CN103440309A - 一种资源环境模型组合建模的自动语义识别与推荐方法 - Google Patents
一种资源环境模型组合建模的自动语义识别与推荐方法 Download PDFInfo
- Publication number
- CN103440309A CN103440309A CN2013103771711A CN201310377171A CN103440309A CN 103440309 A CN103440309 A CN 103440309A CN 2013103771711 A CN2013103771711 A CN 2013103771711A CN 201310377171 A CN201310377171 A CN 201310377171A CN 103440309 A CN103440309 A CN 103440309A
- Authority
- CN
- China
- Prior art keywords
- model
- modeling
- user
- automatic
- recommend
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种资源环境模型组合建模的自动语义识别与推荐方法,包括:模型组件以webservice服务形式发布并注册,通过serverlight技术开发的网络客户端平台,用户可以使用图形化的工作界面来实现拖拽建模;用户从模型图形化方法库中选择一个模块拖拽至建模工作台,作为模型建设的第一个节点,自动推荐可行的下一个模型模块的列表供用户选择;用户从步骤二的模型列表中选择模块加入当前节点,并成为新的节点,根据用户的选择和已有知识库经验自动调整规则推荐新的模型列表,重复这一过程直至组合建模完成。本发明通过语义规则与用户经验,向用户自动推荐合理的建模策略,帮助用户更高效、合理地完成高级复杂模型的建立,实用性强,具有较强的推广与应用价值。
Description
技术领域
本发明属于资源环境模型组合建模技术领域,尤其涉及一种资源环境模型组合建模的自动语义识别与推荐方法。
背景技术
资源环境模型类型多样、数量巨大、结构复杂,现有的建模工具一般得完全依靠建模者个人的经验与建模平台分类的清晰,以及检索的便利来寻找到合适的模型,这种方式费时费力、效率低下,而且也不一定找到最佳的方案。
现有技术的缺点:建模每个过程都考验建模者的专业知识与对建模平台的熟悉程度,并且随着模型的数量增长,建模者要找到合理模型的精力将随着增加,费时、费力、效率低、准确性低。
发明内容
本发明提供了一种资源环境模型组合建模的自动语义识别与推荐方法,旨在解决现有的建模工具一般得完全依靠建模者个人的经验与建模平台分类的清晰,以及检索的便利来寻找到合适的模型,这种方式费时费力、效率低下,而且也不一定找到最佳解决方案的问题。
本发明的目的在于提供一种资源环境模型组合建模的自动语义识别与推荐方法,该自动语义识别与推荐方法包括以下步骤:
步骤一、模型组件以webservice服务形式发布并注册,通过serverlight技术开发的网络客户端平台,用户可以使用图形化的工作界面来实现拖拽建模;
步骤二、用户从模型图形化方法库中选择一个模块拖拽至建模工作台,作为模型建设的第一个节点,自动推荐可行的下一个模型模块的列表供用户选择;
步骤三、用户从步骤二的模型列表中选择模块加入当前节点,并成为新的节点,根据用户的选择和已有知识库经验自动调整规则推荐新的模型列表,重复这一过程直至组合建模完成。
进一步,在步骤一中,在组合建模平台中确定的目标建模任务必须是在平台预设任务体系之内的。
进一步,目标建模任务的定义与描述都是基于统一标准和规则的。
进一步,步骤一还包括,根据用户设定的任务和当前选择的模型节点的特性,系统在后台通过人工智能技术,检索知识库、模型库,并自动以列表的形式推荐适合的组合模型方法。
进一步,在步骤二中,语义规则识别是基于人工智能技术开发实现的。
进一步,组合建模平台中的模型是应用Web Services技术将异构模型进行整合后得到的。
进一步,组合建模平台中的模型包括:空间模型集与非空间模型集。
进一步,步骤三,用户组合新的模型,组合建模平台自动调整规则来推荐合理模型,直至模型组合完成的实现方法为:
按照组合模型数据流走向依次将前一个模型的输出参数作为下一个模型的输入参数,并将最后一个模型的输出参数作为新的模型的最终输出数据,完成模型的组合任务;
根据模型的约束条件对最终得到的组合模型进行检验,确定最终得到的组合模型的合理性。
进一步,该自动语义识别与推荐方法通过系统建立模型知识库储存资源环境类模型的特性信息,以及各个建模用户的建模经验,并能自主学习调整知识库的组成与结构;
同时,该自动语义识别与推荐方法通过建立供模型生产者使用的可视化建模环境将模型节点中的模型以图标的形式显示在可视化建模环境中。
本发明的另一目的在于提供一种资源环境模型组合建模的自动语义识别与推荐系统,该自动语义识别与推荐系统包括:模型库单元、数据库单元、知识库单元、方法库单元;
用于为组合建模的各种方法、模型的模块并以webservice服务形式注册在建模平台的方法库单元;
用于存储、管理、提供与维护和系统支持数据的基本部件,是支持模型库、方法库与知识库的基础的数据库单元;
用于针对资源环境建模领域问题求解的需要,采用知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合的知识库单元;
用于以工作流形式通过XML文本形式记录下来保存在模型库中,并可以被再次解析重用的模型管理系统的模型库单元。
