CN110119814A - 基于对象关系链的知识规则建模和推理方法 - Google Patents

基于对象关系链的知识规则建模和推理方法 Download PDF

Info

Publication number
CN110119814A
CN110119814A CN201910354820.3A CN201910354820A CN110119814A CN 110119814 A CN110119814 A CN 110119814A CN 201910354820 A CN201910354820 A CN 201910354820A CN 110119814 A CN110119814 A CN 110119814A
Authority
CN
China
Prior art keywords
perpetual
attribute
different levels
anaclitic
knowledge rule
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.)
Granted
Application number
CN201910354820.3A
Other languages
English (en)
Other versions
CN110119814B (zh
Inventor
杨威
曾芬芳
孙亚蓬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Open Information Technology Ltd By Share Ltd
Original Assignee
Wuhan Open Information Technology Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Open Information Technology Ltd By Share Ltd filed Critical Wuhan Open Information Technology Ltd By Share Ltd
Priority to CN201910354820.3A priority Critical patent/CN110119814B/zh
Publication of CN110119814A publication Critical patent/CN110119814A/zh
Application granted granted Critical
Publication of CN110119814B publication Critical patent/CN110119814B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition
    • G06N5/025Extracting rules from data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • G06N5/046Forward inferencing; Production systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例提供一种基于对象关系链的知识规则建模和推理方法,建模方法包括:根据知识规则的内容,确定知识规则的关注对象、关注对象所依附的各级依附对象以及依附在关注对象上的各级分析对象,并获取各对象的属性;根据各级依附对象与关注对象的层级关联关系、关注对象与各级分析对象的层级关联关系,利用连接符依次连接各级依附对象、关注对象和各级分析对象,获得对象关系链;根据各级依附对象的属性构建条件表达式组,根据关注对象的属性和各级分析对象的属性构建判断表达式组;基于条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。本发明实施例基于对象关系链,简化了知识表达,提高了知识规则的可读性和表达效率。

