CN112084304A - 一种人工智能辅助创新方法、装置及计算机可读介质 - Google Patents
一种人工智能辅助创新方法、装置及计算机可读介质 Download PDFInfo
- Publication number
- CN112084304A CN112084304A CN202010914691.1A CN202010914691A CN112084304A CN 112084304 A CN112084304 A CN 112084304A CN 202010914691 A CN202010914691 A CN 202010914691A CN 112084304 A CN112084304 A CN 112084304A
- Authority
- CN
- China
- Prior art keywords
- text
- knowledge
- ontology
- innovation
- semantic
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本发明提出了一种人工智能辅助创新方法、装置及计算机可读存储介质,所述方法包括获取语义本体,重构发明信息库,协同标注参考文本,实现发明信息和参考文本语义映射;利用语义本体概念和实例扩展检索式,结合场景、概念分配权重进行综合检索排序,筛选文本生成辅助创新方案。本发明有效建立已知发明信息库与参考文本的语义桥梁,为精准化发明创新、技术改造和辅助产业升级提供可行方案。
Description
技术领域
本发明涉及人工智能领域,尤其涉及计算机智能辅助创新领域。
背景技术
传统辅助创新方法包括经验调查、头脑风暴等方法,1946年以来,前苏联团队从40万份专利中提炼了跨行业技术系统的通用解决问题工具—经典TRIZ创新方法论,包括系统分析、矛盾矩阵、物场模型等抽象描述,以及40个发明原理、四种分离方法、76个物场标准解和科学效应知识库等发明信息。但是经典TRIZ没有属性这个术语,无法涵盖数以千计的对象属性,技术矛盾分析和物场分析难以统一,矛盾与发明原理语义关系不具有可解释性。因此,直接利用经典TRIZ方法进行发明创新困难重重。针对上述问题,现代TRIZ流派加深了对进化趋势、功能、属性认知,但现代TRIZ方法无法与TRIZ发明信息库、专利等参考文本语义结合,难以检索到与输入描述相匹配的知识,与实际问题处理之间存在语义脱节,目前,人们急需探索一种可解释地融合已有发明信息和参考文本的可行方案。
发明内容
针对上述问题,本发明提供了一种人工智能辅助创新方法、装置、电子设备及计算机可读存储介质,基于语义本体重构发明信息库;进一步借助人工智能方法抽取参考文本的语义本体映射知识;设计语义检索方法,筛选目标文本并生成辅助创新方案。
本发明的第一方面提供了一种人工智能辅助创新方法,其特征在于:
构建语义本体;
利用所述语义本体分别抽取发明信息和参考文本中的知识;
扩展检索元素,生成辅助创新方案。
在一些实施例中,所述语义本体,但不限于功能属性本体、功能对象本体、关联参数本体中的一种或多种组合;
在一些实施例中,所述功能属性本体是基于TRIZ理论或其他创新理论,结合系统分析、功能模型和属性分析,抽象出的功能操作、属性的层级化概念及关系;
在一些实施例中,所述功能对象本体,通过归纳提炼功能操作、物质对象的层级化概念及关系;
在一些实施例中,所述关联参数本体,包括与发明创新文本相关的参数或参数组合,归纳关联参数的层级化概念及关系;
在一些实施例中,所述功能操作包括但不限于动词及其多层级概念结构;
在一些实施例中,所述属性包括TRIZ发明信息库和各类科技文献中记录的属性、属性参数;
在一些实施例中,所述对象包括TRIZ发明信息库和各类科技文献中记录的客观实体、物质、能量和信息;
在一些实施例中,所述参数包括TRIZ发明信息库和科技文献中记录的各类变量或特征参数;
在一些实施例中,所述层级化概念体系是每个概念的上下位、同位关系,概念中相似实例,以及各类说明文本;
发明信息的知识抽取是基于语义本体对已有发明信息内容标注概念标签;参考文本知识抽取是基于语义本体,对参考文本进行人工标注,或利用自动化手段从非结构化参考文本中抽取结构化标注结果;
在一些实施例中,所述发明信息包括TRIZ理论中的发明原理、流改进措施、标准解、科学效应信息各类条目;
在一些实施例中,所述参考文本包括但不限于专利文本、科技文献、技术报告;
在一些实施例中,所述知识抽取还包括存储、索引、编辑上述层级化知识;
在一些实施例中,所述自动化手段包括语法特征、规则模板或算法模型;
所述扩展检索元素,是对输入的检索元素,基于语义本体和层级化知识对元素进行语义扩展;