本发明提供的资源环境模型组合建模的自动语义识别与推荐方法,在组合建模平台中确定一个目标建模任务,将该目标建模任务作为最初语句被系统语义识别;用户开始建设第一个模型节点时,系统基于语义规则识别用户的意图,并自动推荐可行的下一个模型模块供用户选择;用户组合新的模型,组合建模平台自动调整规则来推荐合理模型,直至模型组合完成;本发明通过语义规则与用户经验,向用户自动推荐合理的建模策略,帮助用户更高效、合理地完成高级复杂模型的建立,实用性强,具有较强的推广与应用价值。
附图说明
图1是本发明实施例提供的资源环境模型组合建模的自动语义识别与推荐方法的实现流程图;
图2是本发明实施例提供的资源环境模型组合建模的自动语义识别与推荐方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定发明。
图1示出了本发明实施例提供的资源环境模型组合建模的自动语义识别与推荐方法的实现流程。
该自动语义识别与推荐方法包括以下步骤:
步骤S101,在组合建模平台中确定一个目标建模任务,将该目标建模任务作为最初语句被系统语义识别;
步骤S102,用户开始建设第一个模型节点时,系统基于语义规则识别用户的意图,并自动推荐可行的下一个模型模块供用户选择;
步骤S103,用户组合新的模型,组合建模平台自动调整规则来推荐合理模型,直至模型组合完成。
在本发明实施例中,在步骤S101中,在组合建模平台中确定的目标建模任务必须是在平台预设任务体系之内的。
在本发明实施例中,目标建模任务的定义与描述都是基于统一标准和规则的。
在本发明实施例中,步骤S101还包括,根据用户设定的任务和当前选择的模型节点的特性,系统在后台通过人工智能技术,检索知识库、模型库,并自动以列表的形式推荐适合的组合模型方法。
在本发明实施例中,在步骤S102中,语义规则识别是基于人工智能技术开发实现的。
在本发明实施例中,组合建模平台中的模型是应用Web Services技术将异构模型进行整合后得到的。
在本发明实施例中,组合建模平台中的模型包括:空间模型集与非空间模型集。
在本发明实施例中,步骤S103,用户组合新的模型,组合建模平台自动调整规则来推荐合理模型,直至模型组合完成的实现方法为:
按照组合模型数据流走向依次将前一个模型的输出参数作为下一个模型的输入参数,并将最后一个模型的输出参数作为新的模型的最终输出数据,完成模型的组合任务;
根据模型的约束条件对最终得到的组合模型进行检验,确定最终得到的组合模型的合理性。
在本发明实施例中,该自动语义识别与推荐方法通过系统建立模型知识库储存资源环境类模型的特性信息,以及各个建模用户的建模经验,并能自主学习调整知识库的组成与结构;
同时,该自动语义识别与推荐方法通过建立供模型生产者使用的可视化建模环境将模型节点中的模型以图标的形式显示在可视化建模环境中。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
本发明涉及一种资源环境模型组合建模的自动语义识别与推荐方法,包括以下步骤:步骤S101,在组合建模平台中用户首先确定一个目标建模任务,该目标将作为最初语句被系统语义识别;步骤S102,用户开始建设第一个模型节点,随之系统基于语义规则识别用户的意图并自动推荐可行的下一个模型模块供用户选择;步骤S103,用户组合新的模型,建模平台自动调整规则来推荐合理模型,直至模型组合完成。本发明通过语义规则与用户经验,来自动推荐合理的建模策略,帮助用户更高效的完成高级复杂模型的建立。
如图1所示,一种资源环境模型组合建模的自动语义识别与推荐方法,包括以下步骤:
步骤S101,在组合建模平台中用户首先确定一个目标建模任务,该目标将作为最初语句被系统语义识别;
步骤S102,用户开始建设第一个模型节点,随之系统基于语义规则识别用户的意图并自动推荐可行的下一个模型模块供用户选择。
步骤S101包括:
建模任务必须是在平台预设任务体系之内的。
语义识别是基于人工智能技术开发实现的。
目标建模任务的定义与描述都是基于统一标准和规则的。
步骤S102还包括:系统建立模型知识库,该知识库储存有资源环境类模型的特性信息,以及各个建模用户的建模经验,并能自主学习调整知识库的组成与结构。
建模平台中的模型是应用Web Services技术将异构模型进行整合后得到的
组合建模平台中的模型包括:空间模型集与非空间模型集。
建立供模型生产者使用的可视化建模环境将模型节点中的模型以图标的形式显示在所述可视化建模环境中。
步骤S102还包括:根据用户设定的任务和当前选择的模型节点的特性,系统在后台通过人工智能技术,检索知识库、模型库,并自动以列表的形式推荐适合的组合模型方法。
步骤S102还包括:按照组合模型数据流走向依次将前一个模型的输出参数作为下一个模型的输入参数,并将最后一个模型的输出参数作为新的模型的最终输出数据,从而完成模型的组合任务。
步骤S102还包括:需要根据模型的约束条件对最终得到的组合模型进行检验,以确定其合理性。
如图2所示,本发明的具体步骤为:
步骤一,首先所有的模型组件都是以webservice服务形式发布并注册的,然后通过serverlight技术开发的网络客户端平台,用户可以使用图形化的工作界面来实现拖拽建模。用户首先在建模平台中选择“新建”模型,然后在弹出的对话框中填写建模的任务描述(包括所属学科、预计用到的模型名称、数据类型等),将该目标建模任务作为最初语句被系统语义识别;
步骤二,用户随后从模型图形化方法库中选择一个模块拖拽至建模工作台(浏览器窗口),作为模型建设的第一个节点,系统基于语义规则识别用户的意图,并自动推荐可行的下一个模型模块的列表供用户选择。
步骤三,用户从步骤二的模型列表中选择模块加入当前节点,并成为新的节点,系统根据用户的选择和已有知识库经验自动调整规则推荐新的模型列表。重复这一过程直至组合建模完成。
