[发明专利]基于本体的工程数据关键字检索方法

说明书

本发明提供一种基于本体的工程数据关键字检索方法，其特征在于，包括以下步骤：步骤S1，引入工程数据的领域本体和工程数据术语表，对工程数据术语表进行倒排索引生成倒排索引表；步骤S2，将工程数据中的若干类文档处理为XML快照并进行倒排索引构建快照统计表；步骤S3，基于关键字和本体概念的匹配规则，对用户查询的关键字，通过执行引擎采用倒排索引表将关键字匹配到本体中合适的概念上，基于本体搜索关联概念得到概念拓展集；步骤S4，基于倒排索引表获得与概念拓展集相关的XML快照，构建排序模型，由排序模型基于快照统计表的数据计算相关度得分；步骤S5，对相关度得分进行排序，找到每个XML快照对应的若干类文档，作为查询结果集返回给用户。

技术领域

本发明属于数据检索技术领域，涉及一种基于本体的工程数据关 键字检索方法。

背景技术

企业工程数据广泛存在于当今的各种生产制造行业。它的种类很 多，例如对于飞行制造领域，工程数据包含了航材零部件参数、几何 造型数据、飞行训练数据、维修检查数据、各种图文档及表格等。据 统计，仅仅一个飞机引擎，就有近万份设计文档[1]。对这些大量而复 杂异构的数据的管理和控制是亟待解决的重要问题，因而衍生出了产 品数据管理(PDM)等相关的产品和技术。

在工程数据的管理中，因为海量文档的存在，查询成为最重要的 一个环节。传统的工程数据查询处理，用户的查询请求通常以关键词 的形式出现。然而，传统的信息检索领域的关键字处理技术通常利用 简单的基于词根的匹配法则，计算关键词和文档索引词集合之间的相 似度。对于工程数据，这会带来几个问题：(1)大量的工程数据并非 形如网页的纯文本文档，存在很多由计算机辅助设计(CAD)、辅助 制造(CAM)带来的pdf、office表格等类型的文档；(2)工程数据 领域具有自己独特的专业术语，这些术语和日常用词区别较大，传统 的信息检索方法完全忽略这些关键字术语间蕴含的语义。例如，关键 字“spring pivot shaft”在工程数据领域表达的是完整的“弹簧回转轴”这 一物件，传统检索方法对每个词单独处理，且极可能造成单词的语义 混淆。(3)经验表明，传统的工程数据检索方法效果差，给工程设计 人员造成的时间损失非常巨大。

具体来说，传统的工程数据检索领域存在的一些检索方法概括起 来，主要可以分为两类：一类是沿用传统的网页关键字检索技术[3][4]， 这种技术本质上是一种基于统计学的算法。这种方法无法理解用户的 查询意图，经常出现与用户查询请求相关的文档由于语义混淆或用词 不同而无法被检索出来的情况；另一类是采用自然语言分析工具 [5][6]，构建字串样板，运用机器学习的方法，从工程数据中分析各个 句子的组成成分，从而将各个语言成分归纳到各个领域知识上。这种 做法的弊端在于，目前自然语言分析工具只能处理很有限主题的句子 分析，而工程数据覆盖的数据主题非常多，因此机器学习不足以应对 该领域下大量文档的句法解析。

上述参考文献为：

[1]Marsh,J.R.,1997,The Capture and Utilization of Experience inEngineering Design,PhD Thesis,Cambridge University,UK.

[2]McMahon C.A.,Lowe,A.,Culley,S.J.,Corderoy,M.,Crossland,R., Shah,T.,and Stewart,D.,2004,Waypoint:An Integrated Search and Retrieval Systemfor Engineering Documents,J.Comput.and Info.Sci. in Eng.,4(4),pp.329-338.

[3]Salton G,1991,Developments in automatic text retrieval,Science,vol.253,pp.974--980.