CN111861185B - 一种基于任务树的任务智能推荐方法及装置 - Google Patents
一种基于任务树的任务智能推荐方法及装置 Download PDFInfo
- Publication number
- CN111861185B CN111861185B CN202010676106.9A CN202010676106A CN111861185B CN 111861185 B CN111861185 B CN 111861185B CN 202010676106 A CN202010676106 A CN 202010676106A CN 111861185 B CN111861185 B CN 111861185B
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- tree
- attribute
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000007123 defense Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 230000003631 expected effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种基于任务树的任务智能推荐方法，包括：由方案库中提取出各任务；对各任务进行标准化处理，基于预先搭建的任务树结构创建相应的任务树；其中，任务树结构包括多层级的任务节点，各任务分别位于任务树中的不同节点处；基于各任务之间的关联，构建任务知识图谱；根据接收到的使命信息，通过任务知识图谱确定匹配的任务，并推送所确定的匹配任务。其通过将任务对应到所搭建的任务树结构中构建任务树，进而基于各任务之间的关联，构建任务知识图谱，有效实现了任务的主动推送功能，减少了人工编辑和人为主动查询搜索操作，同时，为任务规划系统提供了任务统一描述语言。
Description
技术领域
本申请涉及任务规划技术领域，尤其涉及一种基于任务树的任务智能推荐方法及装置。
背景技术
随着科学技术的高速发展，现代战争已然发展为信息化战争。在信息化战争中，通常会采用任务规划系统进行任务的想定，通过对多项任务的合理规划来提升指挥决策效率。但是，现有的任务规划系统，其积累的方案和任务数据一般都是以用户主动查询和检索的方式进行信息获取，不能及时主动的推荐给用户作为参考，从而使得任务规划效率较低。
发明内容
有鉴于此，本申请提出了一种基于任务树的任务智能推荐方法，可以实现主动推送相匹配的任务，减少人工编辑和人为主动搜索和查询操作。
根据本申请的一方面，提供了一种基于任务树的任务智能推荐方法，包括：
由方案库中提取出各任务；
对各所述任务进行标准化处理，基于预先搭建的任务树结构创建任务树；其中，所述任务树结构包括多层级的任务节点，各所述任务分别位于所述任务树中的不同节点处；
基于各所述任务之间的关联关系构建任务知识图谱；
根据接收到的使命信息，通过所述任务知识图谱确定匹配的任务，并推送所确定的匹配的任务。
在一种可能的实现方式中，所述任务树结构包括根节点和叶节点；
所述根节点用于表征各所述任务对应的任务层次，其中，所述任务层次包括战略任务、战役任务和战术任务中的至少一种；
各所述根节点下包括多个层级的叶节点，其中，不同的所述叶节点对应不同的所述任务。
在一种可能的实现方式中，由方案库中提取出各任务，包括：
由所述方案库中获取方案任务清单，并从所述方案任务清单中提取出所有的所述任务；
其中，在提取出所有的所述任务时，还包括提取出各所述任务的任务类、各所述任务的任务属性、各所述任务的任务实例和各所述任务的任务实例之间的关系中的至少一种。
在一种可能的实现方式中，对各所述任务进行标准化处理，包括：
定义各所述任务的任务属性中的静态属性和动态属性；
其中，所述静态属性为所述任务的固有属性，不随所述任务的方案的不同而改变，包括：任务标识、任务名称、任务描述和衡量指标中的至少一种；
所述动态属性为会随所述任务的方案的不同而改变的属性，包括：任务目的、打击目标、使用武器、执行单位、任务执行区域、任务条件、预期效果和隶属方案中的至少一种；
根据定义出的各所述任务的静态属性，对各所述任务进行同类项合并处理，将所述静态属性中任务描述和衡量指标相似的任务进行合并。
在一种可能的实现方式中，基于预先搭建的任务树结构创建任务树，包括：
根据各所述任务的静态属性，分析各所述任务的任务层次、任务类和是否为原子任务；所述原子任务为不可再拆分的任务；
根据分析得到的各所述任务的任务层次、所述任务类和是否为所述原子任务，将各所述任务对应到所述任务树结构中的节点位置；
对对应到所述节点位置的各所述任务分配相应的任务标识。
在一种可能的实现方式中，创建相应的任务树，还包括：
