CN112949321B - 面向意图计算与推理的dikw模型构建方法及装置 - Google Patents
面向意图计算与推理的dikw模型构建方法及装置 Download PDFInfo
- Publication number
- CN112949321B CN112949321B CN202110430285.2A CN202110430285A CN112949321B CN 112949321 B CN112949321 B CN 112949321B CN 202110430285 A CN202110430285 A CN 202110430285A CN 112949321 B CN112949321 B CN 112949321B
- Authority
- CN
- China
- Prior art keywords
- typed
- resources
- resource
- target resource
- relationship
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本申请公开了一种面向意图计算与推理的DIKW模型构建方法及装置,其中,所述方法包括:获取类型化资源;其中,所述类型化资源包括数据资源、信息资源、知识资源、目的资源;构建每种类型的所述类型化资源对应的图谱;分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型;其中,所述亲子包含关系指代两个所述类型化资源间在语义上的包含关系;所述逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的所述类型化资源所表达的语义的关系;所述类型化资源之间的所述亲子关系以及所述逻辑关系在模型中,通过对应的节点间的不同连线表示。
Description
技术领域
本申请涉及数据模型构建技术领域,特别涉及一种面向意图计算与推理的DIKW模型构建方法及装置。
背景技术
随着互联网的广泛普及和物联网等相关技术的快速发展,大量的资源被编译,社会对资源快速有效处理和利用的需求不断增长。人们渴望用自动手段处理海量资源,特别是复杂的自然语言资源。
然而,由于自然语言本身的复杂性,现有的自然语言处理理论和方法的研究不能为处理应用系统的开发提供足够的支持,需要从对自然语言语义的理解入手进行更多的研究。
所以,为了促进自然语言的表达和理解,DIKW体系开始被广泛用作各领域的自然语言标记术语。其中,DIKW体系就是关于数据、信息、知识及智慧(目的)的体系,其中DIKW数据、信息、知识及智慧四个词语的英文的首字母的组合,所以DIKW体系就是将资源划分为这四类进行处理的体系。然而,对于数据、信息、知识和智慧的语义还没有统一的理解,并且对它们之间的关系缺乏统一的理解。因此现今还缺乏能统一、有效地基于DIKW体系构建模型的方式。
发明内容
基于上述现有技术的不足,本申请提供了一种面向意图计算与推理的DIKW模型构建方法及装置,以解决现有缺乏能统一、有效地基于DIKW体系构建模型的方式的问题。
为了实现上述目的,本申请提供了以下技术方案:
本申请第一方面提供了一种面向意图计算与推理的DIKW模型构建方法,包括:
获取类型化资源;其中,所述类型化资源包括数据资源、信息资源、知识资源、目的资源;
构建每种类型的所述类型化资源对应的图谱;
分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型;其中,所述亲子包含关系指代两个所述类型化资源间在语义上的包含关系;所述逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的所述类型化资源所表达的语义的关系;所述类型化资源之间的所述亲子关系以及所述逻辑关系在模型中,通过对应的节点间的不同连线表示。
可选地,在上述的方法中,所述分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型,包括:
分别将每种类型的所述类型化资源作为待处理资源,并判断所述待处理资源对应的图谱中的对象间是否存在所述亲子包含关系;其中,所述图谱中的一个对象对应一个类型化资源;
若判断出所述待处理资源对应的图谱中的对象间存在所述亲子包含关系,则判断所述待处理资源对应的图谱中的对象间是否存在所述逻辑关系;