Description

基于对象关系链的知识规则建模和推理方法
技术领域
本发明涉及计算机辅助设计及制造技术领域,更具体地,涉及一种基于对象关系链的知识规则建模和推理方法。
背景技术
知识规则的表达是指利用计算机语言将自然语言描述的知识规则表达成为计算机系统可以识别和推理的形式,用于计算机推理。知识规则的表达是实现基于知识推理的智能系统的关键。
为了实现计算机基于知识规则的自动推理,首先需要将知识规则所涉及的领域的事物对象及其特性抽象成为对象和属性,并用计算机程序实现。例如,对于零件设计领域,在进行知识规则表达之前,需要将零件设计领域的事物对象及其其特征抽象成为对象及其属性,例如零件上的几何形状(孔、凹槽、轴段、螺纹、倒圆、倒角等)、尺寸标注(长度尺寸、直径尺寸、半径尺寸、角度尺寸等)、形位公差标注等分别抽象为单个对象,并确定每个对象的属性(例如孔的属性包括直径、深度、孔类型等)。其次,通过知识规则表达技术,针对计算机程序中已经实现了的对象及其属性,将所需要的知识规则表达成为计算机可以识别和推理的形式。最后,利用计算机程序,可以根据实际需要将待分析的数据导入计算机,计算机根据知识规则对待分析的数据进行自动推理,从而获得相应的分析结果或者解决方案。
现有技术对具有一定关联关系的多个对象及其属性的知识规则进行建模时,主要是将知识规则中不依附于其他对象的对象作为主对象,并把剩下所有的对象都作为主对象的一个属性来构建一个属性链。例如在知识规则“孔内螺纹应有倒角,且倒角大小应大于螺纹牙型高”中,孔对象就不依附于其他对象的存在,是主对象。剩下的对象就是孔对象的一个属性。这种建模方法具有以下缺点:1)若要满足对具有一定关联关系的多个对象及其属性进行分析判断的知识规则的表达和推理需要,主对象会具有大量且多层次的属性,这将极大地增加计算机程序对主对象的建模和识别难度;2)在进行知识规则建模时,相关人员需要去查找主对象的详细构造资料,以免在进行知识表达时将不属于主对象属性的内容写进知识规则中,较繁琐,可维护性、可扩展性均较差;3)进行知识规则建模时需要多个条件判断语句,效率较低,容易出错。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于对象关系链的知识规则建模和推理方法。
第一方面,本发明实施例提供一种基于对象关系链的知识规则建模方法,包括:
根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;
根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;
根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;
基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
第二方面,本发明实施例提供一种基于对象关系链的知识规则推理方法,包括:
采用基于对象关系链的知识规则建模方法获得目标知识规则模型;
从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;
基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;
获取所有依附对象实例的属性,判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;
基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;
获取所述关注对象实例的属性和所有分析对象实例的属性,并判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;
当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
第三方面,本发明实施例提供一种基于对象关系链的知识规则建模装置,包括:
对象及属性获取模块,用于根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;
对象关系链构建模块,用于根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;
表达式构建模块,用于根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;
知识表达模块,用于基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
第四方面,本发明实施例提供一种基于对象关系链的知识规则推理系统,包括:
基于对象关系链的知识规则建模装置和基于对象关系链的知识规则推理装置,其中,所述基于对象关系链的知识规则推理装置包括:
关注实例获取模块,用于从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;
依附实例获取模块,用于基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;
第一判断模块,用于判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;
分析实例获取模块,用于基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;
第二判断模块,用于判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;
结果输出模块,用于当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
第五方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面或第二方面所提供的方法的步骤。
第六方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面或第二方面所提供的方法的步骤。
