CN109189866A - 一种构建装备故障诊断领域知识本体知识库的方法和系统 - Google Patents
一种构建装备故障诊断领域知识本体知识库的方法和系统 Download PDFInfo
- Publication number
- CN109189866A CN109189866A CN201810957733.2A CN201810957733A CN109189866A CN 109189866 A CN109189866 A CN 109189866A CN 201810957733 A CN201810957733 A CN 201810957733A CN 109189866 A CN109189866 A CN 109189866A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- equipment failure
- failure diagnostic
- ontology
- diagnostic field
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于装备制造领域，本发明公开了一种基于本体构建装备故障诊断领域知识本体知识库的方法，所述方法包括：确定装备故障诊断领域的范围和目标；构建所述装备故障诊断领域知识的初步本体模型；获取所述装备故障诊断领域的知识数据集；对所述本体模型和所述知识数据集中的条目进行概念匹配，循环迭代将故障知识数据集条目加入装备故障诊断领域知识本体知识库中；所述故障知识数据集条目形成装备故障诊断领域知识本体知识库。本发明公开了一种基于本体构建装备故障诊断领域知识本体知识库的系统。
Description
技术领域
本发明属于装备制造领域，更具体而言，本发明涉及装备故障诊断领域中对于装备故障知识提取方法的应用领域。
背景技术
装备制造是影响我国经济发展等诸多方面极为重要的一个领域，建立一个可共享、复用的装备故障诊断领域知识本体知识库对于装备制造业的发展是极其有必要的，将会在设备故障诊断、智能故障修复、快速决策、语义检索、相关企业员工培训等方面发挥重大作用，为建设装备制造业提供强有力的支持。而作为知识库构建技术中的三大关键技术之一，知识提取技术直接影响着知识库的推广与应用，因此知识的获取与提取就成为了构建知识库的瓶颈问题。随着社会信息化程度的提高，对知识应用的要求也不断提高，传统知识库系统已经不能满足当前对知识处理的需求。本体作为当前最为流行的知识表示方法，也正式成为了语义网、人工智能、知识工程等研究领域的核心。目前关于知识库系统的研究受到了广泛的关注，而装备故障诊断领域知识库的构建对于装备诊断领域更是非常急迫需要的。
发明内容
为了解决本领域中的问题，本发明提出了一种基于本体的装备领域知识提取方法，对分析装备故障诊断领域知识本体模型的构建和装备故障诊断领域概念知识处理进行并行处理。本发明的方法基于本体的装备领域知识提取方法进行流程设计，包括装备故障诊断领域中故障信息术语和概念的提取、分组、形式化处理等操作，完整表达了装备故障诊断领域中设备故障信息、设备故障表现以及设备故障之间关系的知识库模型。
因此，本发明提供了一种基于本体构建装备故障诊断领域知识本体知识库的方法，包括：
(a)确定装备故障诊断领域的范围和目标；
(b)构建所述装备故障诊断领域知识的初步本体模型；
(c)获取所述装备故障诊断领域的知识数据集；
(d)对所述本体模型和所述知识数据集中的条目进行概念匹配，循环迭代将故障知识数据集条目加入装备故障诊断领域知识本体知识库中；
(e)所述故障知识数据集条目形成装备故障诊断领域知识本体知识库。
在一个实施方案中，在(b)中构建装备故障诊断领域知识的本体模型包括：
(b1)提取所述装备故障诊断领域相关的术语和概念，
(b2)对装备故障诊断领域相关的术语和概念进行分组，构建领域知识本体的框架；
(b3)定义领域相关知识的类、属性以及关系；
(b4)利用OWL对所述领域知识本体做形式化处理；
(b5)对所述领域知识本体进行描述性和验证性评价，形成领域知识本体模型。
在一个实施方案中，在(b1)中，提取装备故障诊断领域相关的术语和概念包括：参考装备领域内的相关标准，保证所提取到的术语和概念的准确性，可进行不同方式的检验。
在一个实施方案中，在(b2)中，对装备故障诊断领域相关的术语和概念进行分组，构建领域知识本体的框架，包括：对于提取的装备故障诊断领域相关的术语和概念，将其中无组织结构的术语词汇表按照逻辑规则进行分组，形成符合装备领域的知识架构体系，最终得到装备领域本体的框架结构。
在一个实施方案中，在(b3)中，定义领域相关知识的类、属性以及关系，包括：首先对装备故障诊断领域相关的术语集中的类、类的属性、类与类之间的关系以及类的实例进行定义，再对(b2)中搭建完成的装备领域本体框架按照逻辑规则进行定义，使之符合该领域的逻辑和理论。
在一个实施方案中，在(b4)中，利用OWL对所述领域知识本体做形式化处理，包括：将所述领域知识本体自动转化为OWL语言格式，最终完成本体的形式化描述。
在一个实施方案中，在(b5)中，对所述领域知识本体进行描述性和验证性评价，包括：分别利用描述性评论和验证性评论方法对以上创建的形式化领域知识本体进行评论，判断其是否完整，若完整则可用于构建领域知识本体模型，若不完整则需重新进行装备领域相关术语和概念的提取。
在一个实施方案中，在(c)中，获取装备故障诊断领域的知识数据集包括：
(c1)获取装备故障诊断领域知识相关文本；
(c2)从所述文本提取装备故障诊断领域知识数据源；
(c3)从所述数据源形成装备故障诊断领域相关知识；
(c4)由所述知识形成所述装备故障诊断领域的知识数据集。
在一个实施方案中，在(c1)中，获取装备故障诊断领域知识相关文本包括：从显性和隐性两种不同形式实现对装备领域知识的获取，以及从与装备领域设计人员的交谈中抓取更多实际通用的装备知识数据，为后面装备领域知识的获取提供了数据文本。所述装备故障诊断领域知识相关文本中包括领域知识、推理知识和任务知识。
在一个实施方案中，在(c2)中，从所述文本提取装备故障诊断领域知识数据源包括：从所述文本利用知识挖掘提取装备故障诊断领域知识数据源。
在一个实施方案中，在(c3)中，获取装备故障诊断领域相关知识包括：
从所述数据源中创建装备故障诊断领域中知识之间的等同关系、属分关系和相关关系等不同类型的关系。
在一个实施方案中，在(c4)中，提取装备故障诊断应用领域的知识数据集包括：
在(c3)的基础上实现对装备故障诊断领域中模型、指标、公式、规则以及各种知识描述的提取，最终获取装备领域知识的相关概念。
在一个实施方案中，在(d)中，对所述本体模型和所述知识数据集中的条目进行概念匹配并判断其在所述本体模型中的描述完整性，对于所述本体模型中不存在的知识数据集条目以及所述本体模型中存在但在所述本体模型中未完整描述的知识数据集条目，如果所述知识数据集条目与故障无关，将其加入所述本体模型中；对于所述本体模型中存在、且在所述本体模型中完整描述的知识数据集条目，如果所述知识数据集条目与故障相关，将其加入装备故障诊断领域知识本体知识库中；