一种资源环境模型组合建模的自动语义识别与推荐系统,该自动语义识别与推荐系统包括:模型库单元、数据库单元、知识库单元、方法库单元;
用于为组合建模的各种方法、模型的模块并以webservice服务形式注册在建模平台的方法库单元;
用于存储、管理、提供与维护和系统支持数据的基本部件,是支持模型库、方法库与知识库的基础的数据库单元;
用于针对资源环境建模领域问题求解的需要,采用知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合的知识库单元;知识片包括与领域相关的理论知识、事实数据,由专家经验得到的启发式知识,如某领域内有关的定义、定理和运算法则以及常识性知识等。
知识库可向建模者提供某一领域内的模型组合的建议,并根据建模者的行为调整知识库的结构。知识库的信息处于不断增长与完善的过程之中,随着某一知识结构被反复运用其权重被加强,相反如果在使用过程中被建模者摒弃则其权重将降低。
用于以工作流形式通过XML文本形式记录下来保存在模型库中,并可以被再次解析重用的模型管理系统的模型库单元。
本发明实施例提供的资源环境模型组合建模的自动语义识别与推荐方法,在组合建模平台中确定一个目标建模任务,将该目标建模任务作为最初语句被系统语义识别;用户开始建设第一个模型节点时,系统基于语义规则识别用户的意图,并自动推荐可行的下一个模型模块供用户选择;用户组合新的模型,组合建模平台自动调整规则来推荐合理模型,直至模型组合完成;本发明通过语义规则与用户经验,向用户自动推荐合理的建模策略,帮助用户更高效、合理地完成高级复杂模型的建立,实用性强,具有较强的推广与应用价值。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种资源环境模型组合建模的自动语义识别与推荐方法,其特征在于,该自动语义识别与推荐方法包括以下步骤:
步骤一、模型组件以webservice服务形式发布并注册,通过serverlight技术开发的网络客户端平台,用户可以使用图形化的工作界面来实现拖拽建模;
步骤二、用户从模型图形化方法库中选择一个模块拖拽至建模工作台,作为模型建设的第一个节点,自动推荐可行的下一个模型模块的列表供用户选择;
步骤三、用户从步骤二的模型列表中选择模块加入当前节点,并成为新的节点,根据用户的选择和已有知识库经验自动调整规则推荐新的模型列表,重复这一过程直至组合建模完成。
2.如权利要求1所述的自动语义识别与推荐方法,其特征在于,在步骤一中,在组合建模平台中确定的目标建模任务必须是在平台预设任务体系之内的。
3.如权利要求2所述的自动语义识别与推荐方法,其特征在于,目标建模任务的定义与描述都是基于统一标准和规则的。
4.如权利要求1所述的自动语义识别与推荐方法,其特征在于,步骤一还包括,根据用户设定的任务和当前选择的模型节点的特性,系统在后台通过人工智能技术,检索知识库、模型库,并自动以列表的形式推荐适合的组合模型方法。
5.如权利要求1所述的自动语义识别与推荐方法,其特征在于,在步骤二中,语义规则识别是基于人工智能技术开发实现的。
6.如权利要求1所述的自动语义识别与推荐方法,其特征在于,组合建模平台中的模型是应用Web Services技术将异构模型进行整合后得到的。
7.如权利要求6所述的自动语义识别与推荐方法,其特征在于,组合建模平台中的模型包括:空间模型集与非空间模型集。
8.如权利要求1所述的自动语义识别与推荐方法,其特征在于,步骤三,用户组合新的模型,组合建模平台自动调整规则来推荐合理模型,直至模型组合完成的实现方法为:
按照组合模型数据流走向依次将前一个模型的输出参数作为下一个模型的输入参数,并将最后一个模型的输出参数作为新的模型的最终输出数据,完成模型的组合任务;
根据模型的约束条件对最终得到的组合模型进行检验,确定最终得到的组合模型的合理性。
9.如权利要求1所述的自动语义识别与推荐方法,其特征在于,该自动语义识别与推荐方法通过系统建立模型知识库储存资源环境类模型的特性信息,以及各个建模用户的建模经验,并能自主学习调整知识库的组成与结构;
同时,该自动语义识别与推荐方法通过建立供模型生产者使用的可视化建模环境将模型节点中的模型以图标的形式显示在可视化建模环境中。
10.一种资源环境模型组合建模的自动语义识别与推荐系统,其特征在于,该自动语义识别与推荐系统包括:模型库单元、数据库单元、知识库单元、方法库单元;
用于为组合建模的各种方法、模型的模块并以webservice服务形式注册在建模平台的方法库单元;
用于存储、管理、提供与维护和系统支持数据的基本部件,是支持模型库、方法库与知识库的基础的数据库单元;
用于针对资源环境建模领域问题求解的需要,采用知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合的知识库单元;
用于以工作流形式通过XML文本形式记录下来保存在模型库中,并可以被再次解析重用的模型管理系统的模型库单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103771711A CN103440309A (zh) | 2013-08-26 | 2013-08-26 | 一种资源环境模型组合建模的自动语义识别与推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103771711A CN103440309A (zh) | 2013-08-26 | 2013-08-26 | 一种资源环境模型组合建模的自动语义识别与推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103440309A true CN103440309A (zh) | 2013-12-11 |