本发明实施例提供的基于对象关系链的知识规则建模和推理方法,根据知识规则的内容将知识规则中的对象分为关注对象、依附对象和分析对象,基于对象之间的层级关联关系构建了对象关系链,基于对象的属性构建条件表示式组和判断表达式组,可以满足对具有一定关联关系的多个对象及其属性进行分析判断的知识规则的表达和推理需要,实现同时对多个对象间的关系判断和各个对象的属性判断,避免了利用独立的对象及其属性表达知识规则,降低了计算机程序实现难度,提高了知识规则的可读性和表达效率,不容易出现错误。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于对象关系链的知识规则建模方法的流程示意图;
图2为本发明实施例提供的基于对象关系链的知识规则推理方法的流程示意图;
图3为本发明实施例提供的基于对象关系链的知识规则建模装置的结构示意图;
图4为本发明实施例提供的基于对象关系链的知识规则推理系统的结构示意图;
图5为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了满足对具有一定关联关系的多个对象及其属性进行分析判断的知识规则的表达和推理需要,实现同时对多个对象间的关系判断和各个对象的属性判断,简化知识规则的表达,提高知识规则的可读性,本发明实施例提出一种基于对象关系链的知识规则表达和推理方法,用于对在一定关联关系约束下的多个对象及其属性的知识规则进行表达和推理。
如图1所述,为本发明实施例提供的基于对象关系链的知识规则建模方法的流程示意图,包括:
步骤100、根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;
具体地,首先,根据目标知识规则的内容,确定所述目标知识规则的关注对象和其他对象;
可以理解的是,关注对象是该目标知识规则的首要关注对象。例如,现有零件三维设计知识为:孔内螺纹应有倒角,且倒角大小应大于螺纹牙型高。对该零件三维设计知识进行分析可知,该知识规则的关注对象是螺纹。
然后,分析所述关注对象与其他对象之间的关联关系,确定所述关注对象所依附的各级依附对象,以及依附在所述关注对象上的各级分析对象;
例如,对上述零件三维设计知识中包含的关联关系作进一步分析可知,该知识规则关注的螺纹不是任意的螺纹,而是特指依附在孔内侧的螺纹,孔即为螺纹的依附对象。该知识规则需要分析的内容是,该螺纹对象应该被一个倒角对象依附,且该倒角的长度属性值应该不小于螺纹对象的牙型高属性值,倒角即为分析对象。
最后,基于所述目标知识规则的内容,分别获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性。
步骤101、根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;
具体地,首先,根据所述各级依附对象与关注对象的层级关联关系,利用连接符从右向左依次连接所述关注对象与各级依附对象,形成初级对象关系链;
然后,在所述初级对象关系链的基础上,根据所述关注对象与各级分析对象的层级关联关系,利用连接符从左向右依次连接所述关注对象与各级分析对象,形成完整的对象关系链。
采用连接符“<-”时,对象关系链可以表示为:
依附对象i<-…<-依附对象2<-依附对象1<-关注对象<-分析对象1<-分析对象2<-…<-分析对象j;
其中,依附对象i<-…<-依附对象2<-依附对象1为初级对象关系链,可以获知,依附对象1直接依附在依附对象2上,依附对象2依附在依附对象3上,...,依附对象i-1依附在依附对象i上,初级对象关系链反应了所述各级依附对象与关注对象的层级关联关系。
在初级对象关系链的基础上,利用连接符从左向右依次连接所述关注对象与各级分析对象,关注对象<-分析对象1<-分析对象2<-…<-分析对象j,可以获知,分析对象1依附在所述关注对象上,分析对象2依附在分析对象1上,分析对象j依附在分析对象j-1上,形成完整的对象关系链。
例如,对于上述零件三维设计知识:孔内螺纹应有倒角,且倒角大小应大于螺纹牙型高,选用连接符““<-”,可以建立对象关系链:
Hole(孔)<-Thread(螺纹)<-Chamfer(倒角)
步骤102、根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;
具体地,分析目标知识规则的判断逻辑,根据各级依附对象的属性构建条件表达式组,根据关注对象的属性和各级分析对象的属性构建判断表达式组。
条件表达式组中可包含一个或多个条件表达式,若包含多个条件表达式,则用括号将各条件表达式括起来,作为一个整体。
判断表达式组中可包含一个或多个判断表达式,若包含多个判断表达式,则用括号将各判断表达式括起来,作为一个整体。
例如,对于上述零件三维设计知识——孔内螺纹应有倒角,且倒角大小应大于螺纹牙型高,可以建立判断表达式:Thread.Hight<=Chanfer.Length。
若将上述知识规则扩展为:孔内公称直径大于20mm的螺纹应有倒角,且倒角大小应大于螺纹牙型高,不大于3倍的螺纹导程,分析上述扩展后的知识规则的内容,可以建立如下条件表达式:Thread.Diameter>20;可以建立如下判断表达式组:(Thread.Hight<=Chanfer.Length)(Thread.Lead*3>=Chanfer.Length)。
步骤103、基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
具体地,按照以下形式组装条件表达式组、对象关系链和判断表达式组,形成目标知识规则模型:
(条件表达式组)对象关系链(判断表达式组)。
例如,对于上述零件三维设计知识——孔内螺纹应有倒角,且倒角大小应大于螺纹牙型高,可以建立目标知识规则模型为:
Hole<-Thread<-Chamfer(Thread.Hight<=Chanfer.Length)。
对于上述扩展后的知识规则可以建模为:
(Thread.Diameter>20)Hole<-Thread<-Chamfer(Thread.Hight<=Chanfer.Length)(Thread.Lead*3>=Chanfer.Length)。
