CN112417160B - 一种面向指标体系的语义化知识关联方法 - Google Patents
一种面向指标体系的语义化知识关联方法 Download PDFInfo
- Publication number
- CN112417160B CN112417160B CN202011252002.1A CN202011252002A CN112417160B CN 112417160 B CN112417160 B CN 112417160B CN 202011252002 A CN202011252002 A CN 202011252002A CN 112417160 B CN112417160 B CN 112417160B
- Authority
- CN
- China
- Prior art keywords
- index
- index system
- module
- entity
- 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
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本发明公开一种面向指标体系的语义化知识关联的构建方法,通过建立以知识语义为核心的指标体系,结合本体语义之间的关联关系,形成基于指标体系中概念、关系、实例的关系模型,实现指标体系层级之间以及指标与指标之间的知识关联。指标体系本体模块确定指标体系的本体结构三元组模型规则,指标体系实体模块确定指标体系的对象关系模型,由此,解决了以往方法中指标体系各层级指标元素中缺乏语义关联的问题,有利于建立指标体系中各指标元素的语义知识的关联关系。
Description
技术领域
本发明涉及一种知识语义化关联方法,特别是一种面向指标体系的知识语义化关联方法。
背景技术
指标体系通常基于层次分析法进行构建。层次分析法是将复杂的指标体系中的多个因素按支配关系进行分组,表示为有序的递阶层次结构。通过两两比较确定层次中各个因素的权重,进行定性判断和定量计算,对先验经验进行量化,是一种基于定性、定量分析相结合的指标体系构建方法。
但是,这种指标体系的构建方法通常是依据先验经验的量化关系,并不能明确指标体系层次之间和指标与指标之间的客观存在的关系。通过构建指标体系的语义关系,可以建立以指标特征为语义中心的指标体系知识本体模型,进行指标体系本体元素向量与指标语义单元核心信息的最终表达向量的语义匹配,形成一种面向指标体系的语义化知识关联技术,实现指标体系层级之间以及指标与指标之间的知识关联,从而客观表达指标体系中各元素的关联关系。
发明内容
本发明目的在于提供一种面向指标体系的语义化知识关联方法,解决以往指标体系构建过程中,出现的由先验经验引导的指标体系中各层次指标之间缺乏语义分析及关系的问题。
一种面向指标体系的语义化知识关联方法的具体步骤为:
第一步确定指标体系范围及层级
对指标体系的领域范围进行界定,确定元指标体系本体模型约束条件下的指标实例范围及指标体系层级结构。指标体系模型自上而下,按照系统级—分系统级—设备级的组织结构对指标体系本体—指标实体—指标实例的范围进行确认。
第二步搭建装备指标数据的本体模型系统
装备指标数据的本体模型系统,包括:指标体系本体模块、指标实体模块和指标实例模块。
指标体系本体模块的功能为:用于描述指标体系中各系统中实体的概念及关系的集合。
指标体系实体模块的功能为:用于描述指标体系中各分系统中对象的概念及关系的集合。
指标体系实例模块的功能为:用于描述指标体系中某一特定设备对象的具体概念及关系。
在指标体系中元指标属于元本体,指标体系实体概念集合C实体属于指标本体模块、指标体系对象概念集合C对象属于实体模块,指标对象具体概念C实例属于实例模块,因此,指标体系是指标实体的上级关系,指标实体是指标实例的上级关系,其约束关系用公式(1)表示:
第三步指标体系本体模块确定指标体系的本体结构三元组模型规则
根据已有的指标体系结构和语义规则,建立基于指标体系本体的四元组模型。用公式(2)表示:
公式(2)中,P是本体模型,体现指标体系中所有概念、实体、关系、公理和实例的集合。C表示P的概念集合,R表示P的关系集合,A表示P的公理集合,I表示P的实例集合。
第四步指标体系实体模块确定指标体系的对象关系模型
由指标实体功能定义,指标体系的对象关系模型就是各种实例关系模型的集合,用公式(3)表示。
Sig(P)={C1,C2,…,Cp;R1,R1,…,Rq;I1,I2,…,It|p∈N,q∈N,t∈N} (3)
公式(3)中,Sig(P)是指标体系中所有实体对象的集合,可表示指标体系中各级实体对象的关系。
至此,完成面向指标体系的语义化知识关联。
本发明以指标体系知识语义为核心,结合本体语义之间的关联关系,形成基于指标体系中概念、关系、实例的关系模型,实现指标体系层级之间以及指标与指标之间的知识关联,解决了以往方法中指标体系各层级指标元素中缺乏语义关联的问题。
具体实施方式
一种面向指标体系的语义化知识关联方法的具体步骤为:
第一步确定指标体系范围及层级
对指标体系的领域范围进行界定,确定指标体系本体模型约束条件下的指标实例范围及指标体系层级结构。指标体系模型自上而下,按照系统级—分系统级—设备级的组织结构对指标体系本体—指标实体—指标实例的范围进行确认。
第二步搭建装备指标数据的本体模型系统
装备指标数据的本体模型系统,包括:指标体系本体模块、指标实体模块和指标实例模块。
指标体系本体模块的功能为:用于描述指标体系中各系统中实体的概念及关系的集合。