在分析各所述任务的任务层次、任务类和是否为原子任务的过程中，分析确定所述方案库中没有但需要执行的任务时，将所述任务对应添加至所述任务树中；
其中，在将补充的所述任务添加到所述任务树时，须符合以下规则：
补充的所述任务与各所述任务互不包含；
补充的所述任务须定义静态属性，不定义动态属性；
补充的所述任务与各所述任务的层次排列与所述任务树结构的层次排列相一致；
补充的所述任务在所述任务树中有且仅能出现一次。
在一种可能的实现方式中，在基于各所述任务之间的关联关系构建任务知识图谱之前，还包括：
获取所述任务树中的所有的标准任务，并将从所述方案库中提取的所述标准任务与所述方案库相关联；
基于所述标准任务与所述方案库之间的关联以及任务树节点关系，创建任务知识图谱本体类模型；
其中，所述标准任务与所述方案库之间的关联属性为所述标准任务的动态属性；
所述标准任务的个数为多个，且各所述标准任务可以对应一条或多条方案；
所述任务知识图谱本体类模型包括任务模型、条件约束模型、位置模型、目标模型、武器模型和任务部队模型中的至少一个；
其中，所述任务模型根据所述任务树搭建，所述条件约束模型按照物理、军事和社会三个子类构建，所述位置模型用于表征所述任务的任务执行区域、目标位置、任务部队位置等所有与位置相关的属性，所述任务部队模型用于表征执行所述任务的主体，所述目标模型用于表征执行任务的需要打击或防卫的对象，所述武器模型用于表征执行任务采用的武器装备。
在一种可能的实现方式中，基于各所述任务之间的关联关系构建任务知识图谱，包括：
定义各所述任务在各所述方案中的关联关系，其中，所述关联关系包括支援、协同、防卫、通信和保障中的至少一种；
确定各所述任务的次序关系，所述次序关系包括前置、后置和同时；
将由所述方案库中提取出的各所述任务按照所定义的所述关联关系和所述次序关系进行归类，并按照RDF“实体—关系—实体”三元组的形式构建所述任务知识图谱。
根据本申请的另一方面，本申请还提供了一种基于任务树的任务智能推荐装置，包括任务提取模块、任务预处理模块、任务树创建模块、图谱构建模块和任务推送模块；
所述任务提取模块，被配置为由方案库中提取出各任务；
所述任务预处理模块，被配置为对各所述任务进行标准化处理；
所述任务树创建模块，被配置为在所述任务预处理模块对各所述任务进行标准化处理，基于预先搭建的任务树结构创建任务树；其中，所述任务树结构包括多层级的任务节点，各所述任务分别位于所述任务树中的不同节点处；
所述图谱构建模块，被配置为基于各所述任务之间的关联关系，构建任务知识图谱；
所述任务推送模块，被配置为根据接收到的使命信息，通过所述任务知识图谱确定匹配的任务，并推送所确定的匹配的任务。
在一种可能的实现方式中，所述任务提取模块包括清单获取子模块和任务提取子模块；
所述清单获取子模块，被配置为由所述方案库中获取方案任务清单；
所述任务提取子模块，被配置为从所述方案任务清单中提取出所有的所述任务；
其中，在所述任务提取子模块提取出所有的所述任务时，还包括提取出各所述任务的任务类、各所述任务的任务属性、各所述任务的任务实例和各所述任务的任务实例之间的关系中的至少一种。
本申请的基于任务树的任务智能推荐方法，通过对提取出来的各任务进行标准化处理后，将各任务对应到所搭建的任务树结构中构建得到相应的任务树，进而再基于各任务之间的关联关系构建任务知识图谱，从而在接收到使命信息后，能够通过所构建的任务知识图谱确定匹配的任务，以实现匹配的任务的推送。相较于相关技术中任务规划系统中，还需要用户主动去搜索和匹配相适应的任务的方式，本申请实施例的基于任务树的任务推荐方法，有效实现了任务的主动推送的功能，减少了人工编辑和人为主动去进行查询搜索的操作。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出本申请实施例的基于任务树的任务智能推荐方法的流程图；
图2示出本申请实施例的基于任务树的任务智能推荐方法中所搭建的任务树结构的示意图；
图3示出本申请实施例的基于任务树的任务智能推荐方法中对任务进行标准化处理后的示意图；
图4示出本申请实施例的基于任务树的任务智能推荐方法的另一流程图；
图5示出本申请实施例的基于任务树的任务智能推荐方法中所创建的任务知识图谱的本体类模型中条件约束模型示意图；
图6示出本申请实施例的基于任务树的任务智能推荐方法中所构建的任务知识图谱的结构示意图；
图7示出本申请实施例的基于任务树的任务智能推荐装置的结构框图。
具体实施方式
以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本申请，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本申请的主旨。
图1示出根据本申请一实施例的基于任务树的任务智能推荐方法的流程图。如图1所示，该方法包括：步骤S100，由方案库中提取出各任务。此处，本领域技术人员可以理解的是，方案库中通常会包括多个方案，每个方案中会包括多个任务。在该步骤中，由方案库中提取出各任务一般指的是，将每个方案库中的所有任务都提取出来。