Family
ID=49694002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103771711A Pending CN103440309A (zh) | 2013-08-26 | 2013-08-26 | 一种资源环境模型组合建模的自动语义识别与推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103440309A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268505A (zh) * | 2016-12-30 | 2018-07-10 | 西门子公司 | 基于语义知识的建模方法和装置 |
CN108984294A (zh) * | 2018-05-25 | 2018-12-11 | 中国科学院计算机网络信息中心 | 资源调度方法、装置及存储介质 |
CN109165351A (zh) * | 2018-08-27 | 2019-01-08 | 成都信息工程大学 | 一种基于语义的服务构件搜索推荐方法 |
CN109299178A (zh) * | 2018-09-30 | 2019-02-01 | 北京九章云极科技有限公司 | 一种模型应用方法和数据分析系统 |
US10972306B2 (en) | 2016-11-23 | 2021-04-06 | Carrier Corporation | Building management system having event reporting |
CN113687821A (zh) * | 2021-10-27 | 2021-11-23 | 北京麟卓信息科技有限公司 | 一种基于图形可视化的智能代码拼接方法 |
CN114579821A (zh) * | 2021-12-13 | 2022-06-03 | 北京市建筑设计研究院有限公司 | 一种建模工具的推送方法、装置、电子装置及存储介质 |
US11586938B2 (en) | 2016-11-23 | 2023-02-21 | Carrier Corporation | Building management system having knowledge base |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747622B2 (en) * | 2006-11-29 | 2010-06-29 | American Express Travel Related Services Company, Inc. | System and method for managing models and model dependencies within a computerized simulation environment |
CN101826987A (zh) * | 2010-04-27 | 2010-09-08 | 北京邮电大学 | 一种基于融合开放网络的混合服务支撑系统及方法 |
CN102426519A (zh) * | 2011-08-26 | 2012-04-25 | 北京邮电大学 | 基于关联数据的bpel模板和服务的复用方法及其系统 |
-
2013
- 2013-08-26 CN CN2013103771711A patent/CN103440309A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747622B2 (en) * | 2006-11-29 | 2010-06-29 | American Express Travel Related Services Company, Inc. | System and method for managing models and model dependencies within a computerized simulation environment |
CN101826987A (zh) * | 2010-04-27 | 2010-09-08 | 北京邮电大学 | 一种基于融合开放网络的混合服务支撑系统及方法 |
CN102426519A (zh) * | 2011-08-26 | 2012-04-25 | 北京邮电大学 | 基于关联数据的bpel模板和服务的复用方法及其系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10972306B2 (en) | 2016-11-23 | 2021-04-06 | Carrier Corporation | Building management system having event reporting |
US11586938B2 (en) | 2016-11-23 | 2023-02-21 | Carrier Corporation | Building management system having knowledge base |
CN108268505A (zh) * | 2016-12-30 | 2018-07-10 | 西门子公司 | 基于语义知识的建模方法和装置 |
CN108984294A (zh) * | 2018-05-25 | 2018-12-11 | 中国科学院计算机网络信息中心 | 资源调度方法、装置及存储介质 |
CN108984294B (zh) * | 2018-05-25 | 2022-03-29 | 中国科学院计算机网络信息中心 | 资源调度方法、装置及存储介质 |