其中,所述逻辑关系包括第一逻辑关系、第二逻辑关系、第三逻辑关系;所述第一逻辑关系表示同一层级的两个所述类型化资源的组合表达的语义等同于两者的同一上层的所述类型化资源表达的语义;所述第二逻辑关系表示同一层级的两个所述类型化资源的表达的语义不矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义;所述第三逻辑关系表示同一层级的两个所述类型化资源的表达的语义相互矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义;
若判断出所述待处理资源对应的图谱中的对象间存在所述逻辑关系,则将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,以及将存在逻辑关系的每两个所述对象对应的节点通过与存在的所述逻辑关系对应的第二连线连接,得到所述待处理资源对应的模型;
若判断出所述待处理资源对应的图谱中的对象间不存在所述逻辑关系,则将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,得到所述待处理资源对应的模型。
可选地,在上述的方法中,所述构建每种类型的所述类型化资源对应的模型之后,还包括:
将不关联的两个不同类型的所述类型化资源,确定为第一目标资源和第二目标资源;
将所述第一目标资源和第二目标资源进行拼接,得到一个新类型化资源;
将所述第一目标资源对应的节点以及所述第二目标资源对应的节点通过第三连线连接;
在所述新类型化资源所属类型的所述类型化资源对应的模型中,增加所述新类型化资源对应的节点;
从所述第一目标资源对应的节点和所述第二目标资源对应的节点的连线上生成连接所述新类型化资源对应的节点的分支。
可选地,在上述的方法中,所述构建每种类型的所述类型化资源对应的模型之后,还包括:
将关联的两个不同类型的所述类型化资源,确定为第三目标资源和第四目标资源;其中,所述第四目标资源的语义包含于所述第三目标资源的语义中;
查询出与所述第三目标资源关联的第五目标资源;其中,所述第四目标资源与所述第五目标资源融合后的语义为所述第三目标资源的语义;
若未查询出与所述第三目标资源关联的第五目标资源,则将所述第三目标资源的语义中属于所述第四目标资源的语义去除,得到所述第五目标资源;
在所述第五目标资源所属类型的所述类型化资源对应的图谱中,增加所述第五目标资源对应的节点,并与所述第四目标资源对应的节点通过虚线连接;
将所述第三目标资源、所述第四目标资源以及所述第五目标资源中任意两者的连线均删除。
可选地,在上述的方法中,所述获取类型化资源,包括:
获取多个初始资源,并基于DIKW体系将所述初始资源映射为所述类型化资源。
本申请第二方面提供了一种面向意图计算与推理的DIKW模型构建装置,包括:
获取单元,用于获取类型化资源;其中,所述类型化资源包括数据资源、信息资源、知识资源、目的资源;
图谱构建单元,用于构建每种类型的所述类型化资源对应的图谱;
模型构建单元,用于分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型;其中,所述亲子包含关系指代两个所述类型化资源间在语义上的包含关系;所述逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的所述类型化资源所表达的语义的关系;所述类型化资源之间的所述亲子关系以及所述逻辑关系在模型中,通过对应的节点间的不同连线表示。
可选地,在上述的装置中,所述模型构建单元,包括:
第一判断单元,用于分别将每种类型的所述类型化资源作为待处理资源,并判断所述待处理资源对应的图谱中的对象间是否存在所述亲子包含关系;其中,所述图谱中的一个对象对应一个类型化资源;
第二判断单元,用于在所述第一判断单元判断出所述待处理资源对应的图谱中的对象间存在所述亲子包含关系时,判断所述待处理资源对应的图谱中的对象间是否存在所述逻辑关系;
其中,所述逻辑关系包括第一逻辑关系、第二逻辑关系、第三逻辑关系;所述第一逻辑关系表示同一层级的两个所述类型化资源的组合表达的语义等同于两者的同一上层的所述类型化资源表达的语义;所述第二逻辑关系表示同一层级的两个所述类型化资源的表达的语义不矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义;所述第三逻辑关系表示同一层级的两个所述类型化资源的表达的语义相互矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义;
第一构建单元,用于在所述第二判断单元判断出所述待处理资源对应的图谱中的对象间存在所述逻辑关系时,将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,以及将存在逻辑关系的每两个所述对象对应的节点通过与存在的所述逻辑关系对应的第二连线连接,得到所述待处理资源对应的模型;
第二构建单元,用于在所述第二判断单元判断出所述待处理资源对应的图谱中的对象间不存在所述逻辑关系时,将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,得到所述待处理资源对应的模型。
可选地,在上述的装置中,还包括:
第一确定单元,用于将不关联的两个不同类型的所述类型化资源,确定为第一目标资源和第二目标资源;
融合单元,用于将所述第一目标资源和第二目标资源进行拼接,得到一个新类型化资源;
第一连接单元,用于将所述第一目标资源对应的节点以及所述第二目标资源对应的节点通过第三连线连接;
第一新增单元,用于在所述新类型化资源所属类型的所述类型化资源对应的模型中,增加所述新类型化资源对应的节点;
第二连接单元,用于从所述第一目标资源对应的节点和所述第二目标资源对应的节点的连线上生成连接所述新类型化资源对应的节点的分支。
可选地,在上述的装置中,还包括:
第二确定单元,用于将关联的两个不同类型的所述类型化资源,确定为第三目标资源和第四目标资源;其中,所述第四目标资源的语义包含于所述第三目标资源的语义中;
查询单元,用于查询出与所述第三目标资源关联的第五目标资源;其中,所述第四目标资源与所述第五目标资源融合后的语义为所述第三目标资源的语义;
拆分单元,用于在所述查询单元未查询出与所述第三目标资源关联的第五目标资源时,将所述第三目标资源的语义中属于所述第四目标资源的语义去除,得到所述第五目标资源;
第二新增单元,用于在所述第五目标资源所属类型的所述类型化资源对应的图谱中,增加所述第五目标资源对应的节点,并与所述第四目标资源对应的节点通过虚线连接;
删除单元,用于将所述第三目标资源、所述第四目标资源以及所述第五目标资源中任意两者的连线均删除。
可选地,在上述的装置中,所述获取单元,包括:
获取子单元,用于获取多个初始资源,并基于DIKW体系将所述初始资源映射为所述类型化资源。
本申请提供的一种面向意图计算与推理的DIKW模型构建方法,通过获取包括数据资源、信息资源、知识资源、目的资源的类型化资源,然后构建每种类型的类型化资源对应的图谱,以通过对图谱进行平滑和改造实现建模。具体分别基于每种类型的类型化资源对应的图谱、各个类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的类型化资源对应的模型。其中,亲子包含关系指代两个所述类型化资源间在语义上的包含关系、逻辑关系指代同一层级的两个类型化资源之间所表达的语义与两者的同一上层的类型化资源所表达的语义的关系、类型化资源之间的亲子关系以及逻辑关系在模型中,通过对应的节点间的不同连线表示。从而实现了一种统一、有效地基于DIKW体系构建模型的方式。
附图说明
为了更清楚地说明本申请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简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种面向意图计算与推理的DIKW模型构建方法的流程图;
图2为本申请另一实施例提供的一种基于亲子包含关系构建的树结构的示意图;
图3为本申请另一实施例提供的另一种基于亲子包含关系构建的模型的示意图;
图4为本申请另一实施例提供的一种构建模型方法的流程图;
图5为本申请另一实施例提供的一种基于亲子包含关系和逻辑关系构建的模型的示意图;
图6为本申请另一实施例提供的一种资源融合的方法的流程图;
图7为本申请另一实施例提供的一种资源融合在模型中的示意图;
图8为本申请另一实施例提供的一种资源拆分的方法的流程图;
图9为本申请另一实施例提供的一种资源拆分在模型中的示意图;
图10为本申请另一实施例提供的一种面向意图计算与推理的DIKW模型构建装置的结构示意图;
图11为本申请另一实施例提供的一种模型构建单元的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种面向意图计算与推理的DIKW模型构建方法,如图1所示,具体包括以下步骤:
S101、获取类型化资源,类型化资源包括数据资源、信息资源、知识资源、目的资源。
具体的,为了降低对资源处理的复杂性,所以根据DIKW对资源进行细化,从资源中提取出解释人类特定目的的资源,行成新的目的资源。可选地,本申请实施例中将处理后的资源通常统称为类型化资源,具体可以通过TRDIK表示。其中,类型化资源包括有四个类型的资源:数据资源、信息资源、知识资源、目的资源。所以,具体可以表示为:TRDIK=(Ddik,Idik,Kdik,Pdik)。
其中,Ddik为数据资源,是直接观察到的离散元素,没有上下文就没有意义,只包含自己本申请的意义,与人的特定目的是无关的。
Idik为信息资源。信息资源与人的特定目的是密切相关的。他是一个具有背景语义的资源,通过绑定数据资源和目的资源得到,所以可以视为是一个二进制。并且利用信息资源进行挖掘、分析,可以表达出不同资源间的交互作用。
Kdik表示知识资源。通过结构和形式演绎,Kdik可以从Ddik和Idik中派生出来。所以其是基于概率计算或归纳、演绎或绑定得到的,描述了类型或类级别内容之间抽象关系的完整性。这些类型或类级别的内容可以概括为知识规则。
Pdik表示目的资源。目的资源代表的是人的特定目的。通过关联现有内容或背景中的关系,可以为目的资源和目的资源的组合带来特定的语义,从而在目的资源之间相互绑定后得到相应的性的目的资源。
可选地,在本申请另一实施例中,步骤S101的一种具体实施方式,具体包括:获取多个初始资源,并基于DIKW体系将初始资源映射为类型化资源。
S102、构建每种类型的类型化资源对应的图谱。
具体的,类型化资源可以用图像的形式表示,具体通过类型化资源作为接待,现有关系为节点间的连接,得到类型化资源的图谱。其中,现有关系指的是可以直接直观等到的类型化资源间的关系,不需要进行分析等处理才得到。
由于类型化资源划分为四个类型,所以需要分别针对每个类型的类型化资源构建相应的图谱。具体可以对应于数据图Dg、信息图Ig、知识图Kg和目的图Pg,四者可以统称为类型化资源图谱,具体可以表示为:TRG=<DG,IG,KG,PG>。
需要说明的是,在不同的Ddik之间有一个基于现有关系的系统,称为DSystem。同样,不同的PDIKS、Idiks和Kdiks之间也有一个基于现有关系的系统。而本申请就是在现有关系的基础上,对相应类型的资源系统PSystem、ISystem和KSystem进行了平滑和构造。
S103、分别基于每种类型的类型化资源对应的图谱、各个类型化资源间的亲子包含关系和逻辑关系,构建每种类型的类型化资源对应的模型。
其中,亲子包含关系指代两个类型化资源间在语义上的包含关系、逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的类型化资源所表达的语义的关系、类型化资源之间的亲子关系以及逻辑关系在模型中,通过对应的节点间的不同连线表示。
具体的,分别针对每种类型的类型化资源,基于一个类型中的各个类型化资源间的亲子包含关系和/或逻辑关系,对步骤S102构建的该类型对应的图谱所表示的现有关系的基础上,构建该类型的类型化资源的模型。在模型中各个类型化资源被表示为不同的节点,即一个节点对应一个类型化资源,然后通过相应的连线将类型化资源间的节点连接,表示类型化资源间的亲子关系或逻辑关系。
需要说明的是,亲子包含关系是根据Ddik的现有语义,发现的一种重要的关系,即面向对象的亲子包含关系,可以简称PCR。其中,对象是指由Ddik表示的实体或关系。PCR分析在DSystem的梳理和构建中起着重要的作用。通过对Ddik及其PCR进行建模,得到相应的DModel,使DSystem的表达更加简洁明了。由于,数据资源中只存在有亲子包含关系,所以只能是基于亲子包含关系构建数据资源对应的模型。
具体的,PCR是指具有传递性和包含性的不同Ddik之间的关系。例如,鲤鱼和鱼,鱼和水生动物,水生动物和动物。其中,动物,水生动物,鱼类和鲤鱼是不同的对象,但它们具有相同的可继承的属性或特性,并且在语义中存在特定的包含关系。也就是说,在语义存在重叠中,如鱼的语义范围包括鲤鱼的语义范围。
可选地,可以采用“Is_a”表示最简单的PCR,其语义表达可以理解为“B是A”,或者语义包含是“A包含B”,语义覆盖是“A覆盖B”。所以,Db(IS(A))表示对象A和B间存在PCR,即B是A。
PCR还存在有传递性。如,数据资源Da是Db,Db是Dq,那么Da必须是Dq。传递性可以用来验证数据资源的语义相关性,从而可以帮助确定数据资源之间的关系,进而大大提高了确定数据资源间的关系的效率。
对于确认存在PCR的数据资源,可以用父资源(DFather)表示语义覆盖和可解释范围较大的数据资源,而用于子资源(Dson)标识是语义较小的数据资源。具体表现是Dson继承了DFather的一些属性或特性。语义包含是DFather包括Dson。语义解释的范围从DFather进一步缩小到DSon。
所以,可以基于PCR构建数据资源的模型,并且可以采用对照形式表示。在所构建的模型中,如图2所示,每个节点对应一个数据资源。并且,父节点对应DFather,子节点对应Dson。父节点和子节点可以通过一条没有箭头的直线连接,即将存在亲子包含关系的节点通过线段连接。或者如图3所示,通过一条箭头指向父节点的直线连接,并且箭头指向的方向表示“Is_a”,当然也可以采用其他的连线将具有亲子包含关系的节点进行连接。
当然,除了图2示出的树结构,数据资源的模型也可以表示为其他的结构,不受限于树结构,只要能清楚地显示对象间的PCR即可。例如,如图3所示的结构。
对于信息资源、知识资源、目的资源可以存在亲子包含关系,也可以存在有逻辑关系,或者同时存在亲子包含关系和逻辑关系。
逻辑关系指的在同一层级的两个类型化资源之间的关系,具体通过两者所表达的语义与两者的同一上层的类型化资源所表达的语义的关系。例如,两个同一层级的两个类型化资源的语义的组合正好是两者的同一上层的类型化资源所表达的语义,则两者的关系可以认为是“和”的关系。
可选地,具体是基于亲子包含关系还是基于逻辑关系,主要根据所获取的类型化资源所包含的关系确定。若某个类型的类型化资源包含有两种关系,则可以同时基于亲子包含关系和逻辑关系构建模型,可以是基于预先设定的逻辑选择其中一个关系进行模型构建,又或者是由用户根据经验或者需求进行选择。本申请另一实施例提供了一种步骤S103的具体实施方式,如图4所示,具体包括:
S401、分别将每种类型的类型化资源作为待处理资源。
S402、判断待处理资源对应的图谱中的对象间是否存在亲子包含关系。
其中,所述图谱中的一个对象对应一个类型化资源。
需要说明的是,在本申请实施例中,若仅在亲子包含关系,则基于亲子包含关系构建类型化资源的模型,若同时包含亲子关系和逻辑关系,则同时基于两种构建类型化资源的模型。所以,若判断出待处理资源对应的图谱中的对象间存在亲子包含关系,则执行步骤S403。
S403、判断待处理资源对应的图谱中的对象间是否存在逻辑关系。
其中,若判断出待处理资源对应的图谱中的对象间存在逻辑关系,则执行步骤S404。若判断出待处理资源对应的图谱中的对象间不存在逻辑关系,则执行步骤S405。
S404、将存在亲子包含关系的每两个对象对应的节点通过第一连线连接,以及将存在逻辑关系的每两个对象对应的节点通过与存在的逻辑关系对应的第二连线连接,得到待处理资源对应的模型。
其中,第一连线区别与第二连线,第一连线用于连接具有亲子包含关系的父节点和子节点。而第二连线用于连接对应同一父节点,且处于同一层级的子节点。并且,根据两个子节点的逻辑关系的不同,采用不同的第二连线连接,以区别不同的逻辑关系。
需要说明的是,本申请实施例中逻辑关系包括第一逻辑关系、第二逻辑关系、第三逻辑关系。
第一逻辑关系表示同一层级的两个类型化资源的组合表达的语义等同于两者的同一上层的类型化资源表达的语义。如,“获得文凭”和“提高能力”两个资源可以结合起来得到“找到一份好工作”。
第二逻辑关系表示同一层级的两个类型化资源的表达的语义不矛盾,且均分别等同于两者的同一上层的类型化资源表达的语义,不需要将他们进行组合。例如,“吃主食”和“吃水果”,两者都可以单独达到“摄入能量”的目的,没有必要将它们结合起来。
第三逻辑关系表示同一层级的两个类型化资源的表达的语义相互矛盾,且均分别等同于两者的同一上层的类型化资源表达的语义。并且,由于矛盾,它们无法实现上层类型化资源的意义。例如,“学习”和“作弊”,两者都可以单独达到“通过考试”的目的,但两者之间存在矛盾。
可选地,逻辑关系可以采用LR表示。而第一逻辑关系可以称为“和”关系,即“And”,所以可以用“&”表示;第二逻辑关系可以称为“或”关系,即“Or”,所以可以用“|”表示;第三逻辑关系可以称为“非”关系,即为“Not”,所以可以用“!”表示。因此,LR=(And,Or,Not)=(&,|,!)。
最简单的LR形式是可以表示为:“isAnd”,“isOr”,“isNot”。例如,PA(Is_And(B)表示资源A和B具有“And”关系。
其中,可以从已确定的逻辑关系中进一步的推断出未知的逻辑关系。例如,对于同一层级的三个资源:TRA、TRB和TRC。已确定TRA和TRB之间存在“和”关系,TRA和TRC之间存在“或”关系,那么可以推断出TRA和TRC之间的关系应该是“和”关系。
具体的,以对目的资源进行建模举例。若存在有亲子包含关系和逻辑关系,同样可以通过树结构来表示。其中,树结构的层级清楚地显示了不同的目的资源之间的亲子关系。如图5所示,父节点和子节点通过一条没有箭头的直线,或者带有箭头的直线从子节点连接到父节点,并且箭头的方向表示“Is_for”。并且,还需要表示出同一层级的不同节点的逻辑关系。例如,参见图5,可以用虚线连接图中同一级别的目的资源对应的节点,表明不同目的资源节点之间存在逻辑关系,并且可以在虚线上标记“And,Or,Not”,以表明所存在的具体的逻辑关系。当然,也可以是构造不同的连线来区分表达,或者其他的方式。
S405、将存在亲子包含关系的每两个对象对应的节点通过第一连线连接,得到待处理资源对应的模型。
可选地,在本申请另一实施例中,在构建各个类型的类型化资源的模型后,还可以对模型中的类型化资源进行进一步地转换。具体的转换包括资源融合和资源拆分。
如图6所示,示出了一种资源融合的方式,具体包括以下步骤:
S601、将不关联的两个不同类型的类型化资源,确定为第一目标资源和第二目标资源。
具体的,选取出需要融合的两个类型化资源,并将其确定为第一目标资源和第二目标资源。其中,选取的类型化资源需要是不关联的。不关联指的就是两个类型化资源是被分离的。在图谱中,不关联的类型化资源对应的节点是被分离和离散的,对应节点之间没有连接。
S602、将第一目标资源和第二目标资源进行拼接,得到一个新类型化资源。
可选地,可以定义并创建“+dik”符合,用来表示不同类型化资源的融合,即不同类型化资源的形式关系和语义融合。
融合后的第一目标资源和第二目标资源除了各自的基本语义外,还产生了新的语义。新语义解释的内容包括但不限于两种类型,一是解释第一目标资源所代表的概念或实体的特征、功能或语义解释范围的具体变化。二是解释使用第二目标资源对所述第一目标资源所指示的特定方向进行推理后得到的推理结果。
例如,对于一个Ddik和一个Pdik的融合,可以标识为Ddik+DikPdik=Idik。如:有Ddik=“面包棒”,Pdik1=“减轻饥饿”,PDik2=“赶走敌人”,并且Ddik和Pdik1、Pdik2之间没有关联。需要将他们进行融合,此时通过在Ddik和PDik上使用+dik,可以形成两种不同的新信息资源。语义是“面包棒是食物,人民不饿”和“面包棒是武器,敌人被赶走”。新的信息可以具体解释Ddik的功能是“食物”或“武器”。通过对PDik所代表的具体方向进行推理,得出了“人民不饿”和“敌人被赶走”的推理结果”。+dik的操作过程可表示为:
“DDIK=“breadstick,PDIK1=“relievehunger,PDIK2=“driveawaytheenemy;
ExistenceAssociation(DDIK,PDIK1,PDIK2)=False;
CreatRelation(DDIK,PDIK1)=+DIK,CreatRelation(DDIK,PDIK2)=+DIK;
ExistenceAssociation(DDIK,PDIK1)=True,ExistenceAssociation(DDIK,PDIK2)=True;
NewDSplit(DDIK,PDIK1)=“breadstick,relievehunger,
NewDSplit(DDIK,PDIK2)=“breadstick,driveawaytheenemy;
NewIDIK1=DDIK+DIKPDIK1=“breadstickisfood,thepeopleisnothungry
=(Ebreadstick(Is(food)),Statepeople(Is(nothungry)));
NewIDIK2=DDIK+DIKPDIK2=“breadstickisweapon,theenemyisdrivenaway
=(Ebreadstick(Is(weapon)),Stateenemy(Is(bedrivenaway))).”
S603、将第一目标资源对应的节点以及第二目标资源对应的节点通过第三连线连接。
具体的,可以分别在两个类型的类型化资源的模型中,搜索出第一目标资源和第二目标资源,然后用虚线连接,并在线上标记“+dik”符号,表示第一目标资源和第二目标资源之间存在关联,如图7所示。
S604、在新类型化资源所属类型的类型化资源对应的模型中,增加新类型化资源对应的节点。
S605、从第一目标资源对应的节点和第二目标资源对应的节点的连线上生成连接新类型化资源对应的节点的分支。
如图8所示,示出了一种资源拆分的方式,具体包括以下步骤:
S801、将关联的两个不同类型的类型化资源,确定为第三目标资源和第四目标资源。
其中,第四目标资源的语义包含于第三目标资源的语义中。
S802、查询出与第三目标资源关联的第五目标资源。
其中,第四目标资源与第五目标资源融合后的语义为第三目标资源的语义。
S803、判断是否查询到与第三目标资源关联的第五目标资源。
若判断出查询到第三目标资源关联的第五目标资源,则执行步骤S806,若判断出未查询到第三目标资源关联的第五目标资源,则执行步骤S804。
当每个节点之间的关联融合关系完全表示时,期望通过搜索第三目标资源对应的节点、第四目标资源对应的节点以及已构建的节点间的连接线来找到第五目标资源对应的节点。具体方法是第三目标资源对应的节点,沿着箭头的相反方向查询,找到除第四目标资源对应的节点之外的另一个资源对应的节点,该节点即为所需的第五目标资源对应的节点。
但是,当节点和关系没有完全表示时,也就无法通过查询直接查找到第五目标资源对应的节点,所以需要先进行语义分离得到的新资源,因此在判断出未查询到第三目标资源关联的第五目标资源时,执行步骤S804。
S804、将第三目标资源的语义中属于第四目标资源的语义去除,得到第五目标资源。
可选地,可以定义并创建运算符号“-dik”,用于表示资源拆分操作,即表示分离复杂融合的类型化资源的语义和溶解不同资源之间的关联的操作。其为“+dik”运算的反向运算,可以表示为:A-dikB=C。它指定A为具有融合复杂语义的资源。B是一个相对简单的语义,是A融合语义的必要相关资源。C是从A中包含的复杂融合语义中排除B后,所留下来的语义组成的资源。因此,基本公式的目的是在具有A和B的前提下,找到与B进行关联和融合后从A中可以得到的相关资源C。
S805、在第五目标资源所属类型的类型化资源对应的图谱中,增加第五目标资源对应的节点,并与第四目标资源对应的节点通过虚线连接。
S806、将第三目标资源、第四目标资源以及第五目标资源中任意两者的连线均删除。
具体的,当模型中的类型化资源对应的节点和关系被完全表示时,即可以直接查找到第五目标资源时,直接删除节点间的连线以指示语义分离。
当类型化资源的模型中的节点和关系未完全表示,而无法通过查询方法获得结果时。如图9所示,先对第三目标资源和第四目标资源执行一个“-dik”操作。例如,第三目标资源为:IDIK=“面包棒是食物,人民不饿”,第四目标资源为:PDIK=“减轻饥饿”。先将IDIK间分离,得到数据资源NewDdiK=“面包棒”。然后将该数据资源对应的节点添加到DG中。在类型化资源的模型中,NewDdiK和PDik之间的连接表明,通过+DIK的操作可以融合。此时,通过查询方法可以顺利地找到Ddik节点,然后删除类型化资源图中的链接关系来完成-dik的操作。具体的过程如下:
“IDIK=“Breadstickisfood,thepeopleisnothungry”,PDIK=“relievehunger”;
ExistenceAssociation(IDIK,PDIK)=True;
NewDDelete(IDIK,PDIK)=“breadstickisfood”;
NewDDIK=IDIKKDIKPDIK=“breadstick”;
ExistenceAssociation(IDIK,PDIK,NewDDIK)=False.”