在一些实施例中,所述语义扩展包括概念、实例、上下位元素扩展;
在一些实施例中,所述语义扩展还包括设计布尔逻辑规则,获得扩展检索式;
在一些实施例中,所述检索元素是语义本体支持的各类元素,包括但不限于功能、对象、属性、参数、层级关系;
所述生成辅助创新方案,包括从层级化索引的发明和参考文本知识中,搜索、召回排序、筛选目标文本;
在一些实施例中,所述搜索,利用扩展检索式对各类知识进行搜索,对元素变形扩展,匹配召回发明信息、参考文本中的一种或组合文本;
在一些实施例中,所述召回排序,根据待创新问题相关资源、系统、组件特征,以及相关领域、相关用户、选择偏好约束,配置权重策略,进行召回排序;
在一些实施例中,所述权重策略,还包括输入元素的上位概念、同位和下位实例;
在一些实施例中,所述筛选,根据权重策略从排序结果中,推荐发明信息、参考文本的一种文本或组合文本;
在一些实施例中,所述推荐,包括文本匹配或文本分类方法,并迭代优化;
在一些实施例中,所述文本分类方法可选择规则、聚类、分类方法;
所述生成辅助创新方案,还包括对目标文本的编辑、摘要抽取或组合文本;
在一些实施例中,所述摘要抽取,从目标文本中,根据文本规则或模型抽取主题描述句,生成文本摘要;
本发明的第二方面提供了一种人工智能辅助创新装置,包括:发明信息和参考文本知识编辑模块,知识检索模块,创新方案生成模块,可选的,还包括语义本体抽取模块;
发明信息和参考文本知识编辑模块,用于知识的索引、增删改查等编辑操作,可选的,支持实时数据持久化;
知识检索模块,用于对检索式进行扩展、编辑、生成,以及对发明信息和参考文本的检索,对召回结果进行排序和筛选;
创新方案生成模块,用于对创新方案和专利方案的文本生成、编辑、推荐;
在一些实施例中,还包括语义本体构建模块,用于构建各种本体,本体包括功能对象、功能属性和关联参数等;
在一些实施例中,上述模块可以通过硬件实现,也可以通过硬件执行相应的软件实现,所述硬件或软件包括一个或多个与上述功能相对应的模块;
本发明的第三方面提供了一种电子设备,包括一个或多个存储装置和处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一方法。
本发明的第四方面提供了一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算装置执行时,可操作来执行上述任一方法。
本发明的上述技术方案具有如下有益技术效果:
搭建一套语义本体,实现对已有发明信息和参考文本的多层级语义索引,完成两类知识的统一语义概念映射,方便语义匹配和搜索推荐;
设计一套语义搜索流程,通过输入元素语义扩展、设置权重策略,搜索、召回排序、筛选文本,智能生成辅助创新方案。
应当理解的是,以上的一般描述和后文的细节描述仅仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。结合附图,通过以下非限制性实施方式的详细描述,本发明的其它特征、目的和优点将变得更加明显。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构和操作。
附图:
图1示出根据本发明一实施方式的辅助创新方法的流程图;
图2示出根据图1所示实施方式的步骤S102的流程图;
图3示出根据图1所示实施方式的步骤S104的流程图;
图4示出根据本发明的一种语义本体构建的可实施方式示意图;
图5示出根据图1所示实施方式的标注索引流程图;
图6示出根据图5所示实施方式的步骤S504的流程图;
图7示出根据图6所示实施方式的标注结果示意图;
图8示出根据图1所示实施方式的步骤S106的流程图;
图9示出根据图8所示实施方式的步骤S808的流程图;
图10示出根据本发明的一种实施方式的辅助创新装置的结构框图;
图11示出根据图10可选择的语义本体编辑模块1010的结构框图;
图12示出根据图11可选择的语义本体编辑模块1120的结构框图;
图13示出根据图10所示实施方式的搜索模块1020的结构框图;
图14示出根据图10所示实施方式的生成模块1030的结构框图;
图15示出根据本发明一实施方式的电子设备的结构框图;
图16示出适于实现根据本发明一实施方式的辅助创新方法的电子设备的结构示意图。
具体实施方式
在下面的详细描述中,通过示例阐述了本申请的许多具体细节,以便提供对相关披露的透彻理解。然而,对于本领域的普通技术人员来讲,本申请显而易见的可以在没有这些细节的情况下实施。应当理解的是,本申请中使用“系统”、“装置”、“单元”和/或“模块”术语,是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而,如果其他表达式可以实现相同的目的,这些术语可以被其他表达式替换。
