的保证了该方法输出结果的可靠性；此外，本方法在步骤执行的过程中，进一步在用户通过键入词组于模型中查找数据内容时，以分析用户后续的点击操作来对该方法后续输出的数据内容进行优化，从而以此来提升该方法与用户之间的实际适配度，进而达到提升用户使用体验的目的。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于知识本体的知识体系的建模方法，其特征在于，包括以下步骤：

步骤1：接收数据内容，构建云端数据库，应用云端数据库对接收的数据内容进行储存；

步骤2：遍历读取云端数据库中储存的数据内容，分析数据内容属性；

步骤3：接收步骤2中数据内容属性分析结果，根据数据内容的属性分析结果构建数据内容拓扑，应用数据内容拓扑对云端数据库中储存的数据内容进行区分储存；

步骤4：为云端数据库配置搜索引擎，用户通过搜索引擎键入搜索用词组，搜索引擎根据用户输入的词组于云端数据库中基于数据内容拓扑查找词组相似、关联及一致的数据内容；

步骤5：搜索引擎输出查找到的数据内容，实时监测搜索引擎输出的数据内容中，用户对输出数据内容的点击操作，识别用户点击操作中，各点击操作对应数据内容的类型，并对各点击操作对应数据内容进行各类型数量的计量；

步骤6：接收步骤5中计量结果，根据计量结果，在下一次用户通过搜索引擎键入相同搜索用词组时，以计量结果中数据内容的点击频率高低进行对应数据内容队列的输出。

2.根据权利要求1所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述步骤1执行阶段，配置有信号收发基站，用户端通过移动、计算机设备基于局域网络执行数据内容向信号收发基站发送的操作，信号收发基站与云端数据库通过网络连接，信号收发基站中用户端手动设定有数据反馈周期，信号收发基站根据数据反馈周期实时向云端数据库发送接收到的数据内容。

3.根据权利要求1所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述步骤2中，执行遍历读取云端数据库中储存的数据内容的操作时，服从数据内容于云端数据库中储存时的储存时序进行依次读取；

其中，遍历读取操作执行前，通过信号收发基站访问云端数据库，执行数据内容的读取遍历读取操作，所述数据内容的属性包括：数据内容相似度、数据内容关联性、数据内容大小、数据内容储存时间、数据内容格式。

4.根据权利要求3所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述数据内容的相似度通过下式进行求取，公式为：

；

式中：为相似度求取所用数据内容；/>为相似度求取目标数据内容中的词组；/>为词组的集合；/>为相似度求取所用数据内容/>中的第i个词项；/>为逆文档频率；/>为变化频率；/>为/>在相似度求取所用数据内容/>中出现的概率；/>为相似度求取所用数据内容/>的长度；/>词组长度；/>为词组平均长度；

其中，上述公式对两组数据内容进行相似度求取时，以其中一组数据内容记作，以另一组数据内容中的各词组记作/>，以多组/>与/>进行相似度求取，并进一步求取相似度计算结果均值，以相似度计算结果均值作为两组数据内容的相似度进行输出，用户端进一步设定相似度判定阈值，基于相似度判定阈值判定数据内容相互之间是否存在相似性。

5.根据权利要求3所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述数据内容关联性通过下式进行表示，公式为：

；

式中：为数据内容q及x之间的关联度距离；/>为数据内容的特征/>∈/>；/>为数据内容中的特征组；/>为数据内容q及x之间相同特征的综合；，/>分别为数据内容q中的特征组及数据内容x中的特征组；

其中，数据内容关联性在求取时，用户端同步设定有关联性判定阈值，基于关联性判定阈值判定数据内容相互之间是否存在关联性。

6.根据权利要求5所述的一种基于知识本体的知识体系的建模方法，其特征在于，及/>优先服从/>时的/>的取值；

其中，数据内容关联性在求取时，还通过数据内容中存在的词组的近义词进行相似度求取，以各数据内容中存在词组的近义词的相似度求取结果进行关联性判定。

7.根据权利要求1所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述步骤3在应用数据内容拓扑对云端数据库中储存的数据内容进行区分储存后，进一步对各区间储存的数据内容，应用其他属性分析结果构建的数据内容拓扑，进行再次的区分储存的操作。

8.根据权利要求1所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述步骤4中搜索引擎在查找到与用户键入的搜索用词组相似、关联及一致的数据内容时，以一致的数据内容作为第一输出目标、以相似的数据内容作为第二输出目标、以关联的数据内容作为第三输出目标；

其中，查找到与用户键入的搜索用词组相似、关联及一致的数据内容在进行输出时，通过用户端手动设定输出比例，使三组输出目标输出的数据内容量的比值与设定的输出比例相同。

9.根据权利要求1或8所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述数据内容的类型包括：第一输出目标、第二输出目标、第三输出目标。

10.根据权利要求1或8所述的一种基于知识本体的知识体系的建模方法，其特征在于，所述步骤5在进行数据内容各类型数量的计量后，进一步进行比值计算，并与输出比例进行差值计算，同步设定有差值判定阈值，基于差值判定阈值决策是否执行步骤6；

其中，数据内容各类型数量的计量比值与输出比例进行差值计算后，差值计算结果越大，则表示输出比例与搜索引擎操作用户的匹配度越低，差值计算结果越小，则表示输出比例与搜索引擎操作用户的匹配度越高，差值计算结果处于判定阈值时不触发步骤6执行，反之，则触发步骤6执行。