CN109117473A - 使用隐含属性使受控的英语建模语言更加自然的方法和系统 - Google Patents
使用隐含属性使受控的英语建模语言更加自然的方法和系统 Download PDFInfo
- Publication number
- CN109117473A CN109117473A CN201810658893.7A CN201810658893A CN109117473A CN 109117473 A CN109117473 A CN 109117473A CN 201810658893 A CN201810658893 A CN 201810658893A CN 109117473 A CN109117473 A CN 109117473A
- Authority
- CN
- China
- Prior art keywords
- class
- semantic model
- implicit attribute
- expression
- attribute
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/226—Validation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Abstract
本发明提供了一种系统、计算机可读介质和方法,包括:访问语义模型,所述语义模型具有语法句法,所述语法句法支持语义模型类和语义模型类的实例的至少一个与不兼容值的比较;在所述语义模型中规定语义模型类和语义模型类的实例中至少一个的隐含属性,所述隐含属性具有关联范围;将所述隐含属性增加到所述语义模型,所述隐含属性在表达的验证和转换中被引用,所述表达包括与不兼容值进行比较的、具有对其规定的隐含属性的类和类的实例中的至少一个;以及生成所述语义模型的记录,所述语义模型的记录包括增加到其的所述隐含属性。
Description
技术领域
本公开的领域大体上涉及语义模型,更具体地,涉及增强语义建模语言以适应更加自然的表达的系统、装置和方法。
背景技术
语义模型通过定义类、属性、实例、原理和规则从形式上捕捉关于领域(domain)(例如英语语言)的知识。然而,在自然语言使用中,常常是这种情况,可能从句子和/或语句中忽略英语的一些属性。即,语言的自然使用可能不如代表语言的语义模型正式和明显。要求属性和属性链的完整规定(如同在语义模型中规定的那样),这可能使自然语言看上去受约束、呆板和/或过于正式。
在一些方面,存在对改进和增强语义建模语言的方法和系统的需要,使得建模语言可用来有效地生成自然表达。
发明内容
在一方面,本公开的实施例涉及访问语义模型,所述语义模型具有语法句法,所述语法句法支持语义模型类和语义模型类的实例的至少一个与不兼容值的比较;在所述语义模型中规定语义模型类和语义模型类的实例中的一个的隐含属性,所述隐含属性具有关联范围;将所述隐含属性增加到所述语义模型,所述隐含属性在表达的验证和转换中被引用,所述表达包括与不兼容值进行比较的、具有对其规定的隐含属性的类和类的实例中的一个;以及生成所述语义模型的记录,所述语义模型的记录包括增加到其的所述隐含属性。
在其他实施例中,系统可以实施、执行或体现本文中的过程的特征中的至少一些特征。在又另一个实例实施例中,有形媒体可体现可执行指令,所述可执行指令可以由处理器使能装置或系统执行以实施本公开的过程的至少一些方面。
本申请技术方案1涉及一种由处理器实施的方法,所述方法包括:
访问语义模型,所述语义模型具有语法句法,所述语法句法支持语义模型类和语义模型类的实例的至少一个与不兼容值的比较;
在所述语义模型中规定语义模型类和语义模型类的实例中一个的隐含属性,所述隐含属性具有关联范围;
将所述隐含属性增加到所述语义模型,所述隐含属性在表达的验证和转换中被引用,所述表达包括与不兼容值进行比较的、具有对其规定的隐含属性的类和类的实例中的一个;以及
生成所述语义模型的记录,所述语义模型的记录包括增加到其的所述隐含属性。
本申请技术方案2根据技术方案1所述的方法,其中,所述自然语言表达是用英语表达的。
本申请技术方案3根据技术方案1所述的方法,其中,所述不兼容值是数字和字符串值中的至少一个。
本申请技术方案4根据技术方案1所述的方法,其还包括:
验证所述表达以确定其中比较的对立面是否是不同类型的实体;
转换所述表达以确定所述表达中的比较是否能够根据所述语义模型的语法处理;以及
在实例中引用所述验证和所述转换,确定所述比较的对立面是不同类型的实体或所述表达不能根据所述语义模型的语法处理,对所述类或类的实例中的一个指定的隐含属性包括在所述表达中以在所述表达的验证和转换中使用所述隐含属性。
本申请技术方案5根据技术方案1所述的方法,其还包括:
确定所述隐含属性的范围与所述不兼容值兼容;以及
响应于所述隐含属性的范围与所述不兼容值兼容的确定,评估所述表达,对所述表达中包括的所述类或类的所述实例中的一个使用所述隐含属性的范围。
本申请技术方案6根据技术方案1所述的方法,其中,建模语言是语义应用程序设计语言(SADL)需求语言(SRL)。
本申请技术方案7根据技术方案6所述的方法,其中,所述SRL包括受限SRL。
本申请技术方案8根据技术方案1所述的方法,其中,规定隐含属性包括将隐含属性指示符与具有对其指定的隐含属性的所述语义模型类和语义模型类的所述实例中的一个关联,所述隐含属性指示符能够用在所述表达的验证和转换中。
本申请技术方案9根据技术方案1所述的方法,其中,所述隐含属性定义为所述语义模型内的注释属性。
本申请技术方案10涉及一种系统,包括:
存储器,所述存储器存储处理器可执行指令;以及
处理器,所述处理器用于执行所述处理器可执行指令以使所述系统:
访问语义模型,所述语义模型具有语法句法,所述语法句法支持语义模型类和语义模型类的实例中的至少一个和不兼容值的比较;
在所述语义模型中规定语义模型类和语义模型类的实例中一个的隐含属性,所述隐含属性具有关联范围;
将所述隐含属性增加到所述语义模型,所述隐含属性在表达的验证和转换中被引用,所述表达包括与不兼容值进行比较的、具有对其规定的隐含属性的类和类的实例中的一个;以及
生成所述语义模型的记录,所述语义模型的记录包括增加到其上的所述隐含属性。
本申请技术方案11根据技术方案10所述的系统,其中,所述自然语言表达是用英语表达的。
本申请技术方案12根据技术方案10所述的系统,其中,所述不兼容值是数字和字符串值中的至少一个。
本申请技术方案13根据技术方案10所述的系统,其还包括:
由所述处理器验证所述表达以确定其中比较的对立面是否是不同类型的实体;
由所述处理器转换所述表达以确定所述表达中的比较是否可根据所述语义模型的语法处理;以及
由所述处理器在实例中引用所述验证和所述转换,确定所述比较的对立面是不同类型的实体或所述表达不能根据所述语义模型的语法处理,对所述类或类的实例中的一个指定的隐含属性包括在所述表达中以在所述表达的验证和转换中使用所述隐含属性。
本申请技术方案14根据技术方案10所述的系统,其还包括:
由所述处理器确定所述隐含属性的范围与所述不兼容值兼容;以及
响应于所述隐含属性的范围与所述不兼容值兼容的确定,由所述处理器评估所述表达,对所述表达中包括的类或类的实例中的一个使用所述隐含属性的范围。