本申请所用术语仅为了描述特定实施例,而非限制本申请范围。如本申请说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件,而该类表述并不构成一个排它性的罗列,其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。
本申请的保护范围以权利要求为准。下文中,将参考附图详细描述本发明的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本发明中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。另外还需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
本发明的技术方案可以应用在辅助工业设计、智能制造、产品研发等多个领域的发明创新方面。具体而言,本发明的技术方案主要针对可行的辅助创新方法进行探索。
本发明的第一方面提供了一种人工智能辅助创新方法,包括如下步骤:
具体实施方式如下:
图1示出根据本发明一实施方式的辅助创新方法的流程图100。如图1所示,所述辅助创新方法包括以下步骤S102-S106:
在步骤S102中,构建语义本体;
在步骤S104中,利用所述语义本体分别抽取发明信息和参考文本中的知识;
在步骤S106中,所述语义本体和知识扩展检索元素,检索筛选目标文本,生成辅助创新方案。
在一些实施例中,所述语义本体,至少包括功能属性本体、功能对象本体、关联参数本体中的一种;
其中,所述功能属性本体是基于TRIZ理论或其他创新理论,结合系统分析、功能模型和属性分析,抽象出的功能操作、属性的层级化概念及关系。具体地,比如功能操作一级概念“增加”,实例为“提高”,属性概念可以为“亮度”,属性实例可以为“亮度值”;
在一些实施例中,所述功能对象本体,通过归纳提炼功能操作、物质对象的层级化概念及关系。具体地,比如功能操作一级概念“增加”,实例为“堆积”,对象概念可以为“固体”,对象实例可以为“元器件”;
在一些实施例中,所述关联参数本体,包括与发明创新文本相关的参数或参数组合,归纳关联参数的层级化概念及关系。具体地,比如参数概念“领域”,二级参数为“物理量”,参数实例可以为“体重”;
在一些实施例中,所述关系包括“上下位”、“同位”、“同义”、“近义”、“反义”等类似名称,比如“物理量”是“体重”的上位概念,那么可以说成“物理量”这个概念包含“体重”这个实例,“物理量”与“体重”是“包含”关系,等价于“上下位”关系。
在本实施例的一个可选实现方式中,所述语义本体构建,如图2所示,所述方法包括:
在步骤S202中,从发明创新、工业设计、产品研发生产等现实问题出发,根据系统分析、资源分析、因果分析、最终理想解,归纳出各类待解决或待创新系统;
在步骤S204中,从系统中划分各类组件,形成组件模型和组件关系,比如计算机系统包括键盘、鼠标、显示器、电源等组件;
在步骤S206中,在问题系统的组件模型中,抽象出最小作用单元(或最小作用系统);
进一步地,抽象概括出语义特征,如图3所示,所述方法包括:
在步骤S302中,从所述各类最小作用单元中归纳出功能模型或参数;
在步骤S304中,语义本体可以通过抽象出的功能-对象组合,获取功能对象概念和实例集合,比如“提高亮度”、“提高温度”等;
在步骤S306中,语义本体可以通过抽象出的功能-属性组合,获取功能属性和实例集合,比如“堆积燃料”、“堆积矿物”等;
在步骤S308中,语义本体可以通过抽象出的发明创新的关联参数概念体系,比如“人工智能芯片体积”等;
进一步地,上述任意功能语义本体或本体组合,形成一个完整的语义本体,用于对已有发明信息或参考文本进行标记或索引;
可选的,如图4所示,一种本体构建编辑工具可以用于方便建立语义本体。
进一步地,利用所述语义本体分别抽取发明信息和参考文本中的知识,具体地,一种可选方案如图5所示,所述步骤包括:
在步骤S502中,通过发明信息库内容进行归纳,所述语义本体用于对已有发明信息进行标记或索引;
可选地,所述已知发明信息包括以下至少一种:发明原理(TRIZ发明措施)、流改进措施、标准解、科学效应;
在步骤S504中,语义本体对参考文本进行抽取,可选方法包括人工标注、自动标注。具体地,针对结构化参考文本,可以直接打上语义标签,比如科学效应中的“卡门涡街效应”可以标记为“桥梁振动”。或利用机器学习方法进行标签分类;
在一些实施方式中,对于非结构化参考文本,可以直接标注,或基于语义本体进行结构化标注,如图6所示,步骤包括:
在步骤S602中,基于语义本体标注非结构化参考文本数据;
在步骤S604中,通过机器学习方法对标注数据的模型训练,选择最优模型用于参考文本的自动标注;
在步骤S606中,抽取标注结果和对应标签,获取结构化实例和实例关系、属性信息,做为参考文本的索引基础。
在步骤S506中,进一步将发明信息和参考文本的处理好的知识索引、存储,一并用于辅助创新方案检索和生成。
可选地,数据可以通过三元组图数据、特征字段关系数据等索引存储。
可选地,索引后的参考文本知识以图数据形式可视化表示,如图7所示,比如“碳化钨”的属性“直径”,“碳化钨”是“复合粉末”的一个实例。
在一些实施方式中,通过图2和图3可以对实际问题进行分析,抽象出最小作用单元的功能或参数元素,用于后续检索排序。具体地,如图8所示,所述方法的步骤包括:
在步骤S802中,输入待创新功能或参数元素,基于语义本体和推理规则进行元素扩展。所述扩展检索元素,是对输入的检索元素,基于语义本体和层级化知识对元素进行语义扩展。在一些实施例中,所述语义扩展包括概念、实例、上下位元素扩展。在一些实施例中,所述语义扩展还包括设计布尔逻辑规则,在一些实施例中,所述逻辑规则包括但不限于布尔操作符、布尔逻辑的分类方法;
一些实施方式中,所述检索元素是语义本体支持的各类元素,包括但不限于功能、对象、属性、参数、层级关系;
在步骤S804中,获得扩展检索式。利用扩展检索式,在已索引的发明信息和参考文本中进行搜索,所述筛选目标文本,是从层级化索引知识中,搜索召回、排序、筛选文本;
所述搜索召回,利用扩展检索式对各类知识进行搜索,对元素变形扩展,通过文本匹配方法召回发明信息、参考文本中的一种或组合文本;
可选地,文本匹配方法可选择对元素的上位概念、同位和下位实例的字符匹配或语义匹配;
在步骤S806中,参考输入元素相关特征,结合权重策略进行排序;
在一些实施例中,所述权重策略,包括输入元素的上位概念、同位实例、下位实例的不同权重规则设置;
在一些实施例中,所述权重策略,还包括根据待创新问题相关资源、系统、组件特征,以及相关领域、相关用户、选择偏好约束,配置权重;
可选地,偏好策略包括历史记录、用户选择权重等;
在一些实施例中,所述筛选目标文本,根据权重策略从排序结果中,推荐发明信息、参考文本的一种文本或组合文本;
可选地,排序和筛选方法,包括文本匹配或文本分类方法,并迭代优化。分类方法可选择规则、聚类、分类等多种方法;
在步骤S808中,给出辅助创新文本参考意见,具体地,如图9所示,一些实施例中,所述方法步骤如下:
在步骤S902中,目标文本的编辑。所述编辑,包括文本增删改查操作;
可选地,目标文本包括筛选后的发明信息和参考文本中知识、原始内容、问题相关背景文本。
在步骤S904中,目标文本的摘要生成。所述摘要生成,从目标文本中,根据文本规则或模型抽取主题描述词句;
在步骤S906中,对编辑或生成的文本进行组合,生成辅助创新意见;
第二方面,本发明提供了一种人工智能辅助创新装置,该装置实施例可以用于执行本发明方法实施例。
图10示出了根据本发明一实施方式的一种人工智能辅助创新装置的结构框图,该装置可以通过软件、硬件或两者结合成为电子设备的部分或全部,如图10所示,所述人工智能辅助创新装置包括:
语义分析模块1010,被配置为构建语义本体,利用所述语义本体分别标注或抽取发明信息和参考文本中的知识。编辑功能操作、物质对象、属性、关联参数的层级化概念及关系,编辑待解决或待创新问题系统、组件、功能、参数;
搜索推荐模块1020,被配置为检索元素知识扩展,检索目标文本,对结果进行排序;
辅助创新方案生成模块1030,被配置为生成辅助创新方案;
在本实施例的一个可选实现方式中,所述语义分析模块,如图11所示,包括系统组件分析单元1110、功能参数分析单元1120;
所述系统组件分析单元1110从发明创新、工业设计、产品研发生产等现实问题出发,根据系统分析、资源分析、因果分析、最终理想解,从系统中划分各类组件,形成组件模型和组件关系。在问题系统的组件模型中,抽象出最小作用单元(或最小作用系统);
其中,所述功能参数分析单元1120,如图12所示,包括功能编辑子单元1210、参数编辑子单元1220、本体构建子单元1230;
所述功能编辑子单元1210,从所述各类最小作用单元中归纳出功能模型或参数,抽象概括出语义特征,抽象出功能-对象组合,获取功能对象概念和实例集合;抽象出功能-属性组合,获取功能属性和实例集合;
所述参数编辑子单元1220,抽象出发明创新的关联参数概念体系;
所述本体构建子单元1230,对功能语义本体或本体组合,形成一个完整的语义本体,用于对已有发明信息或参考文本进行标记或索引;