本发明实施例提供的基于对象关系链的知识规则建模方法,根据知识规则的内容将知识规则中的对象分为关注对象、依附对象和分析对象,基于对象之间的层级关联关系构建了对象关系链,基于对象的属性构建条件表示式组和判断表达式组,可以满足对具有一定关联关系的多个对象及其属性进行分析判断的知识规则的表达和推理需要,实现同时对多个对象间的关系判断和各个对象的属性判断,避免了利用独立的对象及其属性表达知识规则,降低了计算机程序实现难度,提高了知识规则的可读性和表达效率,不容易出现错误。
如图2所示,为本发明实施例提供的基于对象关系链的知识规则推理方法的流程示意图,包括:
步骤200、采用如上述实施例所述的基于对象关系链的知识规则建模方法获得目标知识规则模型;
具体地,目标知识规则模型的建模过程在上述实施例中已经阐明,在此不再赘述。
步骤201、从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;
可以理解的是,只有当待分析的数据模型中存在所述目标知识规则模型的关注对象的实例时,才继续执行后续步骤,若所述待分析的数据模型中不存在所述关注对象的实例,或者若所述关注对象的所有实例都已被分析,则结束推理。
步骤202、基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;
具体地,从所述关注对象开始,从右向左依次根据所述目标知识规则模型的对象关系链中的各级依附对象以及所述各级依附对象与关注对象之间的层级关联关系,从待分析的数据模型中查找与所述关注对象实例具有对应层级关联关系的所有依附对象实例,若无法找到所有依附对象实例,则开始获取下一关注对象实例,以进行下一关注对象实例的推理判断,否则,若找到了所有依附对象实例,则继续执行下一步骤。
步骤203、获取所有依附对象实例的属性,判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;
具体地,获取所有依附对象实例的属性,并基于所述目标知识规则模型的条件表达式组,对所有依附对象实例的属性进行分析,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,开始获取下一关注对象实例,以进行下一关注对象实例的推理判断,否则,继续进行分析直至所有依附对象实例的属性均符合条件表达式组中相应的条件表达式后执行下一步骤。
步骤204、基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;
具体地,从所述关注对象开始,从左向右依次根据所述目标知识规则模型的对象关系链中的各级分析对象以及所述各级分析对象与关注对象的层级关联关系,从待分析的数据模型中查找与所述关注对象实例具有对应层级关联关系的所有分析对象实例,若无法找到所有分析对象实例,则记录下当前关注对象实例及其所有依附对象实例作为错误实例,并开始获取下一关注对象实例,以进行下一关注对象实例的推理判断;否则,若找到了所有的分析对象实例,继续执行下一步骤。
步骤205、获取所述关注对象实例的属性和所有分析对象实例的属性,并判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;
具体地,只有当所有关注对象实例的属性和所有分析对象实例的属性满足所有的条件表达式时,推理的输出结果才为真,因此,若获知关注对象实例的属性或某个分析对象实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及当前关注对象实例所对应的全部依附对象实例和分析对象实例作为错误实例,然后开始获取下一关注对象实例,以进行下一关注对象实例的推理判断。
步骤206、当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
例如,对于上述扩展的零件三维设计知识:孔内公称直径大于20mm的螺纹应有倒角,且倒角大小应大于螺纹牙型高,不大于3倍的螺纹导程。采用本发明实施例提供的方法获得的目标知识规则模型为:(Thread.Diameter>20)Hole<-Thread<-Chamfer(Thread.Hight<=Chanfer.Length)(Thread.Lead*3>=Chanfer.Length)。在进行知识规则推理时,首先根据关注对象Tread寻找待分析的零件设计模型中的螺纹实例。当在零件设计模型中找到一处螺纹实例时,首先判断该螺纹实例是否依附在了Thread对象左侧的Hole对象的实例上。若该实例没有依附在一个孔的实例上,则寻找下一处螺纹实例,否则开始判断该孔实例的直径属性值是否大于20mm。若该孔实例的直径属性值小于等于20mm,则寻找下一处螺纹实例,否则判断该螺纹实例是否被Thread对象右侧的Chamfer对象的实例所依附。若该螺纹实例没有被一个倒角实例所依附,则返回该螺纹实例和其依附的孔实例作为错误实例,否则判断该倒角实例的长度属性值是否大于等于该螺纹实例的牙型高属性值。如果该倒角的长度小于该螺纹的牙型高,则返回该螺纹实例和其依附的孔实例和被依附的倒角实例,否则判断该倒角实例的长度属性值是否小于等于三倍的该螺纹实例的导程属性值。如果该倒角的长度大于三倍的螺纹导程,则返回该螺纹实例和其依附的孔实例和被依附的倒角实例,否则寻找下一处螺纹实例。当没有螺纹实例被找到或者所有的螺纹实例都被分析过后,推理停止。此时如果没有任何对象被返回,则该知识规则推理的结果为True,否则为False,且每次返的若干对象都是一组错误实例。基于本发明实施例所提供的知识规则推理方法对零件设计模型进行分析,可以找到零件设计的不合理之处并提示设计者,实现对设计模型质量的自动检测。
本发明实施例提供的基于对象关系链的知识规则推理方法,可以根据实际需要将待分析的数据导入计算机,识别待分析数据中的对象实例,获取实例属性,并根据知识规则模型对相关实例及其属性进行自动推理,从而获得相应的分析结果或者解决方案。