指标体系实体模块的功能为:用于描述指标体系中各分系统中对象的概念及关系的集合。
指标体系实例模块的功能为:用于描述指标体系中某一特定设备对象的具体概念及关系。
在指标体系中元指标属于元本体,指标体系实体概念集合C实体属于指标本体模块、指标体系对象概念集合C对象属于实体模块,指标对象具体概念C实例属于实例模块,因此,指标体系是指标实体的上级关系,指标实体是指标实例的上级关系,其约束关系用公式(1)表示:
第三步指标体系本体模块确定指标体系的本体结构三元组模型规则
根据已有的指标体系结构和语义规则,建立基于指标体系本体的四元组模型。用公式(2)表示:
公式(2)中,P是本体模型,体现指标体系中所有概念、实体、关系、公理和实例的集合。C表示P的概念集合,R表示P的关系集合,A表示P的公理集合,I表示P的实例集合。
第四步指标体系实体模块确定指标体系的对象关系模型
由指标实体功能定义,指标体系的对象关系模型就是各种实例关系模型的集合,用公式(3)表示。
Sig(P)={C1,C2,…,Cp;R1,R1,…,Rq;I1,I2,…,It|p∈N,q∈N,t∈N} (3)
公式(3)中,Sig(P)是指标体系中所有实体对象的集合,可表示指标体系中各级实体对象的关系。
至此,完成面向指标体系的语义化知识关联。
Claims (6)
1.一种面向指标体系的语义化知识关联方法,其特征在于具体步骤为:
第一步 确定指标体系范围及层级
对指标体系的领域范围进行界定,确定元指标体系本体模型约束条件下的指标实例范围及指标体系层级结构;指标体系模型自上而下,按照系统级—分系统级—设备级的组织结构对指标体系本体—指标实体—指标实例的范围进行确认;
第二步 搭建装备指标数据的本体模型系统
装备指标数据的本体模型系统,包括:指标体系本体模块、指标实体模块和指标实例模块;
在指标体系中元指标属于元本体,指标体系实体概念集合C实体属于指标本体模块、指标体系对象概念集合C对象属于实体模块,指标对象具体概念C实例属于实例模块,因此,指标体系是指标实体的上级关系,指标实体是指标实例的上级关系,其约束关系用公式(1)表示:
第三步 指标体系本体模块确定指标体系的本体结构三元组模型规则
根据已有的指标体系结构和语义规则,建立基于指标体系本体的四元组模型;用公式(2)表示:
第四步 指标体系实体模块确定指标体系的对象关系模型
由指标实体功能定义,指标体系的对象关系模型就是各种实例关系模型的集合,用公式(3)表示;
Sig(P)={C1,C2,…,Cp;R1,R1,…,Rq;I1,I2,…,It|p∈N,q∈N,t∈N} (3)
至此,完成面向指标体系的语义化知识关联。
2.根据权利要求1所述的一种面向指标体系的语义化知识关联方法,其特征在于所述指标体系本体模块的功能为:用于描述指标体系中各系统中实体的概念及关系的集合。
3.根据权利要求1所述的一种面向指标体系的语义化知识关联方法,其特征在于所述指标体系实体模块的功能为:用于描述指标体系中各分系统中对象的概念及关系的集合。
4.根据权利要求1所述的一种面向指标体系的语义化知识关联方法,其特征在于所述指标体系实例模块的功能为:用于描述指标体系中某一特定设备对象的具体概念及关系。
5.根据权利要求1所述的一种面向指标体系的语义化知识关联方法,其特征在于所述公式(2)中,P是本体模型,体现指标体系中所有概念、实体、关系、公理和实例的集合;C表示P的概念集合,R表示P的关系集合,A表示P的公理集合,I表示P的实例集合。
6.根据权利要求1所述的一种面向指标体系的语义化知识关联方法,其特征在于所述公式(3)中,Sig(P)是指标体系中所有实体对象的集合,可表示指标体系中各级实体对象的关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252002.1A CN112417160B (zh) | 2020-11-11 | 2020-11-11 | 一种面向指标体系的语义化知识关联方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252002.1A CN112417160B (zh) | 2020-11-11 | 2020-11-11 | 一种面向指标体系的语义化知识关联方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112417160A CN112417160A (zh) | 2021-02-26 |
CN112417160B true CN112417160B (zh) | 2023-07-25 |
Family
ID=74781448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011252002.1A Active CN112417160B (zh) | 2020-11-11 | 2020-11-11 | 一种面向指标体系的语义化知识关联方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417160B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 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 |