所述搜索推荐模块1020,如图13所示,包括检索式生成单元1310和检索单元1320;
所述检索式生成单元1310对输入功能或参数元素,基于语义本体和推理规则进行元素扩展,获得扩展检索式。
在一些实施例中,可选地,对元素变形扩展,也可以通过检索元素搜索到的概念、实例、上下位层级关系元素扩展;
在一些实施例中,可选地,还包括配置布尔逻辑规则、布尔操作符、布尔逻辑分类模型;
所述检索单元1320,利用扩展检索式在已索引的发明信息和参考文本中进行搜索,从层级化索引的发明信息、参考文本知识中,搜索召回、排序文本或文本组合;
在一些实施例中,配置权重策略进行排序;
可选地,硬性设置权重规则,调用偏好策略;
可选地,配置文本匹配或文本分类模型;
所述辅助创新方案生成模块1030,给出辅助创新文本参考意见,如图14所示,包括筛选单元1410和生成单元1420;
其中,所述筛选单元1410,在一些实施例中筛选目标文本,根据权重策略从排序结果中,推荐发明信息、参考文本的一种文本或组合文本;
其中,所述生成单元1420,对目标文本进行增删改查编辑操作;
可选地,配置文本规则或模型抽取主题描述词句;
可选地,对编辑或生成的文本进行组合,生成辅助创新意见。
本发明还公开了一种电子设备,图15示出根据本发明一实施方式的电子设备的结构框图1500,如图15所示,所述电子设备1500包括存储器1510和处理器1520;
其中,所述存储器1510用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器1520执行以实现上述实施方式中人工智能辅助创新方法的方法步骤。
如图16所示电子设备的结构示意图,电子设备1600包括中央处理单元(CPU)1601,其可以根据存储在只读存储器(ROM)1602中的程序或者从存储部分1610加载到随机访问存储器(RAM)1603中的程序而执行上述图1所示的实施方式中的各种处理。在RAM1603中,还存储有电子设备1600操作所需的各种程序和数据。CPU1601、ROM1602以及RAM1603通过总线1604彼此相连。输入/输出(I/O)接口1605也连接至总线1604。
以下部件连接至I/O接口1605:驱动器1606根据需要连接至I/O接口1605;可拆卸介质1607,诸如磁盘、光盘、磁光盘、半导体存储器等等;根据需要安装在驱动器1606上包括键盘、鼠标等的输入部分1608;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1609;包括硬盘等的存储部分1610;便于读出的计算机程序根据需要被安装入存储部分1610;诸如LAN卡、调制解调器等的网络接口卡的通信部分1611。通信部分1611经由诸如因特网的网络执行通信处理。
作为另一方面,本发明还提供了一种计算机可读存储介质该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本发明的方法。
特别地,根据本发明的实施方式,上文参考图1描述的方法可以被实现为计算机软件程序。例如,本发明的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图1方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分1611从网络上被下载和安装,和/或从可拆卸介质1607被安装。
附图中的流程图和框图,图示了按照本发明各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
因此,一个计算机可读的介质可能有多种形式,包括但不限于,有形的存储介质,载波介质或物理传输介质。稳定的储存介质包括:光盘或磁盘,以及其他计算机或类似设备中使用的,能够实现图中所描述的系统组件的存储系统。不稳定的存储介质包括动态内存,例如计算机平台的主内存。有形的传输介质包括同轴电缆、铜电缆以及光纤,包括计算机系统内部形成总线的线路。载波传输介质可以传递电信号、电磁信号,声波信号或光波信号,这些信号可以由无线电频率或红外数据通信的方法所产生的。通常的计算机可读介质包括硬盘、软盘、磁带、任何其他磁性介质;CD-ROM、DVD、DVD-ROM、任何其他光学介质;穿孔卡、任何其他包含小孔模式的物理存储介质;RAM、PROM、EPROM、FLASH-EPROM,任何其他存储器片或磁带;传输数据或指令的载波、电缆或传输载波的连接装置、任何其他可以利用计算机读取的程序代码和/或数据。这些计算机可读介质的形式中,会有很多种出现在处理器在执行指令、传递一个或更多结果的过程之中。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,例如,局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