本申请技术方案15根据技术方案10所述的系统,其中,所述建模语言是语义应用程序设计语言(SADL)需求语言(SRL)。
本申请技术方案16根据技术方案15所述的系统,其中,所述SRL包括受限SRL。
本申请技术方案17根据技术方案10所述的系统,其中,规定隐含属性包括将隐含属性指示符与具有对其指定的隐含属性的语义模型类和语义模型类的实例中的一个关联,所述隐含属性指示符能够用在所述表达的验证和转换中。
本申请技术方案18根据技术方案10所述的系统,其中,所述隐含属性定义为所述语义模型内的注释属性。
附图说明
当参考附图阅读以下详细描述时,本公开的这些和其它特征、方面和优点将变得更好理解,在所有附图中相同的标号表示相同的零件,在附图中:
图1是系统的实例框图;
图2是根据本文中的某些方面的过程的说明性实例;
图3是根据本文中的某些方面的语义模型的说明性图形模型视图的一个实例的说明性描绘;
图4是根据本文中的某些实施例的包括领域实例数据的图3的语义模型的说明性实例图形模型视图;
图5是根据本文中的某些实施例的包括属性链和隐含属性的图形模型视图的说明性描绘;以及
图6是可以支持本文中所公开的一些过程的系统或装置的框图的说明性描绘。
除非另外指明,否则本文所提供的附图意在说明本发明的实施例的特征。这些特征被认为适用于包括本发明的一个或多个实施例的广泛多种系统。由此,附图并非意在包括所属领域的技术人员已知的实践本文中所公开的实施例所需的所有常规特征。
具体实施方式
在以下说明书和权利要求书中,引用了具有以下含义的多个术语。
除非上下文明确地另外指明,否则单数形式“一”和“所述”包括复数指代物。
“任选”或“视需要”意味着随后描述的事件或情形可能发生或可能不发生,且所述描述包括事件发生的情况和事件不发生的情况。
在一个示例中,图1是架构或系统100的说明性框图。本公开的一些实施例的实例不限于图1中所示出的具体架构100。系统100包括运行一个或多个应用程序110的一个或多个客户端装置105。应用程序110可以包括不同软件应用程序,所述不同软件应用程序支持机构的操作和过程。在一些实施例中,应用程序110中的一个可以至少部分地包括用于帮助用户建立受控英语语义建模语言并使用可由人类用户和机器实体两者读取的建模语言的功能或工具,所述受控英语语义建模语言包括促进自然表达的特征。如本文中所使用,这些特征可包括“隐含属性”。本文中,如将在下面更详细地解释的,隐含属性可以与语义模型类或语义模型类的实例有关,且还定义与隐含属性关联的类或类的实例。在一些方面,隐含属性被规定为与语义模型中的类或类的实例关联。然而,隐含属性不要求被明确说明或者另外显式包括在自然语言表达中,除非符合语义模型。
在一些方面,本文中的受控语言建模语言可能与英语有关。而且,在使用受控英语不存在含糊不清的意义上,受控英语是被控的,有效的语句必须匹配定义的句法,并匹配某些语义。然而,本公开不局限于提供用于基于英语的建模语言的特征和机制。在一些实施例中,应用程序110可配置成促进、支持或执行程序(例如建模器)以生成隐含属性并将隐含属性增加到语义建模语言本体(ontology),并使用此建模语言来例如准确地将自然语言表达转换成语义建模语言表示并评估自然语言表达。
云平台120可以包括接口网关135,所述接口网关用于促进、实现并且支持客户端105与语义模型编辑器服务器125之间的通信。105处的装置可以执行浏览器,所述浏览器由用户用于经由网络115与云平台120交互。
语义模型编辑器服务器125可以与如但不限于存储区域网络的存储装置130相关联。在一些实施例中,云平台120可以包括如语义模型编辑器服务器125服务器,的多于一个实例以及多于一个数据存储装置130。存储装置130可以包括已知或变成已知的任何一个或多个查询响应数据源,包括但不限于关系数据库管理系统。存储在存储装置130中的数据可以作为关系数据库、多维数据库、可扩展标示语言(XML)或存储结构化和/或非结构化数据的任何其他数据存储系统的一部分被存储。数据可以分布在数个关系数据库、多维数据库和/或其他数据源当中。在一些实施例中,存储装置130可被实施为“存储器内”数据库,在所述“存储器内”数据库中,易失性(例如,非基于磁盘的)存储装置(例如,随机存取存储器)用于高速缓存存储器且在操作期间用于存储整个数据库,并且永久性存储装置(例如,一个或多个固定磁盘)用于数据库快照的离线持续和维护。实施例不限于任何数量或类型的数据源。转换服务器125可以包括计算装置,所述计算装置使用计算机处理器处理请求。
系统100还可包括后台系统,后台系统可响应于来自云平台120的请求或调用自动地生成可执行代码或指令以执行建立语义建模语言本体和/或语义模型的过程。在本文中的某些方面,用户可提供建立或增加特征至语义建模语言的指示或请求,如在应用程序110和/或云平台120中经由网络115执行的,这可与后台系统120的处理合作生成实现特征到语义建模语言的增加的响应。
在一个示例中,客户端105执行应用程序110以建立特征或将特征通过在客户端105的显示器上给用户呈现的用户接口(UI)添加到语义建模语言本体。用户可通过触摸屏、键盘、或音频输入操纵UI内的UI元件以指示和规定隐含属性与语义建模语言的类或类的实例关联,其中,云平台120与服务器数据库130并且可能还有后台系统140合作生成例如隐含属性并例如将隐含属性增加到语义建模语言。
在一些语境下,可以至少部分地通过使用类的名称代表自然语言的语义模型形式表示的类的实例,特征化自然语言的使用。在某些情况下,自然语言语句或表达中的在先冠词指示特定的实例或被命名类的任何实例是否正在被引用。举例来说,考虑句子“乔治正在那棵树下玩耍(George is playing under the tree)”。在这个示例中,词语“那棵树(thetree)”指示“树(tree)”类的特定实例在该语句中正被引用。假定预期的实例根据上下文是很清楚的。相比较,考虑句子“为未来计划-种树(Plan for the future plant a tree)”。在此示例中,术语“树(tree)”理解为指“树(tree)”类的一些未指明的成员。
关于使用类的名称代表自然语言的语义模型的正式表示的类的实例,作为此类构造的扩展,类名称可用作类的实例的特定值的代表(proxy)。当要求在正式语义模型中类存在以便给予关于数据值的附加信息时,可能是这种情况。例如,在OWL中,数据值并不具有标识,因此数据值不能是三元组(triple)(语句)的主题。因此,创建类的实例以允许附加信息与数据值关联。通过示例,测量值可具有关联的数字值以及关联单位。
作为一个示例,以下是捕捉“Measurement(测量)”的概念化的简单的本体的一部分。本体以语义应用程序设计语言(SADL)表达,SADL是一种受控英语表示,其语法和字典已经被限制,以便降低或消除混淆和复杂性,并寻求使语义模型更容易被主题专家理解和制作。
MeasurementSystem是一个类,必须是{SystemInternationale(alias″SI″),ImperialUnits,US_CustomaryUnits}中的一个。
Unit(单位)是一个类,由具有MeasurementSystem类型值的system(系统)描述。