进入(b)进行循环迭代，直至无新的条目加入装备故障诊断领域知识本体知识库中，并且无新的条目加入所述本体模型中。
在一个实施方案中，在(d)中，对所述本体模型和所述知识数据集中的条目进行概念匹配包括：
本发明采用GSS匹配算法对装备故障诊断领域的本体库以及装备故障诊断领域的知识数据集中的条目进行概念的匹配，包括义原相似度的计算实现了装备知识上下位的匹配关系，以及义项相似度的计算实现了装备知识集合的匹配关系。
在一个实施方案中，在(d)中将循环迭代的循环数进行计数，将每轮循环中加入的知识数据集条目给予一个标号，在(e)中形成装备故障诊断领域知识本体知识库的选中条目具有不同的权重，标号在先的选中条目的权重大于标号在后的选中条目。
在一个实施方案中，在(d)中，对于所述加入的知识数据集条目，增加变异算子。所述变异算子选自：增加、编辑、删除模型中节点的属性信息；增加、编辑、删除模型中节点的关系信息；增加、编辑、删除模型中变量的信息。
在一个实施方案中，在(e)中，如果所述加入的故障知识数据集条目足以构建装备故障诊断领域知识本体知识库，形成装备故障诊断领域知识本体知识库；否则，进入(a)，重新设定装备故障诊断领域的范围和目标。
在一个实施方案中，所述装备故障诊断是无人机故障诊断。所述故障包括，但不限于：SEU故障、数据传输故障和计算单元故障。
本发明的构建装备故障诊断领域知识本体知识库的方法优点体现在：
1)将基于OWL语言的本体构建模型到装备故障诊断领域，用于构建完整的装备故障诊断领域知识本体的知识库；
2)装备故障诊断领域知识本体模型构建与装备故障诊断领域文本的处理并行进行，随后利用GSS匹配算法进行匹配处理的方法，有效提高了装备故障诊断领域知识提取的高效性和准确性；
3)利用本发明可分别实现装备制造领域的“领域知识”、“推理知识”以及“任务知识”的提取，分别对应装备领域的“事实”、“关系”以及“应用”，为后续实现装备故障态势感知框架决策树中每个节点的态势计算和演算过程的推算提供理论支撑。
附图说明
通过以下附图对本发明进行说明
图1显示了本发明的基于本体构建装备故障诊断领域知识本体知识库的方法的示意图。
图2显示了本发明的基于本体构建装备故障诊断领域知识本体知识库的方法的一个具体实施方案的流程图。
图3显示了基于本体构建装备故障诊断领域知识本体知识库的系统的示意图。
图4显示了一个利用本发明的方法构建的无人机本体模型实例。
具体实施方式
本发明开发了一种基于本体的装备故障诊断领域知识提取的方法，包括装备故障诊断领域的目标分析；装备故障诊断领域的知识获取；基于OWL语言装备故障诊断领域的本体构建；利用GSS匹配算法对装备故障诊断领域的概念匹配；以及装备故障诊断领域知识本体知识库的构建。图1给出了本发明的基于本体构建装备故障诊断领域知识本体知识库的方法的示意图。最终获取的装备故障诊断领域知识本体知识库包括智能装备领域的“领域知识”、“推理知识”以及“任务知识”，为后续构建装备态势感知框架打下坚实的基础。基于本体的知识库构建通过准确的对本体知识进行分类并抽象出各类知识之间的相互关系，以最简单的机器可识别的形式化元知识和知识之间的相互关系来构建一个完整的装备本体知识库。
在本发明中，对于领域知识、推理/方法知识和任务知识进行如下说明。
领域知识：领域知识详细描述特定领域知识和在一个应用中所讨论的信息类型。例如，一个涉及设备故障诊断的领域知识将包含相关故障信息、故障表现和不同故障之间的关系等信息。领域知识在某种程度上相当于软件工程中的"数据模型"或"对象模型"。
推理/方法知识：推理知识也可以称之为方法知识，描述了使用领域知识的基本推理步骤，可以将这些推理步骤看作是推理机或推理引擎的基本构件。推理知识定义了这些基本构件的模型。
任务知识：任务知识描述了一个应用所要达到的目标，以及如何通过任务分解成子任务和推理来实现这个目标。
在本发明中，通过循环迭代，不断把装备故障诊断文档数据资料中的相关数据加入知识本体模型中，对知识本体模型不断修正。装备故障诊断文档数据资料的量非常大，而且有用信息掩盖在大量背景中，通过这样的筛选过程起到有用信息挖掘的目的。
在本发明中，本发明的本体模型具有鲁棒性，在不断学习中完善，并随着知识数据集条目的增加，不断完善。因此，由所述装备故障诊断领域相关的术语和概念构建初始本体模型并不要求十分完善，因为随着后期装备故障诊断领域相关的知识数据源的不断加入，它有个不断优化的过程。
在本发明中，标号在先是指循环数小的标号。根据标号规则，随着循环进行，标号可以从大到小，比如10000、9999、9998、……，也可以从小到大，比如1、2、3、……，优选从小到大，更优选所述标号是循环数。
由于初期选择的装备领域装备故障诊断各实体(相关术语，概念)和其关联实体之间存在的本质，往往是最基础的，最本质的，因此在最初构建的本体模型往往是装备故障诊断领域知识的基本本体模型。在基本本体模型筛选出来的故障知识数据集的选中条目往往是更为基本的故障，其对于装备故障诊断领域知识本体知识库的重要程度往往比后加入的选中条目更为重要。
在本发明中，对于“装备故障诊断领域的范围和目标”，故障诊断领域是指所涉及的主题领域，例如无人机、飞行器，激光雕刻机等。确定对所涉及的主题建立的本体模型中包含的节点范围，并且确定所建立的本体知识库要实现的目标，即所述本体知识库将发挥怎样的作用。
在本发明中，“装备故障诊断领域相关的术语和概念”是指专门记录装备故障相关的专业术语、名词解释，包含术语概念解释、可能的分类、引用环境和未来前景等条目。来自但不限于教科书或相关技术规范的概念，发表论文。
在本发明中，“装备故障诊断领域知识的本体模型”是指装备领域装备故障诊断各实体(相关术语，概念)和其关联实体之间存在的本质，装备故障诊断领域知识的本体模型描述了实体以及实体之间的关联关系。
在本发明中，“装备故障诊断领域相关的知识数据源”是指数据源由装备故障诊断领域相关的专业术语、名词解释，描述领域知识的公式和法则以及与领域知识相关的记录和文档组成，其中包括故障数据。还包括从装备故障诊断领域人员的描述抓取的知识数据源，例如通过询问装备故障诊断领域人员，获得相关知识，包括故障知识。从装备故障诊断领域相关的知识数据源，可以提取获得知识数据集中的条目，其中包括故障知识数据集条目。
在本发明中，“对所述本体模型和所述知识数据集中的条目进行概念匹配”是指将本体库中的知识和装备故障诊断领域相关的知识数据集的条目进行对比，所述知识数据集的条目涉及的本体类及属性在所述本体模型中，即在所述本体模型中存在。所述概念匹配例如利用GSS匹配算法进行。
在本发明中，“知识数据集条目的描述完整性”是指查看领域知识本体模型是否完整描述该知识数据集条目，所述知识数据集的条目涉及的节点之间的关系在所述本体模型中，即描述完整。
在现实应用中，装备故障诊断文档数据资料往往不足，装备故障诊断领域设计人员对于许多问题往往想不到，所述记录的描述完整的数据足以构建装备故障诊断领域知识本体知识库。因此，有必要对装备故障诊断领域知识本体知识库进行扩展和变异。