本领域技术人员能够理解,本申请所披露的内容可以出现多种变型和改进。例如,以上所描述的不同系统组件都是通过硬件设备所实现的,但是也可能只通过软件的解决方案得以实现。例如:在现有的服务器上安装系统。此外,这里所披露的位置信息的提供可能是通过一个固件、固件/软件的组合、固件/硬件的组合或硬件/固件/软件的组合得以实现。
以上内容描述了本申请和/或一些其他的示例。应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。本申请披露的主题能够以不同的形式和例子所实现,并且本申请可以被应用于大量的应用程序中。权利要求中所要求保护的所有应用、修饰以及改变都属于本申请的范围。
Claims (15)
1.一种人工智能辅助创新方法,其特征在于,包括:语义本体的构建;
所述语义本体中分别抽取发明信息和参考文本中的知识;
所述语义本体和知识用于扩展检索元素,且通过检索生成辅助创新方案。
2.根据权利要求1所述的方法,其特征在于,所述语义本体,至少包括功能属性本体、功能对象本体、关联参数本体中的一种。
3.根据权利要求2所述的方法,其特征在于,所述功能属性本体是基于TRIZ理论或其他创新理论,抽象出的功能操作、属性各自的层级化概念及关系;
所述功能对象本体,通过归纳提炼功能操作、操作对象各自的层级化概念体系及关系。
4.根据权利要求2所述的方法,其特征在于,所述属性包括发明信息库和各类参考文本中记录的操作对象属性、属性实例;
所述操作对象包括发明信息库和各类参考文本中记录的客观实体、物质、能量和信息。
5.根据权利要求2所述的方法,其特征在于,所述关联参数本体,包括与发明创新相关的参数,和参数层级化概念体系及关系;
所述参数包括发明信息库和参考文本中记录的各类变量或特征参数。
6.根据权利要求3-5所述的方法,其特征在于,所述层级化概念体系是每个概念的上下位、同位概念,概念实例,以及各项说明解释文本;
所述关系是本体中各项元素之间关系概念和关系实例。
7.根据权利要求1、3-5所述的方法,其特征在于,所述发明信息包括TRIZ理论中的发明原理、流改进措施、标准解、科学效应信息的每项内容;
所述参考文本包括专利文本、科技文献、技术报告。
8.根据权利要求1所述的方法,其特征在于,所述发明信息知识抽取是基于语义本体对知识标注各类概念标签;
所述参考文本知识抽取,基于语义本体,对参考文本进行人工标注,或利用语法特征、规则模板或算法模型从非结构化参考文本中标注或抽取知识;
所述知识抽取还包括存储、索引、编辑上述各项层级化知识。
9.根据权利要求1所述的方法,其特征在于,所述检索元素是语义本体支持的各类元素,包括功能、对象、属性、参数、层级关系;
所述扩展检索元素,基于语义本体和层级化知识对输入元素进行概念、实例、上下位元素扩展,结合布尔逻辑规则获得扩展检索式。
10.根据权利要求1所述的方法,其特征在于,所述生成辅助创新方案,包括基于层级化索引的发明和参考文本知识,搜索召回、排序、筛选文本,并编辑、摘要或组合文本。
11.根据权利要求10所述的方法,其特征在于,所述搜索召回是利用扩展检索式对各类知识进行搜索,对元素变形扩展,通过布尔搜索匹配召回发明信息、参考文本中至少一类文本;
所述排序是根据待创新问题相关资源、系统、组件特征以及相关领域、相关用户,选择偏好约束,配置权重策略,进行召回排序;
所述筛选,根据权重策略从排序结果中,推荐发明信息、参考文本的一种文本或组合文本;
所述摘要抽取,从目标文本中,根据文本规则或模型抽取主题描述句,生成文本摘要。
12.一种人工智能辅助创新装置,其特征在于,包括:发明信息和参考文本知识编辑模块,知识检索模块,创新方案生成模块,可选地还包括语义本体抽取模块;
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现;
所述硬件或软件包括一个或多个与上述功能相对应的模块。
13.根据权利要求12所述的装置,其特征在于,所述语义本体抽取模块,用于构建各种本体,本体包括功能对象、功能属性和关联参数等;
所述发明信息和参考文本知识编辑模块,用于知识的索引、增删改查等编辑操作,可选的,支持实时数据持久化;
所述知识检索模块,用于对检索式进行扩展、编辑、生成,以及对发明信息和参考文本的检索,对召回结果进行排序和筛选;
所述创新方案生成模块,用于对创新方案和专利方案的文本生成、编辑、推荐。