Measurement(测量)是一个类,由具有类型为double的单值的^value(值)描述,
由具有类型为Unit(单位)的单值的unit(单位)描述,
由具有类型dateTime的单值的timeStamp描述。
LengthUnit是Unit(单位)类型,必须是{Foot(alias″ft″,″feet″),Meter(alias″m″),Centimeter(alias″cm″),Millimeter(alias″mm″)}中的一个。
使用上面的语义模型,给定测量足球场的任务,可以(使用自然语言)说“测量值是300(The measurement is 300)”。某人可通过说“噢,测量以英尺为单位(0h,then themeasurement is in feet)”来回答此语句。然而,为了全面与语义模型一致,原始语句应当更明显,并配置成第一语句“测量实例的值为300(The value of the instance ofmeasurement is 300)”和第二语句“测量的实例的单位为英尺(The unit of theinstance of measurement is foot)”。
完全与语义模型一致的更明显的语句的一个争论点或问题是由于其中的明确性尽管其含义清楚,但两个语句比原始的自然语言语句更罗嗦。在本文中的某些方面,本公开提供了对于此类型问题的技术解决方案,这是通过以下实现的,(例如)通过公开可被增加到语义模型并且还用来使语义模型构造器(或其它实体)使用类名称或类名称的实例生成表达和语句的隐含属性,而不是必须以完整和显式模型一致的方式表达语句。在一些方面,本文中公开的隐含属性可提供和/或促进可用来更自然地表示表达的建模语言,这就是SADL和一些其它建模语言的目标。在一些方面,语义建模语言的用户已经表现出对以类似自然语言的方式表示表达的机制的渴望。
在一些方面,SADL语法支持将类或类的实例与值比较的句法,包括值是数字或字符串的情形。然而,由验证功能进行的类型检查会识别这种比较,比较的两面与误差为不相类型。而且,即使验证不对比较做标记,转换器功能会生成不能被处理或不预期的输出。因此,在一些实施例中,验证器和转换器二者都应当被通知或另外知道类或类的实例与值比较的任何特殊处理,如通过本文中的隐含属性实现的。
在一些实施例中,通过关联或指定类上的“隐含属性”,可通知验证器、转换器和其它装置/实体/功能与和(在一个示例中)值比较的类或类的实例关联的隐含属性。在一些实施例中,类上的隐含属性的指示可实现为数据字段、值、“标志”、散列值或类的数据结构表示中的其它机制/指示符。在一些实施例中,与类关联的隐含属性可配置为注释属性。出于至少两个原因可以使用注释属性。首先,OWL DL(OWL的最大表现风格)不允许具有用户定义的OWL对象属性的语句,以使类象主题或属性一样具有值。其次,期望语义语句推理器不尝试使用关于隐含属性产生的语句,原因是语义语句推理器只由验证器和转换器过程使用。由于注释属性通常由推理器忽略,所以将本文中公开的隐含属性配置为注释属性,这提供了针对要解决问题的技术方案。
在一些实施例中,隐含属性可以被添加到语义模型。继续上面介绍的语义模型示例,隐含属性可如下面指示的添加。
impliedProperty是注释类型。
Measurement具有impliedProperty(隐含属性)^value(值)。
Measurement具有impliedProperty(隐含属性)unit(单位)。
在如上面列表中指出的“测量”类的隐含属性的附加规定,注意,这里示出“impliedProperty”的定义。然而,这种定义通常并不列为用户模型的一部分(尽管可以是SADL预定义的隐式地包括在例如SadlImplicitModel.sadl中的概念的一部分)
在一些实施例和使用案例中,当验证器和转换器遇到明显类型的冲突(例如将“测量”的实例与不兼容值,例如来自上面介绍的示例中的数字比较)时,可确定隐含属性是否与指定的类或者特定实例所属的类关联。在隐含属性的范围与比较中的值兼容的情况下,则验证器和转换器会在比较中插入隐含属性值,以创建构造例如“测量值”、“测量单位”的“属性”。
在一些实施例中,当隐含属性被用在关系的一侧以扩展属性链与另一侧的值的类型匹配时,类不会具有带给定范围或别的混淆结果的超过一个隐含属性。在一些情况下,规定具有相互接近的范围(例如十进制和浮点数)的两个隐含属性在实践中可能是不可靠的,原因是由于范围接近的值可与另一属性兼容,所以隐含属性的值应当被仔细规定以确保规定值与适当的期望属性匹配。
图2是用于将隐含属性特征增加到语义建模语言本体的框架或过程200的说明性描述。在本公开中,可使用隐含属性在受控英语语义模型的上下文中转换和/或评估自然语言表达。在一些实施例中,可以生成(多个)语义应用程序设计语言(SADL)需求语言(SRL)语句以表示自然语言需求。SADL是可以用于生成W3C(万维网联盟)推荐OWL(网络本体语言)本体的受控英语语言和发展环境。然而,本体可以通过其他方式生成并且无需受限于OWL,OWL仅是可以用于本体的多个语言中的一个。同样,虽然可以在使用SRL的上下文中讨论本文中的实施例和实例中的一些,但也可以使用具有定义语法和语义的其他语言并且其在本公开的范围内。在某些方面中,在执行过程200之前或期间,系统本体(例如,SADL)被提供给系统或装置、由系统或装置获得、或以其他方式由系统或装置可访问或已知,所述系统或装置执行过程200。
在操作205,访问语义模型。操作205的语义模型可包括支持语义模型类和语义模型类的实例的至少一个与不兼容值的比较的语法句法。尽管句法会支持这种比较的配置,但语义模型处理方法或系统的验证器功能和/或转换器功能可产生如上面讨论的误差。在一些实施例中,不兼容值可以是数字或字符串值。
根据本文中的一些方面,为了促进并支持自然语言类的表达,在过程200的操作210规定隐含属性。隐含属性被规定或另外定义为与在操作205访问的语义模型的域内的特定类或类的实例关联。
继续操作215,在操作210规定(即定义)的隐含属性被增加到语义模型。隐含属性可以通过语义模型编辑器(例如图1系统100)或其它系统、装置和过程增加到语义模型。关于增加到语义模型的隐含属性,所增加的隐含属性可以在表达的验证和转换中被引用,包括指定为与操作210的隐含属性关联的类和类的实例中的一个,以出于(至少)与表达中的不兼容值比较的目的。
在一些实施例中,类或类的实例被指定为与隐含属性关联这一事实并不一定(自动地)调用对与类或类的实例关联的隐含属性的引用。而且,不需要执行隐含属性的考虑,除非存在类或类的实例实际上具有关联的隐含属性的某种指示。基于这些因素,语义建模语言代表语句的处理可被有效和准确地处理。
在操作220,生成语义模型的记录,所述语义模型被修改为包括如在操作215增加的隐含属性。所述记录可以现在已知或以后已知的任何数据结构实现。包括隐含属性的语义模型的记录可存储在数据库中,从而被管理以快速和有效地存储、检索和版本跟踪。
在一些实施例中,通过增加如本文中公开的隐含属性而改进或提高的语义模型还可用在其它过程中。具体地,至少部分地由于语义模型中包括的隐含属性,这种语义模型可用来以更加紧密地跟踪自然语言的方式表达语句。在图2中通过从操作220指向外的箭头指示本公开的这个方面。