在本发明中，可以通过引入不同的变异算子实现本体模型的突变。所谓变异，就是指通过改变模型的结构、状态从而使模型突变为另一模型的过程。变异算子，就是指可以造成变异的基本变换单元。变异算子主要通过对模型元素的插入、删除、修改、替代等方式完成的。下面介绍三种不同的：(1)属性变异：通过增加，编辑，删除模型中节点的属性信息实现已有模型的变异；(2)关系变异：通过增加，编辑，删除模型中节点的关系信息实现已有模型的变异；(3)变量变异：通过增加，编辑，删除模型中变量的信息实现已有模型的变异。例如，一个记录的描述完整的匹配数据为，两个节点之间的电压升高表示故障，那么所述变异算子可以是，每个节点与其相连的其他节点电压升高，这两个节点之间电压降低。
本发明的基于本体的装备领域知识提取方法可以通过系统实现，图3给出了基于本体构建装备故障诊断领域知识本体知识库的系统的示意图。因此，本发明还提供了一种用于基于本体构建装备故障诊断领域知识本体知识库的系统，所述系统包括：
(A)输入模块，用于接收外界输入或传输的装备故障诊断领域的范围和目标，并启动后面的(B)本体模型构建模块和(C)知识数据集获取模块；
(B)本体模型构建模块，用于构建所述装备故障诊断领域知识的初步本体模型；
(C)知识数据集获取模块，用于获取所述装备故障诊断领域的知识数据集；
(D)概念匹配模块，用于对(B)本体模型构建模块构建的所述本体模型和C)知识数据集获取模块获取的所述知识数据集中的条目进行概念匹配，循环迭代将故障知识数据集条目加入装备故障诊断领域知识本体知识库中；
(E)装备故障诊断领域知识本体知识库形成模块，用于(D)概念匹配模块中产生的所述故障知识数据集条目形成装备故障诊断领域知识本体知识库。
在一个实施方案中，(A)输入模块包括但不限于键盘输入、语音输入、有线网络、无线输入。
在一个实施方案中，所述系统中可以预存装备故障诊断领域相关的术语和概念，包括各个装备制造领域，例如无人机、模具铸造。这个时候(B)中本体模型构建模块根据(A)输入模块获得的信息，包括关键词，构建相关领域的本体模型。(B)本体模型构建模块包括用于识别本体的类、类的属性、类与类之间的关系的知识挖掘算法。
为了实现其功能，(B)本体模型构建模块还包括：
对装备故障诊断领域相关的术语和概念进行分组、构建领域知识本体的框架的子模块，该子模块对于提取的装备故障诊断领域相关的术语和概念，将其中无组织结构的术语词汇表按照逻辑规则进行分组，形成符合装备领域的知识架构体系，最终得到装备领域本体的框架结构；
定义领域相关知识的类、属性以及关系的子模块，该子模块对装备故障诊断领域相关的术语集中的类、类的属性、类与类之间的关系以及类的实例进行定义，对搭建完成的装备领域本体框架按照逻辑规则进行定义，使之符合该领域的逻辑和理论；
对所述领域知识本体做形式化处理的子模块，该子模块将所述领域知识本体自动转化为OWL语言格式，最终完成本体的形式化描述；
对所述领域知识本体进行描述性和验证性评价的子模块，该子模块分别利用描述性评论和验证性评论方法对以上创建的形式化领域知识本体进行评论，判断其是否完整，若完整则可用于构建领域知识本体模型，若不完整则需重新进行装备领域相关术语和概念的提取。
在一个实施方案中，所述系统中可以预存装备故障诊断领域相关的知识文本，知识文本可以来自图书、文献，也可以通过网络爬虫从互联网获得，或者通过语音识别设备从装备故障诊断领域设计人员获得。因此，(C)知识数据集获取模块中包括网络爬虫子模块和语音识别模块。
为了实现其功能，(C)知识数据集获取模块中还包括：
数据源提取子模块，用于从所述文本提取装备故障诊断领域知识数据源；
装备故障诊断领域相关知识筛选子模块，用于从所述数据源形成装备故障诊断领域相关知识；例如用于创建的数据源中获取到装备故障诊断领域中知识之间的等同关系、属分关系和相关关系等不同类型的关系。
知识数据集形成子模块，用于由所述知识形成所述装备故障诊断领域的知识数据集，例如用于对装备故障诊断领域中模型、指标、公式、规则以及各种知识描述的提取，最终获取装备领域知识的相关概念。
在一个实施方案中，(D)概念匹配模块对所述本体模型和所述知识数据集中的条目进行概念匹配并判断其在所述本体模型中的描述完整性，对于所述本体模型中不存在的知识数据集条目以及所述本体模型中存在但在所述本体模型中未完整描述的知识数据集条目，如果所述知识数据集条目与故障无关，将其加入所述本体模型中；对于所述本体模型中存在、且在所述本体模型中完整描述的知识数据集条目，如果所述知识数据集条目与故障相关，将其加入装备故障诊断领域知识本体知识库中。
在一个实施方案中，本发明的系统还包括处理器和存储器。
实施例1
参考图2，本发明的方法一个具体实例的详细内容介绍如下：
1.装备故障诊断领域知识本体的构建方法：
在实现装备故障诊断领域知识本体的构建中，采用基于OWL语言的本体构建技术，来实现构建装备故障诊断领域内显性以及隐性术语和概念的语义关系规范。装备故障诊断领域知识本体构建的详细步骤描述如下：
步骤1装备故障诊断领域中重要的知识有关术语和概念的提取
在进行装备故障诊断领域中关于故障信息、故障表现以及不同故障之间关系的知识有关术语和概念提取的过程中，需要参考装备领域内的相关标准，保证所提取到的术语和概念的准确性，可受到该领域专家系统的广泛认可。在术语提取过程中对术语的冗余性、二义性做了处理保证了术语的唯一性和正确性。是的术语为专业概念的交流提供一种规范。专家系统内部含有大量的装备领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。。
步骤2对装备故障诊断领域的知识概念进行分组，构建领域知识本体的框架
对步骤1中得到的大量毫无组织结构的术语词汇表按照一定的逻辑规则进行分组，形成符合装备领域的知识架构体系，最终得到装备领域本体的框架结构。
步骤3定义装备故障诊断领域相关知识的类、属性以及关系等
首先对前两个步骤产生的术语集中的类、类的属性、类与类之间的关系以及类的实例进行定义，再对步骤2中搭建完成的装备领域本体框架按照一定的逻辑规则进行定义，使之符合该领域的逻辑和理论。
步骤4利用OWL对领域知识本体做形式化处理：
利用Protégé本体编辑器中图形化的表示方法实现本体的构建，并利用其强大的转化功能，将领域知识本体自动转化为OWL语言格式，最终完成领域知识本体的形式化描述。
步骤5对领域知识本体进行描述性和验证性评价
分别利用描述性评论和验证性评论方法对以上创建的形式化领域知识本体进行评论，判断其是否满足要求，若满足要求则可用于构建领域知识本体的模型，若不满足要求需重新进行装备领域相关术语和概念的提取，该步骤保证了本体模型的真实性。
以上五个步骤即实现了基于OWL语言的装备领域本体的构建。
2.装备故障诊断领域文本的处理方法
步骤1装备故障诊断领域知识数据源