CN110727801A (zh) * | 2019-04-04 | 2020-01-24 | 郑州师范学院 | 基于本体的模糊评价搜索引擎广告优化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8027948B2 (en) * | 2008-01-31 | 2011-09-27 | International Business Machines Corporation | Method and system for generating an ontology |
US10985997B2 (en) * | 2016-05-06 | 2021-04-20 | Enterpriseweb Llc | Systems and methods for domain-driven design and execution of metamodels |
-
2020
- 2020-11-11 CN CN202011252002.1A patent/CN112417160B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921295A (zh) * | 2018-06-28 | 2018-11-30 | 中科院合肥技术创新工程院 | 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 |
CN110727801A (zh) * | 2019-04-04 | 2020-01-24 | 郑州师范学院 | 基于本体的模糊评价搜索引擎广告优化方法 |
Non-Patent Citations (1)
Title |
---|
基于本体的船舶焊接工艺知识图谱构建;凡天娣;景旭文;肖志建;李磊;徐建新;;电焊机(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112417160A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | MMEA: entity alignment for multi-modal knowledge graph | |
JP2021099765A (ja) | Aiによるデータガバナンスの最適化方法 | |
CN110147357A (zh) | 一种基于大数据环境下的多源数据聚合抽样方法及系统 | |
CN109101620A (zh) | 相似度计算方法、聚类方法、装置、存储介质及电子设备 | |
CN108920654A (zh) | 一种问答文本语义匹配的方法和装置 | |
CN104346438B (zh) | 基于大数据数据管理服务系统 | |
CN111768285A (zh) | 信贷风控模型构建系统、方法、风控系统及存储介质 | |
CN104850601B (zh) | 基于图数据库的警务实时分析应用平台及其构建方法 | |
CN109902714B (zh) | 一种基于多图正则化深度哈希的多模态医学图像检索方法 | |
CN102915365A (zh) | 基于Hadoop的分布式搜索引擎构建方法 | |
WO2023124191A1 (zh) | 基于深度图匹配的医疗数据元自动化分类方法及系统 | |
CN113554063A (zh) | 一种工业数字孪生虚实数据融合方法、系统、设备、终端 | |
CN115034206A (zh) | 一种客服热点事件发现方法及系统 | |
Shinde et al. | Cbica: Correlation based incremental clustering algorithm, a new approach | |
CN112417160B (zh) | 一种面向指标体系的语义化知识关联方法 | |
CN113806528A (zh) | 一种基于bert模型的话题检测方法、设备及存储介质 | |
CN113222109A (zh) | 一种基于多源异构数据聚合技术的物联网边缘算法 | |
US11836637B2 (en) | Construction method of human-object-space interaction model based on knowledge graph | |
CN106649551A (zh) | 基于cbr有限元模板的检索方法 | |
CN105373561B (zh) | 识别非关系数据库中的记录模式的方法和设备 | |
CN114612914A (zh) | 一种多标签不平衡数据分类的机器学习方法及系统 | |
Meng | [Retracted] Text Clustering and Economic Analysis of Free Trade Zone Governance Strategies Based on Random Matrix and Subject Analysis | |
Si | [Retracted] Classification Method of Ideological and Political Resources of Broadcasting and Hosting Professional Courses Based on SOM Artificial Neural Network | |
CN113836261A (zh) | 一种专利文本新颖性/创造性预测方法及装置 | |
CN110852206A (zh) | 一种联合全局特征和局部特征的场景识别方法及装置 |
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 |