图3是根据一些实施例的语义模型的说明性图形模型图300。呈现图形模型表示300以致力于进一步说明本文中公开的隐含属性的一些方面。参照图300,根据类、属性以及属性域和范围类,定义本文中的域模型。对于图3的示例,以下定义适用(以SADL语法示出):
DATA是一个类,
由具有类型为十进制的单值的value(值)描述,
由具有类型为布尔的单值的validity(有效性)描述,
由具有类型为字符串的单值的unit(单位)描述。
PhysicalObject是一个类,
由具有类型为DATA的值的weight(重量)描述。
因此,参照图3所示的图形表示,语义模型300包括具有域PhysicalObject(305)和范围DATA(310)的属性重量。属性值,有效性和单位各自分别具有域DATA(310)和范围xsd:Boolean(315),xsd:string(320)和xsd:decimal(325)。
为了进一步说明本文中的某些方面,图4是基于图3的模型的语义模型400的说明性描述,具有用于域的一些示范性实例数据。即,MonaLisa 405是PhysicalObject 410,其具有weight(重量)(DATA 415,其具有^value(值)200,单位″磅″,有效性为真)。
参照图4,图形400中的″<1>″意味着空白节点420,给出标识符″<1>″将其与图形中的另一空白节点相区分(图4中没有示出附加空白节点)。在一个实例中,关于图4为了查询三元组存储,人们可能会问,
MonaLisa的weight(重量)(以SPARQL,名称空间省略,″select?w where{<MonaLisa><weight>?w}″)
此查询将在图形中返回指定为″<1>″(420)的空白节点。使用Jena(或其它语义模型处理应用程序或框架),结果是″w=1f420ac5:15b49f44305:-5089(空白节点)″。然而,此结果适用于高级用户,通常不能被母语用户所理解。
为了生成以更加自然的语言类的格式的语句和表达,根据本公开的隐含属性可用来增强图4的语义模型。具体地,以下被加入到域模型。
DATA具有impliedProperty value(值)。
DATA具有impliedProperty unit(单位)。
DATA具有impliedProperty validity(有效性)。
在上文已经将隐含属性增加到语义模型400,对MonaLisa的weight的询问的回答将返回答案″w>value=200,w>unit=″lbs″,w>validity=true″。
在一些方面和使用案例中,对每个语句,自然语言语句和表达可以不局限于单个三元组语句(主语,谓语,宾语)。在一些使用案例中,自然语言语句可包括一个或多个关系链。例如,考虑以下OWL数据的片断(出于示例的简单和清楚的目的,去掉了“有效性”属性)。
Margie是具有weight(重量)(DATA,其具有值135,具有单位″磅″)的人。
John是具有weight(重量)(DATA,其具有值180,具有单位″磅″)的Person(人)。
John有child(孩子)(有朋友(friend)(有配偶(spouse)Margie的人)的人)。
前一数据在图5的图形模型500中可视地描述。图形模型500包括类型人505的两个未命名实例节点(即在连接John 520和Margie 525的属性域中的510的“<3>”,515的“<4>”)
基于图形模型500,考虑这两个语句。
(1)问:选择p,p有孩子,孩子有朋友,朋友的配偶是Margie
(2)问:选择q,q是John的孩子的朋友的配偶。
第一查询从实例节点“Margie”的未绑定变量“p”中寻找具有“向前”属性链的模式。然而,第二查询从实例节点“John”的未绑定变量“q”中寻找具有“向后”属性链的模式。给定图5的实例数据集,第一查询将返回“p=John”的简单的可能绑定,第二查询会返回“q=Margie”的简单的可能绑定。
现在,仍参照图5,我们考虑上面的第二查询稍微修改为以下的情况:
问:选择w,w是John的孩子的朋友的配偶的重量且w<150。
根据修改,由于“重量”的范围是″DATA″530,且″DATA″不能与数字150比较(″<″),所以隐含属性可被认为是理解查询的含义。因此,在“值”中发现一个隐含属性。因此,转换后的查询是:
问:选择wv,wv是John的孩子的朋友的配偶的weight(重量)的^value(值),且wv<150。
以SPARQL表示,查询是:
select?wv where{<John><child>?x.。?x<friend>?y。?y<spouse>?z。?z<weight>?w。?w<value>?wv.filter(?wv<150)}
其中,变量″x″对应于图形中的节点″<3>″(510),″y″对应于节点″<4>″(515),″z″将发现是″Margie″(525),″w”与节点″<2>″(535)对应,″wv″将发现是″135″(540)。
在一些方面和实施例中,隐含属性的实用性可扩展到一侧是属性链另一侧是值的操作,如上面的查询示例。例如,在规则假定中,人们可希望将两个对象比较,例如,″X的重量=Y的重量″。(其它规则假定条件可绑定变量X和Y,例如绑定可以是″MonaLisa的重量=JohnDoe的重量″)只有这些语句的所有三个都为真时,则此比较会返回真。
MonaLisa的重量的值=JohnDoe的重量的值
MonaLisa的重量的单位=JohnDoe的重量的单位
MonaLisa的重量的有效性=JohnDoe的重量的有效性
在一些实施例中,对于上面的每一示例,在所述关系是比较或赋值时,可以有具有给定范围的多个隐含属性,原因是属性链在具有隐含属性的关系的每一侧扩展。例如,DATA上可以是隐含属性,DATA具有十进制范围的“值”并具有十进制范围的“normalizedValue”。接着,结果是比较或赋值的扩展以包括两者:
MonaLisa的重量的值=JohnDoe的重量的值
MonaLisa的重量的标称值=JohnDoe的重量的标称值
对于隐含属性要应用到关系的两侧的比较/赋值,可使用不同的注释属性,在后一种情况下此不同允许具有相同范围的多个隐含属性。例如,一个可用作解释属性“expandedProperty”。
如前面的示例中说明的,隐含属性可增加到建模语言以提高建模能力和语言的灵活性,以及用在各种情形中以产生更加自然的语句和表达。
设备600包括处理器605,所述处理器605可操作地耦合至通信装置615以与其他系统通信;数据存储装置630;一个或多个输入装置610,所述一个或多个输入装置用于从其他系统和实体接收输入;一个或多个输出装置620;和存储器625。通信装置615可以促进与其他系统和组件(如其他装置、通信网络和服务器)的通信。(多个)输入装置610可以包括例如键盘、鼠标或其他指向设备、麦克风、旋钮或开关、红外线(IR)端口、坞站和/或触屏。输入装置610可以用来例如将信息输入到设备600,例如隐含属性规定和使用语义模型的隐含属性的查询。(多个)输出装置620可以包括例如显示器(例如,显示屏)、扬声器和/或打印机。