从显性和隐性两种不同形式实现对装备领域知识的获取，显性知识包括国家标准、企业生产运行标准等装备相关领域专业人员整体的文档资料，以及生产运行过程中，大量数据所蕴含和产生的、未被识别和描述的规律等隐性知识，获取装备领域的理论知识数据，与此同时，通过从与装备领域设计人员的交谈抓取更多实际通用的装备知识数据，为后面装备领域知识的获取提供了数据保障。
步骤2装备故障诊断领域相关知识的获取
在步骤1创建的数据源中获取到装备故障诊断领域中知识之间的等同关系、属分关系和相关关系等不同类型的关系。
步骤3装备故障诊断领域知识相关概念的提取
在步骤2的基础上实现对装备故障诊断领域中模型、指标、公式、规则以及各种知识描述的提取，最终获取装备领域知识的相关概念。
以上三个步骤即实现了装备领域文本的处理方法。
本发明在构建装备故障诊断领域知识本体模型的同时也对装备故障诊断领域的文本库进行概念提取，以上两步骤同步进行，可以有效提高了装备故障诊断领域知识提取以及装备故障诊断领域知识库构建的高效性和准确性
3.装备故障诊断领域知识的匹配方法
本发明采用GSS匹配算法对装备故障诊断领域的本体库以及装备故障诊断领域的文本库中的知识数据集条目进行概念的匹配，包括义原相似度的计算实现了装备知识上下位的匹配关系，以及义项相似度的计算实现了装备知识集合的匹配关系。
对以上方法步骤进行循环迭代，对装备知识进行数据添加，随后专家系统会对上述生成的装备数据知识进行评价，对于符合要求的数据进行装备领域本体知识库的构建，对于不符合要求的数据进行踢出，重新进行数据的创建过程。
利用以上步骤分别实现装备领域的“领域知识”、“推理知识”以及“任务知识”的提取，这三种知识库分别对应于装备领域知识表示体系的“事实”、“关系”以及“应用”。领域知识模型属于"事实/概念"层次，推理/方法知识模型属于"规则"层次，任务知识模型对相应的应用任务进行了描述。所有的知识模型需要基于知识本体加以构建，即满足知识本体的定义模式，将上述三个知识模型的组成部分结合知识本体的原话，利用BNF(Backus-NaurForm)范式对知识模型进行统一的描述和表示，其知识框架的构建示例性表示如下：
(1)知识模型表示
<Knowledge Model>::＝<DomainKnowledge>
<ReasonKnowledge><TaskKnowledge>
(2)领域知识模型表示
<DomaimKnowledge>::＝<DomainPattern><UseBase>
<DomainPattern>::＝<PatternLabel>{<Concept>|<Relation>|<RuleType>}
<PatternLabel>::＝<PatternName><[<Description>]
<Concept>::＝[<Description>]<ConceptName>[{<attribute-list>}
<SupterConcept>|{<SubType>}|<Aggr-egate>|{<Part>}]
<Relation>::＝{<BinaryRelation>[<OtherRelation>]}
<BinaryRelation>::＝[<Description>]<RelationName><ParentRel>
“relation name”<ChildName>“relation name”<Inverse>
“relationname”[{<attribute list>}]
<OtherRelation>::＝<BinaryRelation>{<ChildRelm>“relation name”}
<RuleType>::＝<RuleName><RuleDefine>
<RuleDefine>::＝<Antecedent><Concequent><Symbol>“Symbol isone of theoperators”
<UseBase>::＝<{<Use><Expressions>}
<Use>::＝[<Description>]<Rule><From>
<Expressions>::＝[<Description>]<ExprAnte><ExprCons><Ex-prSymbol>
(3)推理/方法知识模型表示
<ReasonKnowledge>::＝<Inference><TransFunc>
<Inference>::＝<Name><InferRoles><Specification>
<InferRoles>::＝<Input><Output><Static>
<TransFunc>::＝[<Description>]<Name><FuncType><FRoles>“refertoInferRoles”
<FRoles>::＝<FInput>“refer to Input”<FOutput>“refer to Output”
(4)任务知识模型表示
<TaskKnowledge>::＝<Task><Method>
<Task>::＝<Name><Goal><TaskRoles>“refer to InferRoles”[<Speci-fication>]
<TaskRoles>::＝{<TaskInput><TaskOutput>}
<Method>::＝<Name><Realizes>{<MethodRoles>“refer to Infer-Roles”<Decompositon>“decompose to InferRoles and TransFun”}<Con-trolDesc>
实施例2
以下通过一个无人机的具体实施例说明本发明的应用。图4显示了一个利用本发明的方法构建的无人机本体模型实例。构建过程如下：
1.无人机故障诊断领域知识本体的构建方法：
步骤1无人机故障诊断领域中重要的知识有关术语和概念的提取
在进行无人机故障诊断领域中关于故障信息、故障表现以及不同故障之间关系的知识有关术语和概念提取的过程中，需要参考无人机领域内的相关标准，保证所提取到的术语和概念的准确性。在术语提取过程中对术语的冗余性、二义性做了处理保证了术语的唯一性和正确性。是的术语为专业概念的交流提供一种规范。
步骤2对无人机故障诊断领域的知识概念进行分组，构建领域知识本体的框架
对步骤1中得到的大量毫无组织结构的术语词汇表按照一定的逻辑规则进行分组，形成符合无人机领域的知识架构体系，最终得到无人机领域本体的框架结构。
步骤3定义无人机故障诊断领域相关知识的类、属性以及关系等
首先对前两个步骤产生的术语集中的类、类的属性、类与类之间的关系以及类的实例进行定义，再对步骤2中搭建完成的无人机领域本体框架按照一定的逻辑规则进行定义，使之符合该领域的逻辑和理论。表1给出了无人机领域的类、类的属性、类与类之间的关系的部分实例，表示为图4。实际上无人机具有复杂的结构，此处选取的类、类的属性、类与类之间的关系只是示例性说明。
表1
| 飞行器 | 舵机 | 发动机 | 导航系统 | 环境传感器 | 综控机 | 引导头 | 目标 | …… | |
| 飞行器 | - | - | - | - | - | - | - | - | - |