如图3所示,为本发明实施例提供的基于对象关系链的知识规则建模装置的结构示意图,包括:对象及属性获取模块301、对象关系链构建模块302、表达式构建模块303和知识表达模块304,其中,
对象及属性获取模块301,用于根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;
对象关系链构建模块302,用于根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;
表达式构建模块303,用于根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;
知识表达模块304,用于基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
本发明实施例提供的基于对象关系链的知识规则建模装置用于执行上述方法实施例中基于对象关系链的知识规则建模方法。因此,在前述基于对象关系链的知识规则建模方法实施例中的描述和定义,可以用于本发明实施例中基于对象关系链的知识规则建模装置的理解,在此不再赘述。
本发明实施例提供的基于对象关系链的知识规则建模装置,根据知识规则的内容将知识规则中的对象分为关注对象、依附对象和分析对象,基于对象之间的层级关联关系构建了对象关系链,基于对象的属性构建条件表示式组和判断表达式组,可以满足对具有一定关联关系的多个对象及其属性进行分析判断的知识规则的表达和推理需要,实现同时对多个对象间的关系判断和各个对象的属性判断,避免了利用独立的对象及其属性表达知识规则,降低了计算机程序实现难度,提高了知识规则的可读性和表达效率,不容易出现错误。
如图4所示,为本发明实施例提供的基于对象关系链的知识规则推理系统的结构示意图,包括:如上述实施例所述的基于对象关系链的知识规则建模装置41和基于对象关系链的知识规则推理装置40,其中,所述基于对象关系链的知识规则推理装置40具体包括:
关注实例获取模块401,用于从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;
依附实例获取模块402,用于基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;
第一判断模块403,用于判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;
分析实例获取模块404,用于基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;
第二判断模块405,用于判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;
结果输出模块406,用于当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
本发明实施例提供的基于对象关系链的知识规则推理装置用于执行上述方法实施例中的基于对象关系链的知识规则推理方法。因此,在前述基于对象关系链的知识规则推理方法实施例中的描述和定义,可以用于本发明实施例中基于对象关系链的知识规则建推理装置的理解,在此不再赘述。
本发明实施例提供的基于对象关系链的知识规则推理系统,可以根据实际需要将待分析的数据导入计算机,计算机根据根据知识规则模型对相关实例及其属性进行自动推理,从而获得相应的分析结果或者解决方案。
图5为本发明实施例提供的电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储在存储器530上并可在处理器510上运行的计算机程序,以执行上述各方法实施例所提供的基于对象关系链的知识规则建模方法,例如包括:根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
处理器510还可以调用存储在存储器530上并可在处理器510上运行的计算机程序,以执行上述各方法实施例所提供的基于对象关系链的知识规则推理方法,例如包括:采用所述基于对象关系链的知识规则建模方法获得目标知识规则模型;从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;获取所有依附对象实例的属性,判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;获取所述关注对象实例的属性和所有分析对象实例的属性,并判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
此外,上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例提供的基于对象关系链的知识规则建模方法,例如包括:根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例提供的基于对象关系链的知识规则推理方法,例如包括:采用所述基于对象关系链的知识规则建模方法获得目标知识规则模型;从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;获取所有依附对象实例的属性,判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;获取所述关注对象实例的属性和所有分析对象实例的属性,并判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于对象关系链的知识规则建模方法,其特征在于,包括:
根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;
根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;
根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;
基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
2.根据权利要求1所述的方法,其特征在于,所述根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性的步骤,具体为:
根据目标知识规则的内容,确定所述目标知识规则的关注对象和其他对象;
分析所述关注对象与其他对象之间的关联关系,确定所述关注对象所依附的各级依附对象,以及依附在所述关注对象上的各级分析对象;
基于所述目标知识规则的内容,分别获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性。
3.根据权利要求1所述的方法,其特征在于,所述根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链的步骤,具体为:
根据所述各级依附对象与关注对象的层级关联关系,利用连接符从右向左依次连接所述关注对象与各级依附对象,形成初级对象关系链;
在所述初级对象关系链的基础上,根据所述关注对象与各级分析对象的层级关联关系,利用连接符从左向右依次连接所述关注对象与各级分析对象,形成完整的对象关系链。
4.一种基于对象关系链的知识规则推理方法,其特征在于,包括:
采用如权利要求1至3任一所述的基于对象关系链的知识规则建模方法获得目标知识规则模型;
从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;
基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;
获取所有依附对象实例的属性,判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;
基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;
获取所述关注对象实例的属性和所有分析对象实例的属性,并判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;
当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
5.根据权利要求4所述的方法,其特征在于,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例的步骤之后,还包括:
若无法找到所有依附对象实例,则开始获取下一关注对象实例,否则,继续执行下一步骤。
6.根据权利要求4所述的方法,其特征在于,基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例的步骤之后,还包括:
若无法找到所有分析对象实例,则记录下当前关注对象实例及其所有依附对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤。
7.一种基于对象关系链的知识规则建模装置,其特征在于,包括:
对象及属性获取模块,根据目标知识规则的内容,确定所述目标知识规则的关注对象、所述关注对象所依附的各级依附对象以及依附在所述关注对象上的各级分析对象,并获取所述关注对象的属性、各级依附对象的属性和各级分析对象的属性;
对象关系链构建模块,根据所述各级依附对象与关注对象的层级关联关系、所述关注对象与各级分析对象的层级关联关系,利用连接符依次连接所述各级依附对象、关注对象和各级分析对象,获得对象关系链;
表达式构建模块,根据所述各级依附对象的属性构建条件表达式组,根据所述关注对象的属性和各级分析对象的属性构建判断表达式组;
知识表达模块,基于所述条件表达式组、对象关系链和判断表达式组,建立目标知识规则模型。
8.一种基于对象关系链的知识规则推理系统,其特征在于,包括:如权利要求7所述的基于对象关系链的知识规则建模装置和基于对象关系链的知识规则推理装置,其中,所述基于对象关系链的知识规则推理装置包括:
关注实例获取模块,用于从待分析的数据模型中获取所述目标知识规则模型关注对象的一个实例,获得关注对象实例;
依附实例获取模块,用于基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有依附对象实例;
第一判断模块,用于判断所有依附对象实例的属性是否符合所述目标知识规则模型的条件表达式组,若获知某个依附对象实例的属性不符合条件表达式组中相应的条件表达式,则开始获取下一关注对象实例,否则,继续执行下一步骤;
分析实例获取模块,用于基于所述目标知识规则模型的对象关系链,从所述待分析的数据模型中查找与所述关注对象实例具有层级关联关系的所有分析对象实例;
第二判断模块,用于判断所述关注对象实例的属性和所有分析对象实例的属性是否符合所述目标知识规则模型的判断表达式组,若获知某个实例的属性不符合判断表达式组中相关的判断表达式,则记录下当前关注对象实例及其全部依附对象实例和分析对象实例作为错误实例,并开始获取下一关注对象实例,否则,继续执行下一步骤;
结果输出模块,用于当所述待分析的数据模型中所述关注对象的所有实例均已被分析时,结束推理,若有错误实例被返回,则本次知识规则推理的结果为假,并依次反馈错误实例进行报错,否则,本次知识规则推理的结果为真。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
CN201910354820.3A 2019-04-29 2019-04-29 基于对象关系链的知识规则建模和推理方法 Active CN110119814B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910354820.3A CN110119814B (zh) 2019-04-29 2019-04-29 基于对象关系链的知识规则建模和推理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910354820.3A CN110119814B (zh) 2019-04-29 2019-04-29 基于对象关系链的知识规则建模和推理方法