数据存储装置630可以包括任何合适永久存储装置,所述任何永久存储装置包括磁存储装置(例如,磁带、硬盘驱动器和闪速存储器)、固态存储装置、光学存储装置、只读存储器(ROM)、随机存取存储器(RAM)、存储级存储器(SCM)或任何其他快速存取存储器的组合。数据存储装置630可以存储飞行数据计划、根据本文中的实施例的优化控制命令等。
语义模型编辑器引擎635和数据640可以包括程序指令,所述程序指令由处理器605执行以使设备600执行本文中所描述的过程中的任何一个或多个,所述过程包括但不限于图2中所公开的方面。实施例不限于这些过程由单个设备执行。
数据640(缓存的数据库或整个数据库)可以存储在易失性存储器(如存储器625)中。数据存储装置630还可以存储用于提供附加功能和/或操作设备600所必须的数据和其他程序代码,如装置驱动程序、操作系统文件等。数据640可以包括性能数据相关的软件需求转换,所述软件需求转换可以用于未来软件需求转换调整和/或优化目的。
尽管本公开的各种实施例的具体特征可在一些附图中示出而不在其它附图中示出,但这仅仅是为了方便。根据本公开的原则,附图的任何特征可以与任何其它附图的任何特征组合引用和/或要求保护。
本书面描述使用实例来公开包括最佳模式的实施例,并且还使所属领域的技术人员能够实践所述实施例,包括制造和使用任何装置或系统以及执行任何并入的方法。本公开的可获专利的范围由权利要求书限定,并且可以包括本领域的技术人员想到的其它示例。如果此类其它实例具有并非不同于权利要求书的字面语言的结构要素,或如果它们包括与权利要求书的字面语言无实质差异的等效结构要素,那么此类其它实例希望在权利要求书的范围内。
Claims (10)
1.一种由处理器实施的方法,所述方法包括:
访问语义模型,所述语义模型具有语法句法,所述语法句法支持语义模型类和语义模型类的实例的至少一个与不兼容值的比较;
在所述语义模型中规定语义模型类和语义模型类的实例中一个的隐含属性,所述隐含属性具有关联范围;
将所述隐含属性增加到所述语义模型,所述隐含属性在表达的验证和转换中被引用,所述表达包括与不兼容值进行比较的、具有对其规定的隐含属性的类和类的实例中的一个;以及
生成所述语义模型的记录,所述语义模型的记录包括增加到其的所述隐含属性。
2.根据权利要求1所述的方法,其中,所述自然语言表达是用英语表达的。
3.根据权利要求1所述的方法,其中,所述不兼容值是数字和字符串值中的至少一个。
4.根据权利要求1所述的方法,其还包括:
验证所述表达以确定其中比较的对立面是否是不同类型的实体;
转换所述表达以确定所述表达中的比较是否能够根据所述语义模型的语法处理;以及
在实例中引用所述验证和所述转换,确定所述比较的对立面是不同类型的实体或所述表达不能根据所述语义模型的语法处理,对所述类或类的实例中的一个指定的隐含属性包括在所述表达中以在所述表达的验证和转换中使用所述隐含属性。
5.根据权利要求1所述的方法,其还包括:
确定所述隐含属性的范围与所述不兼容值兼容;以及
响应于所述隐含属性的范围与所述不兼容值兼容的确定,评估所述表达,对所述表达中包括的所述类或类的所述实例中的一个使用所述隐含属性的范围。
6.根据权利要求1所述的方法,其中,建模语言是语义应用程序设计语言(SADL)需求语言(SRL)。
7.根据权利要求6所述的方法,其中,所述SRL包括受限SRL。
8.根据权利要求1所述的方法,其中,规定隐含属性包括将隐含属性指示符与具有对其指定的隐含属性的所述语义模型类和语义模型类的所述实例中的一个关联,所述隐含属性指示符能够用在所述表达的验证和转换中。
9.根据权利要求1所述的方法,其中,所述隐含属性定义为所述语义模型内的注释属性。
10.一种系统,包括:
存储器,所述存储器存储处理器可执行指令;以及
处理器,所述处理器用于执行所述处理器可执行指令以使所述系统:
访问语义模型,所述语义模型具有语法句法,所述语法句法支持语义模型类和语义模型类的实例中的至少一个和不兼容值的比较;
在所述语义模型中规定语义模型类和语义模型类的实例中一个的隐含属性,所述隐含属性具有关联范围;
将所述隐含属性增加到所述语义模型,所述隐含属性在表达的验证和转换中被引用,所述表达包括与不兼容值进行比较的、具有对其规定的隐含属性的类和类的实例中的一个;以及
生成所述语义模型的记录,所述语义模型的记录包括增加到其上的所述隐含属性。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/631902 | 2017-06-23 | ||
US15/631,902 US10984195B2 (en) | 2017-06-23 | 2017-06-23 | Methods and systems for using implied properties to make a controlled-english modelling language more natural |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109117473A true CN109117473A (zh) | 2019-01-01 |
Family
ID=62837572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810658893.7A Pending CN109117473A (zh) | 2017-06-23 | 2018-06-22 | 使用隐含属性使受控的英语建模语言更加自然的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10984195B2 (zh) |
EP (1) | EP3418907A1 (zh) |
CN (1) | CN109117473A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060161544A1 (en) * | 2005-01-18 | 2006-07-20 | International Business Machines Corporation | System and method for planning and generating queries for multi-dimensional analysis using domain models and data federation |
US20110270607A1 (en) * | 2006-10-10 | 2011-11-03 | Konstantin Zuev | Method and system for semantic searching of natural language texts |
CN102682122A (zh) * | 2012-05-15 | 2012-09-19 | 北京科技大学 | 基于本体构建材料科学领域语义数据模型的方法 |
EP2518620A1 (en) * | 2011-04-29 | 2012-10-31 | General Electric Company | Methods for code generation from semantic models and rules |
CN103617265A (zh) * | 2013-12-03 | 2014-03-05 | 北京航空航天大学深圳研究院 | 一种基于本体语义信息的本体查询引擎优化系统 |