| 舵机 | 调节 | - | - | - | - | - | - | - | - |
| 发动机 | 调节 | 无 | - | - | - | - | - | - | - |
| 导航系统 | 调节 | 无 | 无 | - | - | - | - | - | - |
| 环境传感器 | 调节 | 无 | 无 | 无 | - | - | - | - | - |
| 综控机 | 无 | 调节 | 调节 | 无 | 无 | - | - | - | - |
| 引导头 | 无 | 无 | 无 | 无 | 无 | 无 | - | - | - |
| 目标 | 无 | 无 | 无 | 无 | 无 | 调控 | 调控 | - | - |
| …… | …… | …… | …… | …… | …… | …… | …… | …… | - |
步骤4利用OWL对领域知识本体做形式化处理：
利用Protégé本体编辑器中图形化的表示方法实现本体的构建，并利用其强大的转化功能，将领域知识本体自动转化为OWL语言格式，最终完成领域知识本体的形式化描述。
步骤5对领域知识本体进行描述性和验证性评价
分别利用描述性评论和验证性评论方法对以上创建的形式化领域知识本体进行评论，判断其是否满足要求，若满足要求则可用于构建领域知识本体的模型，若不满足要求需重新进行无人机领域相关术语和概念的提取，该步骤保证了本体模型的真实性。
以上五个步骤即实现了基于OWL语言的无人机领域本体的构建。例如，在图4中，方框表示各个类，例如飞行器、发动机、控制机，各个类具有其属性，例如其参数和功能，类之间具有关系，以箭头表示。
2.无人机故障诊断领域文本的处理方法
步骤1无人机故障诊断领域知识数据源
从显性和隐性两种不同形式实现对无人机领域知识的获取，显性知识包括国家标准、企业生产运行标准等无人机相关领域专业人员整体的文档资料，以及生产运行过程中，大量数据所蕴含和产生的、未被识别和描述的规律等隐性知识，获取无人机领域的理论知识数据，与此同时，通过与无人机领域设计人员的交谈获取更多实际通用的无人机知识数据，为后面无人机领域知识的获取提供了数据保障。
步骤2无人机故障诊断领域相关知识的获取
在步骤1创建的数据源中获取到无人机故障诊断领域中知识之间的等同关系、属分关系和相关关系等不同类型的关系。
步骤3无人机故障诊断领域知识相关概念的提取
在步骤2的基础上实现对无人机故障诊断领域中模型、指标、公式、规则以及各种知识描述的提取，最终获取无人机领域知识的相关概念。
以上三个步骤即实现了无人机领域文本的处理方法。
本发明在构建无人机故障诊断领域知识本体模型的同时也对无人机故障诊断领域的文本库进行概念提取，以上两步骤同步进行，可以有效提高了无人机故障诊断领域知识提取以及无人机故障诊断领域知识库构建的高效性和准确性。
3.无人机故障诊断领域知识的匹配方法
本发明采用GSS匹配算法对无人机故障诊断领域的本体库以及无人机故障诊断领域的文本库进行概念的匹配，包括义原相似度的计算实现了无人机知识上下位的匹配关系，以及义项相似度的计算实现了无人机知识集合的匹配关系。
对以上方法步骤进行循环迭代，对无人机知识进行数据添加，随后专家系统会对上述生成的无人机数据知识进行评价，对于符合要求的数据进行无人机领域本体知识库的构建，对于不符合要求的数据进行踢出，重新进行数据的创建过程。
本发明提出的基于本体的装备领域知识提取方法构建的无人机本体模型支持扩展和变异，通过引入不同的变异算子实现本体模型的突变。所谓变异，就是指通过改变模型的结构、状态从而使模型突变为另一模型的过程。算子，就是指可以造成变异的基本变换单元。算子主要通过对模型元素的插入、删除、修改、替代等方式完成的。下面介绍三种不同的变异算子：(1)属性变异：通过增加，编辑，删除模型中节点的属性信息实现已有模型的变异；(2)关系变异：通过增加，编辑，删除模型中节点的关系信息实现已有模型的变异；(3)变量变异：通过增加，编辑，删除模型中变量的信息实现已有模型的变异。
故障分析说明：系统在运行过程中，会受到众多外部刺激，从而产生故障，主要涉及以下几种故障的分析。
(1)SEU故障：SEU(单粒子翻转)表示单粒子翻转引发的故障，是飞行器工作在高辐射环境下的系统由于受到高能粒子的影响，从而产生瞬时或间歇性故障，会引起存储单元的单位翻转。在飞行器系统中，SEU会产生很严重的影响。在模型中，有可能受到SEU影响的是所有变量，故障发生是随机的，通常SEU故障是瞬发的，持续作用于模型不恢复，对变量单元的影响是翻转变量的某一位。通过以上分析，我们得到SEU故障的定义：
SEUFAULT＝(ALLVARIABLE,clock＝random(),
其中，关键词ALLVARIABLE表示故障作用于所有变量，clock＝random()表示故障在随机时间触发，第三元为一个CHANGE_VARIABLE变异算子，对所有变量的最后一位进行翻转，第四元表示此故障为永久故障，不会恢复原状。
(2)数据传输故障：在飞行器内部，数据的传递是需要介质的，如光纤、红外线等，这些介质会受到某些因素影响而发生传输延时，这会引发系统故障。此处的故障是作用于综控机读取高度数据的数据链路，从时钟读数为5后，每100单位作用10单位，故障使数据链路的传输时间增长2倍。相应的故障模型为：
TRANSFERFAULT＝(r,clock％100＝＝5,CHANGE_READ(r,),10))
(3)计算单元故障：计算单元在处理一些非法数据时候，会产生宕机现象。本文所要建模的计算单元故障是当舵机电压大于1000伏特时，舵机会宕机(即计算任务无法完成)，为永久性故障。故障模型为：
CALUNITFAULT＝(舵机,舵控电压>1000,DELETE_TRANSITION(舵机),∞))。
采用本发明构建了装备领域的故障诊断知识库系统模型，提高了装备故障知识的采集能力、管理能力、态势感知推理预测能力、重大灾害的决策能力和防御能力，主要效果包含以下几点：
(1)通过引入本体知识领域模型对系统进行设计可以在知识和信息的收集、处理、标识存储等过程中解决语义异构的问题，通过建立领域知识本体来丰富相关领域的概念，揭示这些概念之间的关系。这样可以使工作人员对相关概念有更加深刻、正确的理解，彻底改变以往系统中存在的模糊语义；
(2)基于本体的装备领域知识库可以以最快的速度将知识传递给最需要的人，同时还可以提高检索的查准率和查全率；
(3)基于本体的装备领域知识库的建立可以建立基于知识的感知规则库，为态势感知和灾害预测提供知识支撑，提高决策的准确性，降低风险。
Claims (10)
1.一种基于本体构建装备故障诊断领域知识本体知识库的方法，包括：
(a)确定装备故障诊断领域的范围和目标；
(b)构建所述装备故障诊断领域知识的初步本体模型；
(c)获取所述装备故障诊断领域的知识数据集；
(d)对所述本体模型和所述知识数据集中的条目进行概念匹配，循环迭代将故障知识数据集条目加入装备故障诊断领域知识本体知识库中；
(e)所述故障知识数据集条目形成装备故障诊断领域知识本体知识库。
