[发明专利]基于语义知识的建模方法和装置

说明书

本发明提供了基于语义知识的建模方法和装置，其中，包括：获得一个知识库；接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户。本发明具有交互模式和动态推荐的特点。本发明是基于语义知识的，语义知识能够被学习并存储，还能通过将建模结果当做新知识来进行自身扩展。利用本发明，当用户建模时推荐列表将会被动态发送，这使得建模过程变得更简单和快捷，也具有更高的准确性。

技术领域

本发明涉及工业自动化技术领域，尤其涉及一种基于语义知识的建模方法和装置。

背景技术

在工业自动化领域，一个生产系统中的各个组件、各个组件的属性、在生产过程中各个组件产生的数据及各个组件间的关联关系错综复杂，例如，包括自动化生产过程中各个设备或组件的以及各个设备或组件之间的关联关系，其中，组件可以为发动机、变速器、震动感测器及滚动器等，组件间的关联关系可以为发动机与变速器的驱动关系、震动感测器与滚动器的物理连接关系等。

建模工具很广泛地被用于描述工业自动化系统，还用于系统仿真，描述数据和关联关系等。然而，大部分的建模机制需要用户非常深入地了解一个系统的细节，还要求用户具有将真实的系统“翻译”成一个模型的能力。即使是一个对建模非常有经验的专家，也需要花费很多精力来建立一个模型，并且还有可能有误差。这是因为工业系统具有大量的组件和复杂的控制逻辑，而误差会导致在仿真或错误诊断中的错误，并会造成成本上升。

发明内容

本发明第一方面提供了基于语义知识的建模方法，其中，包括如下步骤：S1，获得一个知识库；S2，接收并缓存用户的建模动作，根据用户建模动作对用户建模意图进行分析，比较用户建模动作和当前建模进程并查询所述知识库，从而输出一个推荐列表给用户。本发明具有交互模式和动态推荐的特点。本发明是基于语义知识的，语义知识能够被学习并存储，还能通过将建模结果当做新知识来进行自身扩展。利用本发明，当用户建模时推荐列表将会被动态发送，这使得建模过程变得更简单和快捷，也具有更高的准确性。

进一步地，所述步骤S1还包括如下步骤：接收并分析用户输入的知识，并利用分类和提取好的知识产生具有分类信息的模型和片段信息，从而生成所述知识库。

进一步地，所述步骤S1还包括如下步骤：分类步骤，将用户输入的知识分类得到具有分类信息的模型，并给输入的模板或模型分派一个分类；提取步骤，提取用户输入的知识并生成片段信息；计算步骤，统计所述具有分类信息的模型和所述片段信息的概率，并生成知识库。

进一步地，所述知识库包括具有分类信息的模型和所述片段信息，以及所述具有分类信息的模型和所述片段信息的统计概率。

进一步地，所述用户输入的知识为语义知识。

进一步地，所述语义知识包括具有分类信息的基本语义知识、模板和库、样本模型。

进一步地，所述步骤S2还包括如下步骤：缓存步骤，缓存用户建模动作；意图分析步骤，分析缓存的用户建模动作以确定所述用户建模意图和用户建模目标，并评估出用户建模目标的分类；比较步骤，比较缓存的当前建模和用户建模目标的分类，并查询知识库从而确定匹配知识；推荐步骤，整理并输出一个推荐列表给用户。

进一步地，所述基于语义知识的建模方法还包括如下步骤：S3，用户建模完成以后，利用最终模型扩展所述知识库。

进一步地，所述推荐列表包括以下任一项或任多项：

-分类；

-片段信息；

-模板。