US20160224542A1 (en) * | 2015-02-03 | 2016-08-04 | Abbyy Infopoisk Llc | System and method for generating and using user ontological models for natural language processing of user-provided text |
US20160364377A1 (en) * | 2015-06-12 | 2016-12-15 | Satyanarayana Krishnamurthy | Language Processing And Knowledge Building System |
RU2619193C1 (ru) * | 2016-06-17 | 2017-05-12 | Общество с ограниченной ответственностью "Аби ИнфоПоиск" | Многоэтапное распознавание именованных сущностей в текстах на естественном языке на основе морфологических и семантических признаков |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07219758A (ja) | 1994-02-02 | 1995-08-18 | Fujitsu Ltd | 仕様書生成方法 |
AU723274B2 (en) | 1996-08-29 | 2000-08-24 | Bcl Computers, Inc. | Natural-language speech control |
US6173441B1 (en) | 1998-10-16 | 2001-01-09 | Peter A. Klein | Method and system for compiling source code containing natural language instructions |
US7085708B2 (en) | 2000-09-23 | 2006-08-01 | Ravenflow, Inc. | Computer system with natural language to machine language translator |
US7328209B2 (en) * | 2004-08-11 | 2008-02-05 | Oracle International Corporation | System for ontology-based semantic matching in a relational database system |
US8134575B2 (en) * | 2004-09-30 | 2012-03-13 | Microsoft Corporation | Maintaining graphical presentations based on user customizations |
US7987088B2 (en) * | 2006-07-24 | 2011-07-26 | Lockheed Martin Corporation | System and method for automating the generation of an ontology from unstructured documents |
US7899837B2 (en) * | 2006-09-29 | 2011-03-01 | Business Objects Software Ltd. | Apparatus and method for generating queries and reports |
US8204895B2 (en) * | 2006-09-29 | 2012-06-19 | Business Objects Software Ltd. | Apparatus and method for receiving a report |
US20100131874A1 (en) * | 2008-11-26 | 2010-05-27 | General Electric Company | Systems and methods for an active listener agent in a widget-based application |
US9003319B2 (en) * | 2008-11-26 | 2015-04-07 | General Electric Company | Method and apparatus for dynamic multiresolution clinical data display |
US8527443B2 (en) * | 2009-10-08 | 2013-09-03 | Oracle International Corporation | Techniques for processing ontologies |
US8429179B1 (en) * | 2009-12-16 | 2013-04-23 | Board Of Regents, The University Of Texas System | Method and system for ontology driven data collection and processing |
WO2011160171A1 (en) | 2010-06-21 | 2011-12-29 | Commonwealth Scientific And Industrial Research Organisation | Modification of description logic expressions |
US8572678B2 (en) * | 2011-12-23 | 2013-10-29 | Lockheed Martin Corporation | Security policy flow down system |
US8775442B2 (en) * | 2012-05-15 | 2014-07-08 | Apple Inc. | Semantic search using a single-source semantic model |
US8930180B1 (en) | 2012-08-15 | 2015-01-06 | The Boeing Company | Rapid scenario generation using natural language understanding |
US20140144828A1 (en) | 2012-11-29 | 2014-05-29 | Yie Lin Technology Co., Ltd. | Alkaline Water Converter |