14.一种电子设备,其特征在于,包括一个或多个存储装置和处理器,所述存储装置是用于存储一个或多个程序,一个或多个所述程序被一个或多个所述处理器执行,使得一个或多个所述处理器执行如权利要求1-11任一所述辅助创新方法。
15.一种计算机可读存储介质,存储介质存储计算机指令,其特征在于,所述计算机指令被计算机读取后执行如权利要求1-11任一所述的辅助创新方法,执行指令被计算装置执行时,可操作来执行上述任一方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010914691.1A CN112084304A (zh) | 2020-09-03 | 2020-09-03 | 一种人工智能辅助创新方法、装置及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010914691.1A CN112084304A (zh) | 2020-09-03 | 2020-09-03 | 一种人工智能辅助创新方法、装置及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112084304A true CN112084304A (zh) | 2020-12-15 |
Family
ID=73731428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010914691.1A Withdrawn CN112084304A (zh) | 2020-09-03 | 2020-09-03 | 一种人工智能辅助创新方法、装置及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084304A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357121A (zh) * | 2022-03-10 | 2022-04-15 | 四川大学 | 一种基于数据驱动的创新方案设计方法和系统 |
CN114399277A (zh) * | 2021-12-30 | 2022-04-26 | 四川大学 | 辅助概念设计者进行定制产品概念设计的系统 |
CN116090132A (zh) * | 2023-02-23 | 2023-05-09 | 北京理工大学 | 一种面向复杂产品设计的决策支持方法与系统 |
WO2023088309A1 (zh) * | 2021-11-19 | 2023-05-25 | 北京有竹居网络技术有限公司 | 用于改写叙事性文本的方法、设备、装置和介质 |
-
2020
- 2020-09-03 CN CN202010914691.1A patent/CN112084304A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023088309A1 (zh) * | 2021-11-19 | 2023-05-25 | 北京有竹居网络技术有限公司 | 用于改写叙事性文本的方法、设备、装置和介质 |
CN114399277A (zh) * | 2021-12-30 | 2022-04-26 | 四川大学 | 辅助概念设计者进行定制产品概念设计的系统 |
CN114399277B (zh) * | 2021-12-30 | 2023-09-22 | 四川大学 | 辅助概念设计者进行定制产品概念设计的系统 |
CN114357121A (zh) * | 2022-03-10 | 2022-04-15 | 四川大学 | 一种基于数据驱动的创新方案设计方法和系统 |
CN116090132A (zh) * | 2023-02-23 | 2023-05-09 | 北京理工大学 | 一种面向复杂产品设计的决策支持方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507715B (zh) | 确定实体之间关联关系的方法、装置、设备和存储介质 | |
Sinoara et al. | Text mining and semantics: a systematic mapping study | |
US10725836B2 (en) | Intent-based organisation of APIs | |
CN101739335B (zh) | 建议的应用评估系统 | |
Burgueño et al. | An NLP-based architecture for the autocompletion of partial domain models | |