步骤S200，对各任务进行标准化处理后，基于预先搭建的任务树结构创建任务树。其中，任务树结构包括多层级的任务节点，各任务分别位于任务树中的不同节点处。这里需要指出的是，对各任务进行标准化处理的目的是为了使得各任务能够通用化，使得任务既能够服务于方案A，还能够服务于方案B或方案C。在对各任务进行标准化处理后，即可采用标准化后的各任务创建相应的任务树。
其中，在创建任务树时，可以采用预先搭建的任务树结构，在预先搭建的任务树结构的基础上进行任务树的创建。即，首先通过步骤S001，搭建任务树结构，然后再基于所搭建的任务树结构进行任务树的创建。
在一种可能的实现方式中，参阅图2，为本申请实施例中所预先搭建的任务树结构的层级结构图。由图2可知，所搭建的任务树结构将任务分为了3个层次，分别为：战略任务、战役任务和战术任务。这三个层次任务分别作为所搭建的任务树结构的根节点。其中，每个层次任务又分为多个类别(即，任务类)。即，每个任务子类在所搭建的任务树结构中，作为其对应的根节点下的叶节点。
其中，每个类别的每个任务又可以分解为多个子任务，在子任务不可再分时，则可认为该子任务为原子任务，其位于所搭建的任务树结构中的最末级的叶节点位置处。在子任务还可再分时，则该子任务可认为复合任务，复合任务则位于所搭建的任务树结构中的其他叶节点处。并且，每个复合任务的子任务互不关联，互不依赖，子任务都只能在任务树结构中存在一次，同时实现复合任务需要完成其所有子任务。
也就是说，在本申请实施例中，所搭建的任务树结构包括根节点和叶节点，根节点用于表征各任务所对应的任务层次(即，战略任务、战役任务和战术任务中的至少一种)，各根节点下则对应包括多个层级的叶节点，不同的叶节点对应不同的任务。通过采用预先搭建的任务树结构将提取出来的各任务创建为相应的任务树，从而以任务树的方式体现出各任务的层次，以及各任务之间的关联。
进而再通过步骤S300，基于各任务之间的关联关系构建任务知识图谱。此处，需要说明的是，所构建的任务知识图谱中清楚的梳理了各任务之间的关系、各任务的前后次序等信息。
最后，再通过步骤S400，根据接收到的使命信息，通过任务指示图谱确定匹配的任务，并推送所确定的匹配的任务。此处，则需要解释说明的是，所接收到的使命信息可以包括任务目的、打击/防卫目标、使用武器、执行单位、任务执行区域和任务条件中的至少一种。
由此，本申请实施例的基于任务树的任务智能推荐方法，通过对提取出来的各任务进行标准化处理后，将各任务对应到所搭建的任务树结构中构建得到任务树，进而再基于各任务之间的关联关系，构建任务知识图谱，从而在接收到使命信息后，能够通过所构建的任务知识图谱确定匹配的任务，以实现相匹配的任务的推送。相较于相关技术中任务规划系统中，还需要用户主动去搜索和匹配相适应的任务的方式，本申请实施例的基于任务树的任务智能推荐方法，有效实现了任务的主动推送的功能，减少了人工编辑和人为主动去进行查询搜索的操作。同时，在进行相匹配任务的确定和推送时，通过基于所创建的任务树和任务知识图谱的相结合进行与接收到的使命信息相匹配的任务的确定，还有效提高了所推送的任务的高匹配度，使得推送的任务更加适合接收到的使命信息，这也就进一步提高了任务推荐的智能化程度，使得推送结果更加准确、可靠。
其中，在一种可能的实现方式中，由方案库中提取出各任务时，可以通过以下方式来实现。即，由方案库中获取各方案任务清单，然后从各方案任务清单中提取出所有的任务。
此处，应当指出的是，在提取各任务时，还包括提取各任务的任务类、任务属性、任务实例以及任务实例之间的关系等。其中，各任务的任务类、任务属性、任务实例和任务实例之间的关系的提取可以按照顺序依次进行，也可以同时进行，此处不进行具体限定。
在对方案库中的所有任务提取出来之后，即可对各任务进行标准化处理，以使得各任务能够通用化。其中，在一种可能的实现方式中，可通过定义的方式来实现对各任务的标准化处理。
即，定义出各任务的任务属性中的静态属性和动态属性。也就是说，各任务的任务属性包括静态属性和动态属性，通过定义的方式将静态属性和动态属性区分出来。其中，静态属性表示任务的固有属性，其不会因为使用该任务的方案的不同而发生变化。如：任务标识、任务名称、任务描述和衡量指标中的至少一种。其中，参阅图3，任务标识为任务的ID，其是能够唯一体现出任务的层次的属性信息。任务名称则为能够描述出任务的内容的信息，每个任务的任务名称各不相同，不能重复。任务描述则指的是用于说明任务的能力或功能的信息，其不涉及如何执行任务，在什么条件下执行任务，在什么时间执行任务，为什么执行任务以及谁执行任务等这些内容，只需要说明任务所能够达到的能力即可。衡量指标则用于定义评估任务效果的衡量尺度和指标形式，但不需要说明具体指标。如图3所示，衡量指标可以采用衡量标识、衡量尺度和指标形式的映射关系的方式来实现。如：衡量标识为M1时，衡量尺度为任务效果的评估标准，指标形式采用百分比的方式。其中，应当指出的是，衡量指标可以采用多种方式来实现，而不仅仅局限于上述实施方式，此处不对衡量指标的具体实现方式进行具体限定。