US20140258002A1 (en) * | 2013-03-11 | 2014-09-11 | DataPop, Inc. | Semantic model based targeted search advertising |
US20140278985A1 (en) * | 2013-03-13 | 2014-09-18 | DataPop, Inc. | Systems and methods for the enhancement of semantic models utilizing unstructured data |
US20140324908A1 (en) * | 2013-04-29 | 2014-10-30 | General Electric Company | Method and system for increasing accuracy and completeness of acquired data |
US9772994B2 (en) * | 2013-07-25 | 2017-09-26 | Intel Corporation | Self-learning statistical natural language processing for automatic production of virtual personal assistants |
US10127224B2 (en) | 2013-08-30 | 2018-11-13 | Intel Corporation | Extensible context-aware natural language interactions for virtual personal assistants |
US9870203B2 (en) * | 2013-12-05 | 2018-01-16 | Sap Se | Consumption layer for business entities |
US20160019192A1 (en) * | 2014-07-21 | 2016-01-21 | General Electric Company | System and method to extract structured semantic model from document |
US20160110478A1 (en) * | 2014-10-17 | 2016-04-21 | General Electric Company | System and methods for quantization and featurization of time-series data |
US20160139004A1 (en) * | 2014-11-17 | 2016-05-19 | Siemens Product Lifecycle Management Software Inc. | Conceptualization and search of block diagram based models |
US9747079B2 (en) | 2014-12-15 | 2017-08-29 | General Electric Company | Method and system of software specification modeling |
US10509814B2 (en) * | 2014-12-19 | 2019-12-17 | Universidad Nacional De Educacion A Distancia (Uned) | System and method for the indexing and retrieval of semantically annotated data using an ontology-based information retrieval model |
US20170060972A1 (en) * | 2015-08-28 | 2017-03-02 | General Electric Company | Systems and methods for processing process data |
US9984116B2 (en) * | 2015-08-28 | 2018-05-29 | International Business Machines Corporation | Automated management of natural language queries in enterprise business intelligence analytics |
-
2017
- 2017-06-23 US US15/631,902 patent/US10984195B2/en active Active
-
2018
- 2018-06-18 EP EP18178259.0A patent/EP3418907A1/en not_active Withdrawn
- 2018-06-22 CN CN201810658893.7A patent/CN109117473A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060161544A1 (en) * | 2005-01-18 | 2006-07-20 | International Business Machines Corporation | System and method for planning and generating queries for multi-dimensional analysis using domain models and data federation |
US20110270607A1 (en) * | 2006-10-10 | 2011-11-03 | Konstantin Zuev | Method and system for semantic searching of natural language texts |
EP2518620A1 (en) * | 2011-04-29 | 2012-10-31 | General Electric Company | Methods for code generation from semantic models and rules |
US20120278788A1 (en) * | 2011-04-29 | 2012-11-01 | General Electric Company | Methods for code generation from semantic models and rules |
CN102682122A (zh) * | 2012-05-15 | 2012-09-19 | 北京科技大学 | 基于本体构建材料科学领域语义数据模型的方法 |
CN103617265A (zh) * | 2013-12-03 | 2014-03-05 | 北京航空航天大学深圳研究院 | 一种基于本体语义信息的本体查询引擎优化系统 |