CN112084304A (zh) | 一种人工智能辅助创新方法、装置及计算机可读介质 | |
Zhang et al. | A semantic representation model for design rationale of products | |
Nigro et al. | Data mining with ontologies: Implementations, findings, and frameworks: Implementations, findings, and frameworks | |
Buchkremer et al. | The application of artificial intelligence technologies as a substitute for reading and to support and enhance the authoring of scientific review articles | |
Aldrees et al. | Comparative evaluation of four multi‐label classification algorithms in classifying learning objects | |
Jiang et al. | Patent data for engineering design: A critical review and future directions | |
Gargouri et al. | Ontology Theory, Management and Design: Advanced Tools and Models: Advanced Tools and Models | |
Osborne et al. | Reducing the effort for systematic reviews in software engineering | |
CN113220901A (zh) | 基于增强智能的写作构思辅助系统、网路系统 | |
CN115374781A (zh) | 文本数据信息挖掘方法、装置、设备 | |
Qiu et al. | A question answering system based on mineral exploration ontology generation: A deep learning methodology | |
CN112199558A (zh) | 一种创新知识库构建工具、电子设备及计算机可读介质 | |
Sampada et al. | A review on advanced techniques of requirement elicitation and specification in software development stages | |
Voigt et al. | Using expert and empirical knowledge for context-aware recommendation of visualization components | |
CN112199557A (zh) | 一种发明内容推荐工具、电子设备及计算机可存储介质 | |
Musabeyezu | Comparative study of annotation tools and techniques | |
Mandal | MultiTes: a knowledge organization thesaurus construction tool for college libraries under the University of Burdwan | |
Narayanan et al. | Communicating standards through structured terminology | |
Wang et al. | AceMap: Knowledge Discovery through Academic Graph | |
Mohemad et al. | Ontological-based information extraction of construction tender documents |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201215 |
|
WW01 | Invention patent application withdrawn after publication |