动态属性则为会随任务的方案的不同而改变的属性。也就是说，任务的动态属性指的是与任务所服务于的方案有关的属性信息。通常，任务的动态属性可以包括以下内容：任务目的、打击目标、使用武器、执行单位、任务执行区域、任务条件、预期效果和隶属方案等。此处，需要说明的是，动态属性还可以包括其他与方案相关的信息，此处不再进行一一举例说明。
在定义出各任务的静态属性和动态属性后，即可根据各任务的静态属性，对各任务进行同类项合并处理，将静态属性中任务描述和衡量指标相似或相同的任务划分为同一任务。
在通过上述任一种方式对提取出来的任务进行标准化处理后，即可基于预先搭建的任务树结构创建相应的任务树。其中，在一种可能的实现方式中，将标准化后的各任务(只包含有静态属性)对应到所搭建的任务树结构中时，通常包括以下几步：
根据各任务的静态属性，分析各任务的任务层次、任务类和是否为原子任务。其中，根据前面对任务树结构的相关描述可知，原子任务为不可再拆分的任务。
根据分析得到的各任务的任务层次、任务类和是否为原子任务，将各任务对应到任务树结构中的节点位置。
对对应到节点位置的各任务分配相应的任务标识。
即，在将标准化后的各任务对应到任务树结构中时，通过分析各任务的任务层次，按照战略任务、战役任务和战术任务三个层次分别对应，并分析各任务的任务类(即，任务的类别)，根据分析得到的任务类将各任务地应到每个层次的任务分类中。
同时，还分析各任务是否为原子任务，在分析出任务为原子任务时，则将任务置于最末级的叶节点位置处，如果不是原子任务，则可以按照由叶节点到根节点逐层递进的方式或由根节点向叶节点逐层递进的方式，直至找到该任务在任务树中的合理位置即可。其中，需要注意的是，每个任务在任务树中有且只能存在一次。
在将任务对应到任务树相应的节点位置后，即可对任务分配相应的任务标识。
此次，需要指出的是，对任务的任务层次、任务类以及是否为原子任务的分析可以基于所提取出的任务的静态属性进行分析识别。其具体分析方式可以采用本领域常规的信息识别和分析技术，此处不进行具体限定。
由此，通过上述任一方式即可完成对任务树的构建。应当指出的是，在进行任务树的构建时，为了进一步提高所构建的任务树的完整性和准确性，避免必要的任务的遗漏，在本申请实施例的基于任务树的任务智能推荐方法中，在将各标准化的任务对应到任务树结构后构建相应的任务树之后，还可以包括以下步骤：即，参阅图4，在完成步骤S200，构建相应的任务树后，还包括步骤S003，更新任务树。
其中，对任务树的更新主要指的是对任务树中所必要的任务的补充。即，在分析各任务的任务层次、任务类和是否为原子任务的过程中，分析确定方案库中没有但需要执行的任务时，将任务对应添加至任务树中。在一种可能的实现方式中，在将补充的任务添加到任务树时，需要包括以下规则中的至少一种：
补充的任务与各所述任务互不包含；
补充的任务需定义静态属性，不定义动态属性；
补充的任务与各任务的层次排列与任务树结构的层次排列相一致；
补充的任务在任务树中有且仅能出现一次。
也就是说，在对方案库中没有的任务，但是通过对任务的分类和分解过程中确定必须要执行的任务时，则可将该任务作为补充任务补充添加至任务树中，从而保证任务树的完整和准确。其中，补充添加到任务树中的补充任务应当遵循上述规则。
进一步的，参阅图4，在一种可能的实现方式中，在基于各任务之间的关联，构建任务知识图谱之前，还包括步骤S004，进行方案库的关联。即，获取任务树中的标准任务，并将标准任务与方案库相关联。此处，需要说明的是，任务树中的标准任务指的是：从方案库中提取的任务做标准化处理后形成的标准任务。
其中，标准任务与方案库之间的关联属性为标准任务的动态属性。一般来说，一个任务树中上述标准任务的个数为多个，且各标准任务对应至少一条方案。具体关系可以为：
任务—方案—任务目的—打击目标—使用武器—任务部队—任务执行区域—任务条件—预期效果。
应当注意的是，在上述关系结构中任何一列的数据不同时均需要增加一条记录。如：在任务目的不同时，则需要针对不同的任务目的均对应记录一条上述结构的关系信息。
此外，参阅图4，在将标准任务与方案库相关联并且更新任务树后，即可执行步骤S005，进行任务知识图谱的本体类建模的步骤，从而为后续进行任务知识图谱的构建奠定模型基础。即，基于标准任务与方案库之间的关联以及任务树节点关系，创建任务知识图谱本体类模型。
其中，在一种可能的实现方式中，任务知识图谱本体类模型包括任务模型、条件约束模型、位置模型、目标模型、武器模型和任务部队模型。任务模型根据任务树搭建，条件约束模型按照物理、军事和社会三个子类构建，位置模型用于表征任务的任务执行区域、目标位置、任务部队位置等所有与位置相关的属性，任务部队模型用于表征执行任务的主体。目标模型用于表征执行任务的需要打击或防卫的对象，武器模型用于表征执行任务采用的武器装备。