2.根据权利要求1的方法，在(b)中构建装备故障诊断领域知识的本体模型包括：
(b1)提取所述装备故障诊断领域相关的术语和概念，
(b2)对装备故障诊断领域相关的术语和概念进行分组，构建领域知识本体的框架；
(b3)定义领域相关知识的类、属性以及关系；
(b4)利用OWL对所述领域知识本体做形式化处理；
(b5)对所述领域知识本体进行描述性和验证性评价，形成领域知识本体模型。
3.根据权利要求2的方法，在(b2)中，对装备故障诊断领域相关的术语和概念进行分组，构建领域知识本体的框架，包括：对于提取的装备故障诊断领域相关的术语和概念，将其中无组织结构的术语词汇表按照逻辑规则进行分组，形成符合装备领域的知识架构体系，最终得到装备领域本体的框架结构；
在(b3)中，定义领域相关知识的类、属性以及关系，包括：首先对装备故障诊断领域相关的术语集中的类、类的属性、类与类之间的关系以及类的实例进行定义，再对(b2)中搭建完成的装备领域本体框架按照逻辑规则进行定义，使之符合该领域的逻辑和理论；
在(b4)中，利用OWL对所述领域知识本体做形式化处理，包括：将所述领域知识本体自动转化为OWL语言格式，最终完成本体的形式化描述；
在(b5)中，对所述领域知识本体进行描述性和验证性评价，包括：分别利用描述性评论和验证性评论方法对以上创建的形式化领域知识本体进行评论，判断其是否完整，若完整则可用于构建领域知识本体模型，若不完整则需重新进行装备领域相关术语和概念的提取。
4.根据权利要求1的方法，在(c)中，获取所述装备故障诊断领域的知识数据集包括：
(c1)获取装备故障诊断领域知识相关文本；
(c2)从所述文本提取装备故障诊断领域知识数据源；
(c3)从所述数据源形成装备故障诊断领域相关知识；
(c4)由所述知识形成所述装备故障诊断领域的知识数据集。
5.根据权利要求1的方法，在(d)中，对所述本体模型和所述知识数据集中的条目进行概念匹配并判断其在所述本体模型中的描述完整性，对于所述本体模型中不存在的知识数据集条目以及所述本体模型中存在但在所述本体模型中未完整描述的知识数据集条目，如果所述知识数据集条目与故障无关，将其加入所述本体模型中；对于所述本体模型中存在、且在所述本体模型中完整描述的知识数据集条目，如果所述知识数据集条目与故障相关，将其加入装备故障诊断领域知识本体知识库中；
进入(b)进行循环迭代，直至无新的条目加入装备故障诊断领域知识本体知识库中，并且无新的条目加入所述本体模型中。
6.一种基于本体构建装备故障诊断领域知识本体知识库的系统，所述系统包括：
(A)输入模块，用于接收外界输入或传输的装备故障诊断领域的范围和目标；
(B)本体模型构建模块，用于构建所述装备故障诊断领域知识的初步本体模型；
(C)知识数据集获取模块，用于获取所述装备故障诊断领域的知识数据集；
(D)概念匹配模块，用于对所述本体模型和所述知识数据集中的条目进行概念匹配，循环迭代将故障知识数据集条目加入装备故障诊断领域知识本体知识库中；
(E)装备故障诊断领域知识本体知识库形成模块，用于所述故障知识数据集条目形成装备故障诊断领域知识本体知识库。
7.根据权利要求6的系统，(A)输入模块包括但不限于键盘输入、语音输入、有线网络、无线输入。
8.根据权利要求6的系统，(B)本体模型构建模块包括用于识别本体的类、类的属性、类与类之间的关系的知识挖掘算法；
对装备故障诊断领域相关的术语和概念进行分组、构建领域知识本体的框架的子模块，该子模块对于提取的装备故障诊断领域相关的术语和概念，将其中无组织结构的术语词汇表按照逻辑规则进行分组，形成符合装备领域的知识架构体系，最终得到装备领域本体的框架结构；
定义领域相关知识的类、属性以及关系的子模块，该子模块对装备故障诊断领域相关的术语集中的类、类的属性、类与类之间的关系以及类的实例进行定义，对搭建完成的装备领域本体框架按照逻辑规则进行定义，使之符合该领域的逻辑和理论；
对所述领域知识本体做形式化处理的子模块，该子模块将所述领域知识本体自动转化为OWL语言格式，最终完成本体的形式化描述；
对所述领域知识本体进行描述性和验证性评价的子模块，该子模块分别利用描述性评论和验证性评论方法对以上创建的形式化领域知识本体进行评论，判断其是否完整，若完整则可用于构建领域知识本体模型，若不完整则需重新进行装备领域相关术语和概念的提取。
9.根据权利要求6的系统，(C)知识数据集获取模块中包括：
网络爬虫子模块和语音识别模块；
数据源提取子模块，用于从所述文本提取装备故障诊断领域知识数据源；
装备故障诊断领域相关知识筛选子模块，用于从所述数据源形成装备故障诊断领域相关知识；
知识数据集形成子模块，用于由所述知识形成所述装备故障诊断领域的知识数据集。
10.根据权利要求6的系统，D)概念匹配模块对所述本体模型和所述知识数据集中的条目进行概念匹配并判断其在所述本体模型中的描述完整性，对于所述本体模型中不存在的知识数据集条目以及所述本体模型中存在但在所述本体模型中未完整描述的知识数据集条目，如果所述知识数据集条目与故障无关，将其加入所述本体模型中；对于所述本体模型中存在、且在所述本体模型中完整描述的知识数据集条目，如果所述知识数据集条目与故障相关，将其加入装备故障诊断领域知识本体知识库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810957733.2A CN109189866A (zh) | 2018-08-22 | 2018-08-22 | 一种构建装备故障诊断领域知识本体知识库的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810957733.2A CN109189866A (zh) | 2018-08-22 | 2018-08-22 | 一种构建装备故障诊断领域知识本体知识库的方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109189866A true CN109189866A (zh) | 2019-01-11 |
Family
ID=64918899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810957733.2A Pending CN109189866A (zh) | 2018-08-22 | 2018-08-22 | 一种构建装备故障诊断领域知识本体知识库的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109189866A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109885586A (zh) * | 2019-01-24 | 2019-06-14 | 武汉大学 | 支持遥感影像和数据产品检索的本体模型构建方法及装置 |
| CN110010211A (zh) * | 2019-04-12 | 2019-07-12 | 北京大学 | 一种动态量表配置系统和方法 |
| CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
| CN111026046A (zh) * | 2019-11-06 | 2020-04-17 | 重庆邮电大学 | 一种基于语义的生产线设备故障诊断系统及方法 |
| CN111158330A (zh) * | 2020-01-16 | 2020-05-15 | 河南中烟工业有限责任公司 | 一种基于本体的烟机故障诊断方法及系统 |
| CN111177832A (zh) * | 2019-12-27 | 2020-05-19 | 江苏数链建筑科学研究院有限公司 | 一种基于bim的机电管线综合规范自动化检查系统 |
| CN111814980A (zh) * | 2020-06-02 | 2020-10-23 | 江苏方天电力技术有限公司 | 一种基于本体的输电线路杆塔知识库系统及其构建方法 |
| CN111859093A (zh) * | 2020-07-30 | 2020-10-30 | 中国联合网络通信集团有限公司 | 敏感词处理方法、装置及可读存储介质 |
| CN112307153A (zh) * | 2020-09-30 | 2021-02-02 | 杭州量知数据科技有限公司 | 一种产业知识库自动构建方法、装置及存储介质 |
| CN112671557A (zh) * | 2020-12-07 | 2021-04-16 | 杭州东方通信软件技术有限公司 | 一种基于态势感知故障监控方法及系统 |
| CN113535449A (zh) * | 2021-07-08 | 2021-10-22 | 平安科技（深圳）有限公司 | 异常事件修复处理方法、装置、计算机设备及存储介质 |
| CN115640380A (zh) * | 2022-12-14 | 2023-01-24 | 北京航空航天大学 | 面向故障诊断算法推荐的可诊断性层级要素信息提取方法 |
| CN117313847A (zh) * | 2023-09-20 | 2023-12-29 | 中航通飞华南飞机工业有限公司 | 一种面向水陆两栖飞机机型培训的知识模型构建方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120011073A1 (en) * | 2010-07-08 | 2012-01-12 | Gm Global Technology Operations, Inc. | Knowledge Extraction Methodology for Unstructured Data Using Ontology-Based Text Mining |
| 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 |
| CN102930479A (zh) * | 2012-09-13 | 2013-02-13 | 中国电力科学研究院 | 一种用于电力系统规程知识的形式化方法及其形式化系统 |
| CN103995858A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 基于任务分解的个性化知识主动推送方法 |
| CN104123609A (zh) * | 2014-07-05 | 2014-10-29 | 华中科技大学 | 一种基于本体的地铁施工风险知识构建方法 |
-
2018
- 2018-08-22 CN CN201810957733.2A patent/CN109189866A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120011073A1 (en) * | 2010-07-08 | 2012-01-12 | Gm Global Technology Operations, Inc. | Knowledge Extraction Methodology for Unstructured Data Using Ontology-Based Text Mining |
| 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 |
| CN102930479A (zh) * | 2012-09-13 | 2013-02-13 | 中国电力科学研究院 | 一种用于电力系统规程知识的形式化方法及其形式化系统 |
| CN103995858A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 基于任务分解的个性化知识主动推送方法 |
| CN104123609A (zh) * | 2014-07-05 | 2014-10-29 | 华中科技大学 | 一种基于本体的地铁施工风险知识构建方法 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109885586A (zh) * | 2019-01-24 | 2019-06-14 | 武汉大学 | 支持遥感影像和数据产品检索的本体模型构建方法及装置 |
| CN110008288A (zh) * | 2019-02-19 | 2019-07-12 | 武汉烽火技术服务有限公司 | 用于网络故障分析的知识图谱库的构建方法及其应用 |
| CN110010211B (zh) * | 2019-04-12 | 2021-06-08 | 北京大学 | 一种动态量表配置系统和方法 |
| CN110010211A (zh) * | 2019-04-12 | 2019-07-12 | 北京大学 | 一种动态量表配置系统和方法 |
| CN111026046A (zh) * | 2019-11-06 | 2020-04-17 | 重庆邮电大学 | 一种基于语义的生产线设备故障诊断系统及方法 |
| CN111177832A (zh) * | 2019-12-27 | 2020-05-19 | 江苏数链建筑科学研究院有限公司 | 一种基于bim的机电管线综合规范自动化检查系统 |
| CN111158330A (zh) * | 2020-01-16 | 2020-05-15 | 河南中烟工业有限责任公司 | 一种基于本体的烟机故障诊断方法及系统 |
| CN111158330B (zh) * | 2020-01-16 | 2021-04-20 | 河南中烟工业有限责任公司 | 一种基于本体的烟机故障诊断方法及系统 |
| CN111814980A (zh) * | 2020-06-02 | 2020-10-23 | 江苏方天电力技术有限公司 | 一种基于本体的输电线路杆塔知识库系统及其构建方法 |
| CN111814980B (zh) * | 2020-06-02 | 2022-07-26 | 江苏方天电力技术有限公司 | 一种基于本体的输电线路杆塔知识库系统及其构建方法 |