US20160224542A1 (en) * | 2015-02-03 | 2016-08-04 | Abbyy Infopoisk Llc | System and method for generating and using user ontological models for natural language processing of user-provided text |
US20160364377A1 (en) * | 2015-06-12 | 2016-12-15 | Satyanarayana Krishnamurthy | Language Processing And Knowledge Building System |
RU2619193C1 (ru) * | 2016-06-17 | 2017-05-12 | Общество с ограниченной ответственностью "Аби ИнфоПоиск" | Многоэтапное распознавание именованных сущностей в текстах на естественном языке на основе морфологических и семантических признаков |
Non-Patent Citations (1)
Title |
---|
AW CRAPO: ""Semantic Application Design Language(SADL)(Version 2):A Detailed Look"", 《HTTP://SADL.SOURCEFORGE.NET/SADL2.HTML》 * |
Also Published As
Publication number | Publication date |
---|---|
US20180373698A1 (en) | 2018-12-27 |
US10984195B2 (en) | 2021-04-20 |
EP3418907A1 (en) | 2018-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11042556B2 (en) | Localized link formation to perform implicitly federated queries using extended computerized query language syntax | |
US11042560B2 (en) | Extended computerized query language syntax for analyzing multiple tabular data arrangements in data-driven collaborative projects | |
US20200183932A1 (en) | Optimizing write operations in object schema-based application programming interfaces (apis) | |
US10585683B2 (en) | Defining application programming interfaces (APIs) using object schemas | |
US20210397626A1 (en) | Extended computerized query language syntax for analyzing multiple tabular data arrangements in data-driven collaborative projects | |
AU2021212135B2 (en) | Building and managing data-processing attributes for modelled data sources | |
US8489649B2 (en) | Extensible RDF databases | |
US10853396B2 (en) | Intelligent natural language query processor | |
US10116725B2 (en) | Processing data retrieval requests in a graph projection of an application programming interfaces (API) | |
US8756568B2 (en) | Documentation generation for web APIs based on byte code analysis | |
US10866828B2 (en) | Extending object-schema-based application programming interfaces (APIs) | |
US10083016B1 (en) | Procedurally specifying calculated database fields, and populating them | |
US8713368B2 (en) | Methods for testing OData services | |
US9171051B2 (en) | Data definition language (DDL) expression annotation | |
US20130124969A1 (en) | Xml editor within a wysiwyg application | |
US10289620B1 (en) | Reporting and data governance management | |
JP2022050327A (ja) | デジタルツインおよびグラフベース構造を用いたコンピュータ実装システムおよび方法 | |
US8205010B1 (en) | User system applicaton interaction for a system as a service | |
CN108932225A (zh) | 用于将自然语言需求转换成为语义建模语言语句的方法和系统 | |
CN109117473A (zh) | 使用隐含属性使受控的英语建模语言更加自然的方法和系统 | |
US11100286B2 (en) | Methods and systems for implied graph patterns in property chains | |
US8812452B1 (en) | Context-driven model transformation for query processing | |
CN110874529B (zh) | 用于属性链中的隐含图形模式的方法和系统 | |
Vitali et al. | Restful services for an innovative e-health infrastructure: a real case study | |
CN117851375A (zh) | 元数据模型优化方法和计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |