CN111967195B - 知识推送方法和系统 - Google Patents

知识推送方法和系统 Download PDF

Info

Publication number
CN111967195B
CN111967195B CN202010872540.4A CN202010872540A CN111967195B CN 111967195 B CN111967195 B CN 111967195B CN 202010872540 A CN202010872540 A CN 202010872540A CN 111967195 B CN111967195 B CN 111967195B
Authority
CN
China
Prior art keywords
simulation
knowledge
node
template
piece
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
Application number
CN202010872540.4A
Other languages
English (en)
Other versions
CN111967195A (zh
Inventor
赵斌
张贺
赵峰
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.)
Jiangsu XCMG Construction Machinery Institute Co Ltd
Original Assignee
Jiangsu XCMG Construction Machinery Institute Co 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 Jiangsu XCMG Construction Machinery Institute Co Ltd filed Critical Jiangsu XCMG Construction Machinery Institute Co Ltd
Priority to CN202010872540.4A priority Critical patent/CN111967195B/zh
Publication of CN111967195A publication Critical patent/CN111967195A/zh
Application granted granted Critical
Publication of CN111967195B publication Critical patent/CN111967195B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开公开了一种知识推送方法和系统，涉及产品数字化仿真领域。该方法包括：获取当前的仿真流程节点和仿真模板节点；基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型，其中，仿真知识映射关系表中包括仿真流程节点和仿真模板节点，与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数；以及根据匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识。本公开提高了仿真知识推送的效率和准确性，同时将传统的仿真知识结构化，实现数据的重复使用，提高数据的应用价值，有效减少专家知识的流失。

Description

知识推送方法和系统
技术领域
本公开涉及产品数字化仿真领域，尤其涉及一种知识推送方法和系统。
背景技术
碰撞、刚度、耐久性、热力学性能、流体分析和振动噪声等多学科CAE(ComputerAided Engineering，虚拟仿真)分析，作为驱动产品设计、验证系统性能的重要方法，近些年来已在机械行业内得到广泛应用。
产品的仿真是一个典型的知识密集型活动，该活动中的相关人员需要仿真知识的支持。但是由于仿真知识种类繁多、信息量大，使得产品仿真过程中知识的获取效率和准确率都较低。另外，现阶段的实际工作情况是，知识的获取常常被动查询，不能准确的表达仿真人员的需求，存在输出结果过多和查全率有余、查准率不足等弊端，导致仿真人员需要花费大量时间来查找和甄别所需要的知识，并且相同的仿真任务出现差别很大的仿真结果。
发明内容
本公开要解决的一个技术问题是，提供一种知识推送方法和系统，能够提高仿真知识推送的效率和准确性。
根据本公开一方面，提出一种知识推送方法，包括：获取当前的仿真流程节点和仿真模板节点；基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型，其中，仿真知识映射关系表中包括仿真流程节点和仿真模板节点，与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数；以及根据匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识。
在一些实施例中，根据仿真人员对推送的每条仿真知识的评分，以及每条仿真知识被浏览的次数，得到每条仿真知识的综合评分；以及根据每条仿真知识的综合评分，更新每条仿真知识的评分系数。
在一些实施例中，构建结构化仿真知识，其中，结构化仿真知识包括仿真知识的主题、类型和内容；构建仿真流程，并定义仿真流程节点；构建仿真模板，并定义仿真模板节点；以及构建包括仿真流程节点、仿真模板节点、主题和类型、以及每条仿真知识的评分系数的仿真知识映射关系表。
在一些实施例中，主题包括仿真模板说明、材料设置、网格划分、工况定义、计算参数定义、载荷定义、约束定义、求解计算中的至少一项。
在一些实施例中，类型包括结构仿真、流体仿真、振动噪声仿真、动力学仿真中的至少一项。
在一些实施例中，内容包括标准规范、典型案例、专家知识、行业经验、试验方法、试验数据中的至少一项。
在一些实施例中，内容的表现形式为文本、图片、视频、音频和模型中的至少一项。
在一些实施例中，向仿真人员推送仿真知识包括：根据匹配的仿真知识的主题和类型，检索出与评价系数大于阈值的仿真内容；以及按照评价系数由高到低的顺序，将大于阈值的仿真内容推送至仿真人员。
根据本公开的另一方面，还提出一种知识推荐系统，包括：节点获取单元，被配置为获取当前的仿真流程节点和仿真模板节点；知识匹配单元，被配置为基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型，其中，仿真知识映射关系表中包括仿真流程节点和仿真模板节点，与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数；以及知识推送单元，被配置为根据匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识。
在一些实施例中，知识评价单元，被配置为根据仿真人员对推送的每条仿真知识的评分，以及每条仿真知识被浏览的次数，得到每条仿真知识的综合评分；以及根据每条仿真知识的综合评分，更新每条仿真知识的评分系数。
在一些实施例中，知识构建单元，被配置为构建结构化仿真知识，其中，结构化仿真知识包括仿真知识的主题、类型和内容；节点定义单元，被配置为构建仿真流程，并定义仿真流程节点；构建仿真模板，并定义仿真模板节点；以及映射关系表构建单元，被配置为构建包括仿真流程节点、仿真模板节点、主题和类型、以及每条仿真知识的评分系数的仿真知识映射关系表。
根据本公开的另一方面，还提出一种知识推荐系统，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的知识推荐方法。
根据本公开的另一方面，还提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的知识推荐方法。
本公开实施例中，基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点对应的仿真知识的主题和类型，并根据每条仿真知识的评分系数，向仿真人员推送仿真知识，提高了仿真知识推送的效率和准确性。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，
其中：
图1为本公开的知识推送方法的一些实施例的流程示意图。
图2为本公开的知识推送方法的另一些实施例的流程示意图。
图3为本公开的仿真知识的一些实施例的结构示意图。
图4为本公开的仿真知识映射关系表的一些实施例的构建示意图。
图5为本公开的仿真知识匹配的一些实施例的示意图。
图6为本公开的仿真知识评价机制的一些实施例的示意图。
图7为本公开的知识推荐系统的一些实施例的结构示意图。
图8为本公开的知识推荐系统的另一些实施例的结构示意图。
图9为本公开的知识推荐系统的另一些实施例的结构示意图。
图10为本公开的知识推荐系统的另一些实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
图1为本公开的知识推送方法的一些实施例的流程示意图。
在步骤110，获取当前的仿真流程节点和仿真模板节点。
在一些实施例中，基于仿真流程及仿真模板的驱动，获取仿真人员当前仿真流程节点SFN及仿真模板节点SSN。仿真流程节点例如包括结构分析、流体分析等，仿真模板节点例如为网格划分等。
在步骤120，基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型，其中，仿真知识映射关系表中包括仿真流程节点和仿真模板节点，与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数。
在一些实施例中，遍历仿真知识映射关系表，获取与仿真人员的当前仿真流程节点和仿真模板节点匹配的仿真知识的主题及类型。仿真模板节点与仿真知识的主题对应，仿真流程节点与仿真知识的类型对应。
在步骤130，根据匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识。
在一些实施例中，系统预先设定评价系数阈值，该阈值为推送的仿真知识的评价系数的最低阈值。根据匹配的仿真知识的主题和类型，检索出匹配评价系数大于阈值的仿真知识内容，并按评价系数由高到低的顺序推送至仿真人员。
在上述实施例中，基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点对应的仿真知识的主题和类型，并根据每条仿真知识的评分系数，向仿真人员推送仿真知识，即在众多种类的仿真知识中，按照仿真人员需求进行知识推荐，提高了仿真知识推送的效率和准确性。
在本公开的一些实施例中，获取仿真人员对推送的每条仿真知识的评分，以及每条仿真知识被浏览的次数；根据仿真人员对推送的每条仿真知识的评分，以及每条仿真知识被浏览的次数，得到每条仿真知识的综合评分；以及根据每条仿真知识的综合评分，更新每条仿真知识的评分系数。例如，将每条仿真知识的评分与每条仿真知识被浏览的次数进行加权计算，得到每条仿真知识的综合评分。
在一些实施例中，仿真知识在没有推荐给仿真人员之前，可以设置初始评价系数。
知识评价系数是仿真知识匹配优先级的依据。通过制定仿真知识评价机制，仿真人员针对推送的知识进行打分评价，及时反馈并更新每条仿真知识的评分系数，并设定评价系数阈值，在进行知识推送时，淘汰评价系数低于阈值的仿真知识，减少过多结果输出，使得推送给仿真人员的仿真知识更加准确、实用。
图2为本公开的知识推送方法的另一些实施例的流程示意图。
在步骤210，构建结构化仿真知识，其中，结构化仿真知识包括仿真知识的主题、类型和内容。
在一些实施例中，如图3所示，基于DITA(Darwin Information TypingArchitecture，达尔文信息类型化体系结构)标准构建结构化仿真知识库。结构化仿真知识可表示为SK＝{Topic、Type、Content}，其中，SK为结构化仿真知识，Topic为仿真知识的主题，Type为仿真知识的类型，Content为仿真知识的内容。
在一些实施例中，仿真知识的主题包括：仿真模板说明、材料设置、网格划分、工况定义、计算参数定义、载荷定义、约束定义、求解计算等。
在一些实施例中，仿真知识的类型包括：结构仿真、流体仿真、振动噪声仿真、动力学仿真等。
在一些实施例中，仿真知识的内容包括：标准规范、典型案例、专家知识、行业经验、试验方法、试验数据等。
在一些实施例中，仿真知识的内容的表现形式例如为文本、图片、视频、音频和模型等。
在步骤220，面向协同仿真平台，构建仿真流程，并定义仿真流程节点，构建仿真模板，并定义仿真模板节点，以及构建仿真知识映射关系表。
在一些实施例中，如图4所示，分析产品协同仿真的特点，构建协同仿真流程，定义仿真流程节点，仿真流程节点包括任务创建、任务分解、任务执行、任务校验、任务介绍等。分析各学科协同仿真技术，构建各学科协同仿真模板，定义仿真模板节点。根据协同仿真流程与各学科仿真模板节点，匹配仿真知识的主题和类型，构建包括仿真流程节点、仿真模板节点、仿真知识的主题和仿真知识的类型、以及每条仿真知识的评分系数的仿真知识映射关系表。
在一些实施例中，仿真知识映射可表示为SKM＝{SFN、SSN、Topic、Type、EC}，其中，SKM为结构化仿真知识映射关系，SFN为仿真流程节点，SSN为仿真模板节点，EC为仿真知识的评价系数。
在一些实施例中，若仿真流程节点包括子任务，则将子任务节点作为仿真人员当前的仿真流程节点。仿真任务分解后的子任务的值，例如包括：结构分析、流体分析等。
在步骤230，根据仿真知识映射关系表，匹配仿真人员所需仿真知识，并将仿真知识推送至仿真人员。
在一些实施例中，如图5，基于协同仿真流程以及仿真模板驱动，读取仿真人员当前流程节点SFN及仿真模板节点SSN。遍历所构建的仿真知识映射关系表SKM，获取仿真知识的主题Topic及类型Type，在知识数据库中检索匹配的结构化仿真知识。若仿真知识的评分系统EC大于系统设定的评价系数阈值TLow，则将仿真知识推送给仿真人员，否则，不将该仿真知识推送给仿真人员。
在步骤240，根据仿真人员对推送的每条仿真知识的评分，以及每条仿真知识被浏览的次数，得到每条仿真知识的综合评分；以及根据每条仿真知识的综合评分，更新每条仿真知识的评分系数。
在一些实施例中，为了对仿真知识进行有效管理，如图6所示，仿真人员查阅推送的知识并进行打分评价，系统定期根据仿真知识被浏览的次数Number和仿真人员对该条知识的评分Score，加权得出仿真知识评价系数EC＝Number*Score，同时将评价系数写入仿真知识映射表的对应字段，更新评价系数。例如，系统每月底对仿真知识的评价系数进行更新。
在上述实施例中，主动向仿真人员推送需求的仿真知识，提高了仿真知识推送的效率和准确性，克服了输出结果过多和查全率有余、查准率不足等弊端。同时将传统的仿真知识结构化，实现数据的重复使用，提高数据的应用价值，有效减少专家知识的流失。
图7为本公开的知识推荐系统的一些实施例的结构示意图。该知识推荐系统包括节点获取单元710、知识匹配单元720和知识推送单元730。
节点获取单元710被配置为获取当前的仿真流程节点和仿真模板节点。
知识匹配单元720被配置为基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型，其中，仿真知识映射关系表中包括仿真流程节点和仿真模板节点，与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数。
在一些实施例中，遍历仿真知识映射关系表，获取与仿真人员的当前仿真流程节点和仿真模板节点匹配的仿真知识的主题及类型。仿真模板节点与主题对应，仿真流程节点与类型对应。
知识推送单元730被配置为根据匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识。
在一些实施例中，根据系统设定的评价系数阈值，根据匹配的仿真知识的主题和类型，检索出匹配评价系数大于阈值的仿真知识内容，并按评价系数由高到低的顺序推送至仿真人员。
在上述实施例中，基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点对应的仿真知识的主题和类型，并根据每条仿真知识的评分系数，向仿真人员推送仿真知识，提高了仿真知识推送的效率和准确性。
在本公开的另一些实施例中，如图8所示，该知识推荐系统还包括知识评价单元810，被配置为根据仿真人员对推送的每条仿真知识的评分，以及每条仿真知识被浏览的次数，得到每条仿真知识的综合评分；以及根据每条仿真知识的综合评分，更新每条仿真知识的评分系数。
知识评价系数是仿真知识匹配优先级的依据。通过制定仿真知识评价机制，仿真人员针对推送的知识进行打分评价，及时反馈并更新每条仿真知识的评分系数，并设定评价系数阈值，在进行知识推送时，淘汰评价系数低于阈值的仿真知识，使得推送给仿真人员的仿真知识更加准确、实用。
在本公开的另一些实施例中，如图8所示，该知识推荐系统还包括知识构建单元820、节点定义单元830和映射关系表构建单元840。
知识构建单元810被配置为构建结构化仿真知识，其中，结构化仿真知识包括仿真知识的主题、类型和内容。
在一些实施例中，仿真知识的主题包括：仿真模板说明、材料设置、网格划分、工况定义、计算参数定义、载荷定义、约束定义、求解计算等。
在一些实施例中，仿真知识的类型包括：结构仿真、流体仿真、振动噪声仿真、动力学仿真等。
在一些实施例中，仿真知识的内容包括：标准规范、典型案例、专家知识、行业经验、试验方法、试验数据等。
在一些实施例中，仿真知识的内容的表现形式例如为文本、图片、视频、音频和模型等。
节点定义单元820被配置为构建仿真流程，并定义仿真流程节点；构建仿真模板，并定义仿真模板节点。
在一些实施例中，分析产品协同仿真的特点，构建协同仿真流程，定义仿真流程节点，仿真流程节点包括任务创建、任务分解、任务执行、任务校验、任务介绍等。分析各学科协同仿真技术，构建各学科协同仿真模板，定义仿真模板节点。
映射关系表构建单元830被配置为构建包括仿真流程节点、仿真模板节点、主题和类型、以及每条仿真知识的评分系数的仿真知识映射关系表。
根据协同仿真流程与各学科仿真模板节点，匹配仿真知识的主题和类型，构建包括仿真流程节点、仿真模板节点、仿真知识的主题和仿真知识的类型、以及每条仿真知识的评分系数的仿真知识映射关系表。
在上述实施例中，将传统的仿真知识结构化，实现数据的重复使用，提高数据的应用价值，有效减少专家知识的流失。
本公开的节点获取单元710、知识匹配单元720、知识推送单元730、知识评价单元810、知识构建单元820、节点定义单元830和映射关系表构建单元840，可以通过多个模块实现，例如，如图9所示，知识构建单元820通过仿真知识构建模块910实现，节点定义单元830和映射关系表构建单元840通过仿真知识映射构建模块920实现，节点获取单元710、知识匹配单元720、知识推送单元730通过仿真知识匹配及推送模块930实现，知识评价单元810通过仿真知识评价模块940实现。
仿真知识构建模块910被配置为构建基于DITA标准的结构化仿真知识。仿真知识映射构建模块920被配置为构建仿真知识映射关系表，通过分析产品协同仿真的特点，构建协同仿真流程，定义仿真流程节点；分析各学科协同仿真技术，构建各学科协同仿真模板，定义仿真模板节点。结构化仿真知识和仿真知识映射表可以存储在服务器中，其中，服务器包括数据库服务器和文件服务器。文件服务器中存储有为文本、图片、视频、音频和模型等。
不同的仿真人员通过企业局域网或协同仿真平台进行仿真。仿真流量被驱动后，仿真知识匹配及推送模块930自动匹配仿真知识及实现仿真知识的推送。仿真人员查阅推送的仿真知识，对推送的仿真知识进行评分。仿真知识评价模块940获取每条仿真知识的评价后，定期根据仿真知识被浏览的次数和仿真人员对该条知识的评分，加权得出仿真知识评价系数，并将仿真知识的评价系数上传至服务器。
图10为本公开的知识推荐系统的另一些实施例的结构示意图。该知识推荐系统包括存储器1010和处理器1020。其中：存储器1010可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1、2所对应实施例中的指令。处理器1020耦接至存储器1010，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器1020用于执行存储器中存储的指令。
在一些实施例中，处理器1020通过BUS总线1030耦合至存储器1010。该知识推荐系统1000还可以通过存储接口1040连接至外部存储系统1050以便调用外部数据，还可以通过网络接口1060连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，提高了仿真知识推荐的效率和准确性。
在另一些实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1、2所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (9)

1.一种知识推送方法，包括：
构建结构化仿真知识，其中，所述结构化仿真知识包括仿真知识的主题、类型和内容；
构建仿真流程，并定义仿真流程节点；
构建仿真模板，并定义仿真模板节点；以及
构建包括仿真流程节点、仿真模板节点、与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数的仿真知识映射关系表；
获取当前的仿真流程节点和仿真模板节点；
基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型；以及
根据所述匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识，其中，
根据所述仿真人员对推送的每条仿真知识的评分，以及所述每条仿真知识被浏览的次数，得到所述每条仿真知识的综合评分；以及
根据所述每条仿真知识的综合评分，更新所述每条仿真知识的评分系数。
2.根据权利要求1所述的知识推送方法，其中，
所述主题包括仿真模板说明、材料设置、网格划分、工况定义、计算参数定义、载荷定义、约束定义、求解计算中的至少一项。
3.根据权利要求1所述的知识推送方法，其中，
所述类型包括结构仿真、流体仿真、振动噪声仿真、动力学仿真中的至少一项。
4.根据权利要求1所述的知识推送方法，其中，
所述内容包括标准规范、典型案例、专家知识、行业经验、试验方法、试验数据中的至少一项。
5.根据权利要求4所述的知识推送方法，其中，
所述内容的表现形式为文本、图片、视频、音频和模型中的至少一项。
6.根据权利要求1至5任一所述的知识推送方法，其中，向仿真人员推送仿真知识包括：
根据所述匹配的仿真知识的主题和类型，检索出与评价系数大于阈值的仿真内容；以及
按照评价系数由高到低的顺序，将所述大于阈值的仿真内容推送至所述仿真人员。
7.一种知识推荐系统，包括：
知识构建单元，被配置为构建结构化仿真知识，其中，所述结构化仿真知识包括仿真知识的主题、类型和内容；
节点定义单元，被配置为构建仿真流程，并定义仿真流程节点；构建仿真模板，并定义仿真模板节点；以及
映射关系表构建单元，被配置为构建包括仿真流程节点、仿真模板节点、与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数的仿真知识映射关系表；
节点获取单元，被配置为获取当前的仿真流程节点和仿真模板节点；
知识匹配单元，被配置为基于仿真知识映射关系表，确定与当前仿真流程节点和仿真模板节点匹配的仿真知识的主题和类型，其中，所述仿真知识映射关系表中包括仿真流程节点和仿真模板节点，与仿真知识的主题和类型的映射关系以及每条仿真知识的评分系数；以及
知识推送单元，被配置为根据所述匹配的仿真知识的主题和类型，以及每条仿真知识的评分系数，向仿真人员推送仿真知识；
知识评价单元，被配置为根据所述仿真人员对推送的每条仿真知识的评分，以及所述每条仿真知识被浏览的次数，得到所述每条仿真知识的综合评分；以及根据所述每条仿真知识的综合评分，更新所述每条仿真知识的评分系数。
8.一种知识推荐系统，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至6任一项所述的知识推荐方法。
9.一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至6任一项所述的知识推荐方法。
CN202010872540.4A 2020-08-26 2020-08-26 知识推送方法和系统 Active CN111967195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010872540.4A CN111967195B (zh) 2020-08-26 2020-08-26 知识推送方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010872540.4A CN111967195B (zh) 2020-08-26 2020-08-26 知识推送方法和系统

Publications (2)

Publication Number Publication Date
CN111967195A CN111967195A (zh) 2020-11-20
CN111967195B true CN111967195B (zh) 2023-07-07

Family

ID=73390976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010872540.4A Active CN111967195B (zh) 2020-08-26 2020-08-26 知识推送方法和系统

Country Status (1)

Country Link
CN (1) CN111967195B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105653714A (zh) * 2015-12-31 2016-06-08 西安航天动力研究所 一种基于智能捕捉的知识推送方法
CN110244657A (zh) * 2019-07-04 2019-09-17 合肥学院 一种基于知识表达模型的复杂曲面数字化制造方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013058120A (ja) * 2011-09-09 2013-03-28 Sony Corp 情報処理装置、情報処理方法、及び、プログラム
US9275332B2 (en) * 2012-10-10 2016-03-01 International Business Machines Corporation Systems, methods, and computer program products for expediting expertise
CN109212999B (zh) * 2018-07-20 2020-09-01 北京航空航天大学 数字卫星仿真工况的智能生成方法及系统
CN110991040A (zh) * 2019-12-02 2020-04-10 北京仿真中心 一种复杂产品协同仿真环境构建方法
CN114265309B (zh) * 2021-11-19 2023-09-05 江苏徐工工程机械研究院有限公司 一种工程机械优化控制策略推荐系统及方法
CN115659513A (zh) * 2022-11-02 2023-01-31 江南造船(集团)有限责任公司 船舶研发设计的仿真方法及仿真研发设计知识推送系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105653714A (zh) * 2015-12-31 2016-06-08 西安航天动力研究所 一种基于智能捕捉的知识推送方法
CN110244657A (zh) * 2019-07-04 2019-09-17 合肥学院 一种基于知识表达模型的复杂曲面数字化制造方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
云制造环境下基于用户行为感知的个性化知识服务技术;李颖新等;《计算机集成制造系统》;第21卷(第03期);第282-292页 *
面向卫星控制系统的集成仿真平台框架研究;管芳景;《现代信息科技》;第1卷(第05期);第64-66+68页 *

Also Published As

Publication number Publication date
CN111967195A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN110292775B (zh) 获取差异数据的方法及装置
CN107315764B (zh) 一种非关系型数据库关联数据的更新方法及系统
CN111158656B (zh) 基于因果树法的测试代码生成方法及装置
US8965797B2 (en) Explosions of bill-of-materials lists
CN114691831A (zh) 一种基于知识图谱的任务型汽车故障智能问答系统
CN115114421A (zh) 一种问答模型训练方法
CN113221362A (zh) 卫星发射场性能试验科目的选取方法、装置和电子设备
CN110276081B (zh) 文本生成方法、装置及存储介质
Melzer et al. Model-based development of a federated database infrastructure to support the usability of cross-domain information systems
CN111967195B (zh) 知识推送方法和系统
CN107729510B (zh) 信息交互方法、信息交互终端及存储介质
CN111444635B (zh) 一种基于xml语言的系统动力学仿真建模方法及系统
CN111143228B (zh) 基于决策表法的测试代码生成方法及装置
CN108614923A (zh) 一种用表格控制有限元建模和分析的方法
CN104572268A (zh) 一种高效动态软硬件划分方法
CN110928536A (zh) 一种图形化编程作品在线评测装置、系统及方法
CN113033178B (zh) 用于商业计划书的文本评估方法、装置及计算机
CN114971962A (zh) 学生作业的评价方法、装置、电子设备及存储介质
CN111368011B (zh) 知识图谱构建方法及装置、计算机设备及介质
CN110110280B (zh) 对坐标的曲线积分计算方法、装置、设备及存储介质
CN115470355A (zh) 轨道交通信息查询方法、装置、电子设备和存储介质
CN110414006B (zh) 文本的主题标注方法、装置、电子设备及存储介质
CN108920773B (zh) 一种动力学驱动的超精密运动系统详细方案设计方法与系统
CN109299381B (zh) 一种基于语义概念的软件缺陷检索和分析系统及方法
CN114281983A (zh) 分层结构的文本分类方法、系统、电子设备和存储介质

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