也就是说，所构建的任务知识图谱本体类模型将任务类建模分为四个：任务、条件、地点、任务部队。即，谁在什么条件下在什么地点执行什么任务。其中，在分析各任务之间的关系时不需要考虑天文时间。
具体的，任务模型的子类根据所构建的任务树构建，任务属性中只需要包含静态属性即可。条件约束模型的子类则按照物理、军事、社会三个子类构建。其中，参阅图5，条件的要素与任务树中的要素相同或相似，可以包括：条件标识、条件描述、条件定义。每个条件在条件树中只存在一次，条件名称不能重复，同时条件可以扩展。
位置模型则表示任务的任务执行区域，可以通过物理地点和经纬度来表示。任务部队模型则标识具体执行任务的主体。
目标模型则表示执行任务的需要打击或防卫的对象，武器模型则用于表征执行任务采用的武器装备。
在通过上述任一种方式构建好任务知识图谱本体类模型之后，即可基于各任务之间的关联关系，在所构建的任务指示图谱本体类模型的基础上构建任务知识图谱。
此处，需要说明的是，各任务之间的关联关系包括各任务在方案中的关联关系，还包括各任务之间的次序关系。其中，各任务之间的次序关系可以根据所创建的任务树中的节点关系来获得。
即，在一种可能的实现方式中，构建任务知识图谱时，可以先定义各任务在各方案中的关联关系。其中，关联关系包括支援、协同、防卫、通信和保障中的至少一种。同时，确定各任务的次序关系，次序关系包括前置、后置和同时。然后，将由方案库中提取出的各任务按照所定义的关联关系和次序关系进行归类，并按照RDF“实体—关系—实体”三元组的形式构建任务知识图谱。
其中，参阅图6，按照RDF“实体—关系—实体”三元组的形式所构建的任务知识图谱主要是采用任务知识图谱Schema模型来实现。其通过构建任务知识图谱，由任务知识图谱梳理并体现了任务与任务之间的关系，从而在进行任务推荐时即可基于该任务知识图谱进行相匹配的任务的确定和推送。
即，在已知任务目的、打击/防卫目标、使用武器、执行单位、任务执行区域和任务条件等信息中的一条或多条时，就可以将对应或关联的任务知识图谱中的某个或某些任务推荐给用户。同时，还可以通过支援、协同、防卫、通信、保障、前置和后置关系等形成任务集推荐给用户。
进一步的，参阅图4，在将相匹配任务按照任务集的方式或者是单个任务的方式推送给用户之后，即可进行相应的任务规划(即，步骤S500)。其中，应当指出的是，基于所推送的相匹配任务进行任务规划时可以采用本领域的常规技术手段来实现，因此此处不再进行赘述。
由此，本申请实施例的基于任务树的任务智能推荐方法，通过对提取出来的各任务进行标准化处理，搭建任务树，并通过构建任务知识图谱，由任务知识图谱梳理各任务之间的关系，从而基于任务知识图谱进行任务的推荐，为任务规划的决策起到支持作用，实现了任务的主动智能化推荐的目的。
需要说明的是，尽管以图1至图6作为示例介绍了如上所述的基于任务树的任务智能推荐方法，但本领域技术人员能够理解，本申请应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤的具体实现方式，只要能够实现任务树与任务知识图谱相结合来进行任务的主动智能化推荐的目的即可。
相应的，基于前面任一所述的基于任务树的任务智能推荐方法，本申请还提供了一种基于任务树的任务智能推荐装置。由于本申请提供的基于任务树的任务智能推荐装置的工作原理与本申请的基于任务树的任务智能推荐方法的原理相同或相似，因此重复之处不再赘述。
参阅图7，本申请提供的基于任务树的任务智能推荐装置100包括任务提取模块110、任务预处理模块120、任务树创建模块130、图谱构建模块140和任务推送模块150。其中，任务提取模块110，被配置为由方案库中提取出各任务；任务预处理模块120，被配置为对各所述任务进行标准化处理；任务树创建模块130，被配置为在所述任务预处理模块120对各所述任务进行标准化处理，基于预先搭建的任务树结构创建任务树；其中，所述任务树结构包括多层级的任务节点，各所述任务分别位于所述任务树中的不同节点处；图谱构建模块140，被配置为基于各所述任务之间的关联关系构建任务知识图谱；任务推送模块150，被配置为根据接收到的使命信息，通过所述任务知识图谱确定匹配的任务，并推送所确定的匹配的任务。
在一种可能的实现方式中，任务提取模块110包括清单获取子模块和任务提取子模块(图中未示出)。其中，清单获取子模块，被配置为由方案库中获取方案任务清单；任务提取子模块，被配置为从方案任务清单中提取出所有的任务；其中，在任务提取子模块提取出所有的任务时，还包括提取出各任务的任务类、各任务的任务属性、各任务的任务实例和各任务的任务实例之间的关系中的至少一种。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (9)
1.一种基于任务树的任务智能推荐方法，其特征在于，包括：
由方案库中提取出各任务；
对各所述任务进行标准化处理，基于预先搭建的任务树结构创建任务树；其中，所述任务树结构包括多层级的任务节点，各所述任务分别位于所述任务树中的不同节点处；
基于各所述任务之间的关联关系构建任务知识图谱；
根据接收到的使命信息，通过所述任务知识图谱确定匹配的任务，并推送所确定的匹配的任务；
其中，对各所述任务进行标准化处理，包括：
定义各所述任务的任务属性中的静态属性和动态属性；
其中，所述静态属性为所述任务的固有属性，不随所述任务的方案的不同而改变，包括：任务标识、任务名称、任务描述和衡量指标中的至少一种；
所述动态属性为会随所述任务的方案的不同而改变的属性，包括：任务目的、打击目标、使用武器、执行单位、任务执行区域、任务条件、预期效果和隶属方案中的至少一种；
根据定义出的各所述任务的静态属性，对各所述任务进行同类项合并处理，将所述静态属性中任务描述和衡量指标相似的任务进行合并。
2.根据权利要求1所述的方法，其特征在于，所述任务树结构包括根节点和叶节点；
所述根节点用于表征各所述任务对应的任务层次，其中，所述任务层次包括战略任务、战役任务和战术任务中的至少一种；
各所述根节点下包括多个层级的叶节点，其中，不同的所述叶节点对应不同的所述任务。
3.根据权利要求1所述的方法，其特征在于，由方案库中提取出各任务，包括：
由所述方案库中获取方案任务清单，并从所述方案任务清单中提取出所有的所述任务；
其中，在提取出所有的所述任务时，还包括提取出各所述任务的任务类、各所述任务的任务属性、各所述任务的任务实例和各所述任务的任务实例之间的关系中的至少一种。
4.根据权利要求1所述的方法，其特征在于，基于预先搭建的任务树结构创建任务树，包括：
根据各所述任务的静态属性，分析各所述任务的任务层次、任务类和是否为原子任务；所述原子任务为不可再拆分的任务；
根据分析得到的各所述任务的任务层次、所述任务类和是否为所述原子任务，将各所述任务对应到所述任务树结构中的节点位置；
对对应到所述节点位置的各所述任务分配相应的任务标识。
5.根据权利要求4所述的方法，其特征在于，创建相应的任务树，还包括：
在分析各所述任务的任务层次、任务类和是否为原子任务的过程中，分析确定所述方案库中没有但需要执行的任务，将所述任务对应补充添加至所述任务树中；
其中，在将补充的所述任务添加到所述任务树时，须符合以下规则中的至少一种：
补充的所述任务与各所述任务互不包含；
补充的所述任务须定义静态属性，不定义动态属性；
补充的所述任务与各所述任务的层次排列与所述任务树结构的层次排列相一致；
补充的所述任务在所述任务树中有且仅能出现一次。
6.根据权利要求1所述的方法，其特征在于，在基于各所述任务之间的关联关系构建任务知识图谱之前，还包括：
获取所述任务树中的所有的标准任务，并将从所述方案库中提取的所述标准任务与所述方案库相关联；
基于所述标准任务与所述方案库之间的关联以及任务树节点关系，创建任务知识图谱本体类模型；
其中，所述标准任务与所述方案库之间的关联属性为所述标准任务的动态属性；
所述标准任务的个数为多个，且各所述标准任务可以对应一条或多条方案；
所述任务知识图谱本体类模型至少包括任务模型、条件约束模型、位置模型、目标模型、武器模型和任务部队模型；
其中，所述任务模型根据所述任务树搭建，所述条件约束模型按照物理、军事和社会三个子类构建，所述位置模型用于表征所述任务的任务执行区域、目标位置、任务部队位置等所有与位置相关的属性，所述任务部队模型用于表征执行所述任务的主体，所述目标模型用于表征执行任务的需要打击或防卫的对象，所述武器模型用于表征执行任务采用的武器装备。
7.根据权利要求1所述的方法，其特征在于，基于各所述任务之间的关联关系构建任务知识图谱，包括：
定义各所述任务在各所述方案中的关联关系，其中，所述关联关系包括支援、协同、防卫、通信和保障中的至少一种；
确定各所述任务的次序关系，所述次序关系包括前置、后置和同时；
将由所述方案库中提取出的各所述任务按照所定义的所述关联关系和所述次序关系进行归类，并按照RDF“实体—关系—实体”三元组的形式构建所述任务知识图谱。
8.一种基于任务树的任务智能推荐装置，其特征在于，包括任务提取模块、任务预处理模块、任务树创建模块、图谱构建模块和任务推送模块；
所述任务提取模块，被配置为由方案库中提取出各任务；
所述任务预处理模块，被配置为对各所述任务进行标准化处理；
所述任务树创建模块，被配置为在所述任务预处理模块对各所述任务进行标准化处理，基于预先搭建的任务树结构创建任务树；其中，所述任务树结构包括多层级的任务节点，各所述任务分别位于所述任务树中的不同节点处；
所述图谱构建模块，被配置为基于各所述任务之间的关联关系，构建任务知识图谱；
所述任务推送模块，被配置为根据接收到的使命信息，通过所述任务知识图谱确定相匹配任务，并推送所确定的所述相匹配任务；
其中，所述任务预处理模块对各所述任务进行标准化处理时，包括：
定义各所述任务的任务属性中的静态属性和动态属性；
其中，所述静态属性为所述任务的固有属性，不随所述任务的方案的不同而改变，包括：任务标识、任务名称、任务描述和衡量指标中的至少一种；
所述动态属性为会随所述任务的方案的不同而改变的属性，包括：任务目的、打击目标、使用武器、执行单位、任务执行区域、任务条件、预期效果和隶属方案中的至少一种；
根据定义出的各所述任务的静态属性，对各所述任务进行同类项合并处理，将所述静态属性中任务描述和衡量指标相似的任务进行合并。
9.根据权利要求8所述的装置，其特征在于，所述任务提取模块包括清单获取子模块和任务提取子模块；
所述清单获取子模块，被配置为由所述方案库中获取方案任务清单；
所述任务提取子模块，被配置为从所述方案任务清单中提取出所有的所述任务；
其中，在所述任务提取子模块提取出所有的所述任务时，还包括提取出各所述任务的任务类、各所述任务的任务属性、各所述任务的任务实例和各所述任务的任务实例之间的关系中的至少一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010676106.9A CN111861185B (zh) | 2020-07-14 | 2020-07-14 | 一种基于任务树的任务智能推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010676106.9A CN111861185B (zh) | 2020-07-14 | 2020-07-14 | 一种基于任务树的任务智能推荐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111861185A CN111861185A (zh) | 2020-10-30 |
| CN111861185B true CN111861185B (zh) | 2021-02-05 |
Family
ID=72983949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010676106.9A Active CN111861185B (zh) | 2020-07-14 | 2020-07-14 | 一种基于任务树的任务智能推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861185B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112699282A (zh) * | 2021-03-23 | 2021-04-23 | 中国信息通信研究院 | 工业互联网数据处理方法、装置、电子设备及存储介质 |
| CN112988135B (zh) * | 2021-05-20 | 2021-07-27 | 中国人民解放军国防科技大学 | 面向开源软件的任务单元推荐方法、装置和计算机设备 |
| CN113448728B (zh) * | 2021-06-22 | 2022-03-15 | 腾讯科技（深圳）有限公司 | 一种云资源调度方法、装置、设备及存储介质 |
| CN116149829B (zh) * | 2023-04-20 | 2023-07-21 | 中邮消费金融有限公司 | 任务管理方法、装置、设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7359904B2 (en) * | 2002-06-14 | 2008-04-15 | Integrated Knowledge Solutions, Inc. | Method to efficiently process and present possible arrangements of a set of contiguous peer-to-peer links |
| CN107545000A (zh) * | 2016-06-28 | 2018-01-05 | 百度在线网络技术（北京）有限公司 | 基于知识图谱的信息推送方法及装置 |
| CN106874695B (zh) * | 2017-03-22 | 2019-10-25 | 北京大数医达科技有限公司 | 医疗知识图谱的构建方法和装置 |
| CN108596501A (zh) * | 2018-04-28 | 2018-09-28 | 华东师范大学 | 基于技能图的任务分配方法、装置、介质、设备及系统 |
| CN108921295B (zh) * | 2018-06-28 | 2021-08-10 | 合肥中科加点智能科技有限公司 | 一种基于知识图谱技术的突发事件应急决策模型构建方法 |