Publications (2)

Publication Number Publication Date
CN110119814A true CN110119814A (zh) 2019-08-13
CN110119814B CN110119814B (zh) 2022-04-29

Family

ID=67521702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910354820.3A Active CN110119814B (zh) 2019-04-29 2019-04-29 基于对象关系链的知识规则建模和推理方法

Country Status (1)

Country Link
CN (1) CN110119814B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160173364A1 (en) * 2014-12-15 2016-06-16 Royal Bank Of Canada Verification of data processes in a network of computing resources
CN105787563A (zh) * 2014-12-18 2016-07-20 中国科学院沈阳自动化研究所 一种基于自学习机制的快速匹配模糊推理方法
CN105912645A (zh) * 2016-04-08 2016-08-31 上海智臻智能网络科技股份有限公司 一种智能问答方法及装置
CN106775963A (zh) * 2016-10-28 2017-05-31 武汉开目信息技术股份有限公司 一种任务中工作对象约束的方法
CN107273418A (zh) * 2017-05-11 2017-10-20 浙江大学 一种基于云平台的跨本体属性链推理方法
CN108694177A (zh) * 2017-04-06 2018-10-23 北大方正集团有限公司 知识图谱构建方法及系统
CN109299283A (zh) * 2018-08-29 2019-02-01 阿里巴巴集团控股有限公司 一种基于知识图谱的数据推理方法、装置、服务器和介质
CN109344262A (zh) * 2018-10-31 2019-02-15 百度在线网络技术(北京)有限公司 知识体系的建立方法、装置及存储介质
CN109492289A (zh) * 2018-10-31 2019-03-19 武汉开目信息技术股份有限公司 一种零件可加工性规则建模方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160173364A1 (en) * 2014-12-15 2016-06-16 Royal Bank Of Canada Verification of data processes in a network of computing resources
CN105787563A (zh) * 2014-12-18 2016-07-20 中国科学院沈阳自动化研究所 一种基于自学习机制的快速匹配模糊推理方法
CN105912645A (zh) * 2016-04-08 2016-08-31 上海智臻智能网络科技股份有限公司 一种智能问答方法及装置
CN106775963A (zh) * 2016-10-28 2017-05-31 武汉开目信息技术股份有限公司 一种任务中工作对象约束的方法
CN108694177A (zh) * 2017-04-06 2018-10-23 北大方正集团有限公司 知识图谱构建方法及系统
CN107273418A (zh) * 2017-05-11 2017-10-20 浙江大学 一种基于云平台的跨本体属性链推理方法
CN109299283A (zh) * 2018-08-29 2019-02-01 阿里巴巴集团控股有限公司 一种基于知识图谱的数据推理方法、装置、服务器和介质
CN109344262A (zh) * 2018-10-31 2019-02-15 百度在线网络技术(北京)有限公司 知识体系的建立方法、装置及存储介质
CN109492289A (zh) * 2018-10-31 2019-03-19 武汉开目信息技术股份有限公司 一种零件可加工性规则建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHING CHYI LEE ET AL: "Knowledge value chain", 《JOURNAL OF MANAGEMENT DEVELOPMENT》 *
张斌: "基于实例推理的产品再设计策略研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》 *
王彩等: "面向对象的轴系零件装配结构合理性判断知识表达模型", 《机械设计》 *

Also Published As

Publication number Publication date
CN110119814B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN110866332B (zh) 一种复杂线缆组件装配方法及系统
CN113064586B (zh) 一种基于抽象语法树增广图模型的代码补全方法
CN105469204A (zh) 深度融合大数据分析技术的重装制造企业综合评价系统
CN112528035A (zh) 基于关系注意力的知识图谱推理方法、装置和计算机设备
CN116882038B (zh) 一种基于bim技术的机电施工方法及系统
US20230161921A1 (en) Goal-driven computer aided design workflow
CN108304382A (zh) 基于制造过程文本数据挖掘的质量分析方法与系统
WO2020013956A1 (en) Systems, methods, and computer-readable media for improved table identification using a neural network
US20220100967A1 (en) Lifecycle management for customized natural language processing
US20030208285A1 (en) Method for comparing solid models
CN115062779A (zh) 基于动态知识图谱的事件预测方法及装置
CN117151222B (zh) 领域知识引导的突发事件案例实体属性及其关系抽取方法、电子设备和存储介质
CN112783513A (zh) 一种代码风险检查方法、装置及设备
Grishma et al. Software root cause prediction using clustering techniques: A review
CN115544033B (zh) 查重向量库更新、数据查重方法、装置、设备和介质
CN110119814A (zh) 基于对象关系链的知识规则建模和推理方法
CN114662009B (zh) 一种基于图卷积的工业互联网工厂协同推荐方法
CN114647739B (zh) 实体链指方法、装置、电子设备及存储介质
CN113971032B (zh) 一种代码生成的机器学习模型全流程自动部署方法及系统
Zong et al. Research on the Decision Model of Product Design Based on a Deep Residual Network
CN115345687A (zh) 一种跨网站商品对齐方法及装置
CN110399601A (zh) 一种识别文档顺序的方法、装置、存储介质及电子设备
CN116467220B (zh) 一种面向软件静态分析的循环代码处理方法和装置
US20220207416A1 (en) System and method of providing correction assistance on machine learning workflow predictions
CN117539948B (zh) 基于深度神经网络的业务数据检索方法及装置

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
GR01 Patent grant
GR01 Patent grant