CN109165351A (zh) * | 2018-08-27 | 2019-01-08 | 成都信息工程大学 | 一种基于语义的服务构件搜索推荐方法 |
CN109299178A (zh) * | 2018-09-30 | 2019-02-01 | 北京九章云极科技有限公司 | 一种模型应用方法和数据分析系统 |
CN109299178B (zh) * | 2018-09-30 | 2020-01-14 | 北京九章云极科技有限公司 | 一种模型应用方法和数据分析系统 |
CN113687821A (zh) * | 2021-10-27 | 2021-11-23 | 北京麟卓信息科技有限公司 | 一种基于图形可视化的智能代码拼接方法 |
CN114579821A (zh) * | 2021-12-13 | 2022-06-03 | 北京市建筑设计研究院有限公司 | 一种建模工具的推送方法、装置、电子装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440309A (zh) | 一种资源环境模型组合建模的自动语义识别与推荐方法 | |
KR102184182B1 (ko) | Super Tree 기반의 Project/Task 지능 목표관리 방법 및 플랫폼 | |
CN100412870C (zh) | 采用元推荐引擎的门户个性化推荐服务方法和系统 | |
CN106126521B (zh) | 目标对象的社交账号挖掘方法及服务器 | |
CN104020997B (zh) | 可扩展图形化规则应用系统 | |
US10466978B1 (en) | Intelligent assistant for automating recommendations for analytics programs | |
CN107038262B (zh) | 一种关联频度计算的基于数据图谱、信息图谱和知识图谱框架的语义建模方法 | |
KR102204337B1 (ko) | 직관적인 단계별 선택을 이용한 건축물의 실시간 간편견적 서비스 제공 방법 | |
CN107480141B (zh) | 一种基于文本和开发者活跃度的软件缺陷辅助分派方法 | |
US20170235550A1 (en) | General software modeling method to construct software models based on a software meta model | |
US20170139685A1 (en) | Visual software modeling method to construct software views based on a software meta view | |
CN111127246A (zh) | 一种输电线路工程造价的智能预测方法 | |
Karniel et al. | Multi-level modelling and simulation of new product development processes | |
CN108875090A (zh) | 一种歌曲推荐方法、装置和存储介质 | |
CN103116827A (zh) | 农网工程管控系统 | |
CN107832279A (zh) | 一种生成报表的方法、设备及计算机可读存储介质 | |
CN102780583A (zh) | 物联网业务描述、组合和服务质量评估的方法 | |
CN114997414B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
Ouyang et al. | Semantic enrichment of object associations across federated BIM semantic graphs in a common data environment | |
Liu et al. | Generating evacuation task plans for community typhoon emergencies: an integration of case-driven and model-driven approaches | |
Soncini-Sessa et al. | TwoLe: a software tool for planning and management of water reservoir networks | |
Arentze et al. | The integration of expert knowledge in decision support systems for facility location planning | |
Sicilia et al. | Integrating multiple data sources, domains and tools in urban energy models using semantic technologies | |
CN105469164A (zh) | 一种基于主题模式的电力系统跨业务计算分析系统 | |
CN104660697B (zh) | 基于Kepler科学工作流传感网服务组合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131211 |
|
RJ01 | Rejection of invention patent application after publication |