| CN111859093A (zh) * | 2020-07-30 | 2020-10-30 | 中国联合网络通信集团有限公司 | 敏感词处理方法、装置及可读存储介质 |
| CN112307153A (zh) * | 2020-09-30 | 2021-02-02 | 杭州量知数据科技有限公司 | 一种产业知识库自动构建方法、装置及存储介质 |
| CN112307153B (zh) * | 2020-09-30 | 2022-06-10 | 杭州量知数据科技有限公司 | 一种产业知识库自动构建方法、装置及存储介质 |
| CN112671557A (zh) * | 2020-12-07 | 2021-04-16 | 杭州东方通信软件技术有限公司 | 一种基于态势感知故障监控方法及系统 |
| CN113535449A (zh) * | 2021-07-08 | 2021-10-22 | 平安科技（深圳）有限公司 | 异常事件修复处理方法、装置、计算机设备及存储介质 |
| CN113535449B (zh) * | 2021-07-08 | 2024-05-03 | 平安科技（深圳）有限公司 | 异常事件修复处理方法、装置、计算机设备及存储介质 |
| CN115640380A (zh) * | 2022-12-14 | 2023-01-24 | 北京航空航天大学 | 面向故障诊断算法推荐的可诊断性层级要素信息提取方法 |
| CN117313847A (zh) * | 2023-09-20 | 2023-12-29 | 中航通飞华南飞机工业有限公司 | 一种面向水陆两栖飞机机型培训的知识模型构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109189866A (zh) | 一种构建装备故障诊断领域知识本体知识库的方法和系统 | |
| CN111625659B (zh) | 知识图谱处理方法、装置、服务器及存储介质 | |
| Ferrara et al. | Data linking for the semantic web | |
| CN110825881B (zh) | 一种建立电力知识图谱的方法 | |
| CN108874878A (zh) | 一种知识图谱的构建系统及方法 | |
| Ilkou et al. | Symbolic vs sub-symbolic ai methods: Friends or enemies? | |
| Kalfoglou et al. | IF-Map: An ontology-mapping method based on information-flow theory | |
| US20200242146A1 (en) | Artificial intelligence system for generating conjectures and comprehending text, audio, and visual data using natural language understanding | |
| Liu et al. | Event detection and evolution in multi-lingual social streams | |
| d’Amato | Machine learning for the semantic web: Lessons learnt and next research directions | |
| US10628743B1 (en) | Automated ontology system | |
| Bakhshandegan Moghaddam et al. | Literal2feature: An automatic scalable rdf graph feature extractor | |
| Liu et al. | Topic detection and tracking based on event ontology | |
| He et al. | A heuristic grafting strategy for manufacturing knowledge graph extending and completion based on nature language processing: KnowTree | |
| CN116108191A (zh) | 一种基于知识图谱的深度学习模型推荐方法 | |
| CN113434659B (zh) | 一种在协同设计过程中隐性冲突感知方法 | |
| De Martino et al. | Multi-view overlapping clustering for the identification of the subject matter of legal judgments | |
| Santosh et al. | PROO ontology development for learning feature specific sentiment relationship rules on reviews categorisation: a semantic data mining approach | |
| Nikolov et al. | Data linking for the semantic web | |
| d’Amato | Mining the Semantic Web with Machine Learning: Main Issues that Need to Be Known | |
| Chen | Linked Data Fusion Based on Similarity Calculation and K-Nearest Neighbor | |
| Bashardoost et al. | Knowledge translation: Extended technical report | |
| Krótkiewicz et al. | Introduction to semantic knowledge base: Linguistic module | |
| CN113673627B (zh) | 一种具有解释性的商品自动分类方法及系统 | |
| Taleb | Using Ontologies for Extracting Differences in the Dynamic Domain: Application on Cancer Disease. |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |
|
| RJ01 | Rejection of invention patent application after publication |