| CN111026941A (zh) * | 2019-10-28 | 2020-04-17 | 江苏普旭软件信息技术有限公司 | 一种面向装备体系论证评估的智能查询方法 |
| CN110888808B (zh) * | 2019-11-16 | 2023-01-31 | 云南湾谷科技有限公司 | 一种基于知识图谱的Web智能化测试的方法 |
| CN111309925B (zh) * | 2020-02-10 | 2023-06-30 | 同方知网数字出版技术股份有限公司 | 一种军事装备的知识图谱构建方法 |
-
2020
- 2020-07-14 CN CN202010676106.9A patent/CN111861185B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111861185A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111861185B (zh) | 一种基于任务树的任务智能推荐方法及装置 | |
| CN110337642A (zh) | 通过使用测试用例来执行测试的方法和装置 | |
| CN108154198B (zh) | 知识库实体归一方法、系统、终端和计算机可读存储介质 | |
| CN105138601B (zh) | 一种支持模糊约束关系的图模式匹配方法 | |
| CN104756107A (zh) | 采用位置信息剖析数据 | |
| CN105468781A (zh) | 视频查询方法和装置 | |
| JP2004518226A (ja) | データベースシステムおよびクエリオプティマイザ | |
| CN106062751A (zh) | 对与数据类型有关的数据剖析操作的管理 | |
| JP2001014329A (ja) | データベース処理方法及び実施装置並びにその処理プログラムを記憶した媒体 | |
| CN109408578A (zh) | 一种针对异构环境监测数据融合方法 | |
| US7159171B2 (en) | Structured document management system, structured document management method, search device and search method | |
| CN105808706A (zh) | 基于应用本体的空间目标识别方法 | |
| CN113254630A (zh) | 一种面向全球综合观测成果的领域知识图谱推荐方法 | |
| Batot et al. | Heuristic-based recommendation for metamodel—ocl coevolution | |
| CN110737779A (zh) | 知识图谱的构建方法、装置、存储介质和电子设备 | |
| CN110059967B (zh) | 一种应用于城市辅助决策分析的数据处理方法及装置 | |
| CN115795075A (zh) | 一种遥感影像产品通用模型构建方法 | |
| CN110941904B (zh) | 一种基于不同作战天气下的感知设备组合搭配方法 | |
| US9959295B1 (en) | S-expression based computation of lineage and change impact analysis | |
| Rybina et al. | On a common approach to joining productive rules obtained from different knowledge sources | |
| CN109408713A (zh) | 一种基于用户反馈信息的软件需求检索系统 | |
| Wiemann et al. | Service-based combination of quality assurance and fusion processes for the validation of crowdsourced observations | |
| KR100500837B1 (ko) | 운용시스템간 공유정보 관리방법 | |
| Ranjan et al. | A bottom-up approach for creating goal hierarchy using olap query recommendation technique | |
| CN114553683B (zh) | 基于安全大数据反馈的云端配置更新方法及信息安全系统 |
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 |