本申请实施例提供的一种面向意图计算与推理的DIKW模型构建方法,通过获取包括数据资源、信息资源、知识资源、目的资源的类型化资源,然后构建每种类型的类型化资源对应的图谱,以通过对图谱进行平滑和改造实现建模。具体分别基于每种类型的类型化资源对应的图谱、各个类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的类型化资源对应的模型。其中,亲子包含关系指代两个所述类型化资源间在语义上的包含关系、逻辑关系指代同一层级的两个类型化资源之间所表达的语义与两者的同一上层的类型化资源所表达的语义的关系、类型化资源之间的亲子关系以及逻辑关系在模型中,通过对应的节点间的不同连线表示。从而实现了一种统一、有效地基于DIKW体系构建模型的方式。
本申请另一实施例提供了一种面向意图计算与推理的DIKW模型构建装置,如图10所示,包括以下单元:
获取单元1001,用于获取类型化资源。
其中,类型化资源包括数据资源、信息资源、知识资源、目的资源。
图谱构建单元1002,用于构建每种类型的类型化资源对应的图谱。
模型构建单元1003,用于分别基于每种类型的类型化资源对应的图谱、各个类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的类型化资源对应的模型。
其中,亲子包含关系指代两个类型化资源间在语义上的包含关系。逻辑关系指代同一层级的两个类型化资源之间所表达的语义与两者的同一上层的类型化资源所表达的语义的关系。类型化资源之间的亲子关系以及逻辑关系在模型中,通过对应的节点间的不同连线表示。
可选地,本申请另一实施例提供的面向意图计算与推理的DIKW模型构建装置中,模型构建单元,如图11所示,包括以下单元:
第一判断单元1101,用于分别将每种类型的类型化资源作为待处理资源,并判断待处理资源对应的图谱中的对象间是否存在亲子包含关系。
其中,图谱中的一个对象对应一个类型化资源。
第二判断单元1102,用于在第一判断单元判断出待处理资源对应的图谱中的对象间存在亲子包含关系时,判断待处理资源对应的图谱中的对象间是否存在逻辑关系。
其中,逻辑关系包括第一逻辑关系、第二逻辑关系、第三逻辑关系。第一逻辑关系表示同一层级的两个类型化资源的组合表达的语义等同于两者的同一上层的类型化资源表达的语义。第二逻辑关系表示同一层级的两个类型化资源的表达的语义不矛盾,且均分别等同于两者的同一上层的类型化资源表达的语义。第三逻辑关系表示同一层级的两个类型化资源的表达的语义相互矛盾,且均分别等同于两者的同一上层的类型化资源表达的语义。
第一构建单元1103,用于在第二判断单元判断出待处理资源对应的图谱中的对象间存在逻辑关系时,将存在亲子包含关系的每两个对象对应的节点通过第一连线连接,以及将存在逻辑关系的每两个对象对应的节点通过与存在的逻辑关系对应的第二连线连接,得到待处理资源对应的模型;
第二构建单元1104,用于在第二判断单元判断出待处理资源对应的图谱中的对象间不存在逻辑关系时,将存在亲子包含关系的每两个对象对应的节点通过第一连线连接,得到待处理资源对应的模型。
可选地,本申请另一实施例提供的面向意图计算与推理的DIKW模型构建装置中,还包括:
第一确定单元,用于将不关联的两个不同类型的类型化资源,确定为第一目标资源和第二目标资源。
融合单元,用于将第一目标资源和第二目标资源进行拼接,得到一个新类型化资源。
第一连接单元,用于将第一目标资源对应的节点以及第二目标资源对应的节点通过第三连线连接。
第一新增单元,用于在新类型化资源所属类型的类型化资源对应的模型中,增加新类型化资源对应的节点。
第二连接单元,用于从第一目标资源对应的节点和第二目标资源对应的节点的连线上生成连接新类型化资源对应的节点的分支。
可选地,本申请另一实施例提供的面向意图计算与推理的DIKW模型构建装置中,还包括:
第二确定单元,用于将关联的两个不同类型的类型化资源,确定为第三目标资源和第四目标资源。
其中,第四目标资源的语义包含于第三目标资源的语义中。
查询单元,用于查询出与第三目标资源关联的第五目标资源。
其中,第四目标资源与第五目标资源融合后的语义为第三目标资源的语义。
拆分单元,用于在查询单元未查询出与第三目标资源关联的第五目标资源时,将第三目标资源的语义中属于第四目标资源的语义去除,得到第五目标资源。
第二新增单元,用于在第五目标资源所属类型的类型化资源对应的图谱中,增加第五目标资源对应的节点,并与第四目标资源对应的节点通过虚线连接。
删除单元,用于将第三目标资源、第四目标资源以及第五目标资源中任意两者的连线均删除。
可选地,本申请另一实施例提供的面向意图计算与推理的DIKW模型构建装置中,获取单元,包括:
获取子单元,用于获取多个初始资源,并基于DIKW体系将初始资源映射为类型化资源。
需要说明的是,本申请上述实施例提供的各个单元的具体工作过程可相应的参考上述方法实施例中的相应的步骤,此处不再赘述。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种面向意图计算与推理的DIKW模型构建方法,其特征在于,包括:
获取类型化资源;其中,所述类型化资源包括数据资源、信息资源、知识资源、智慧资源;
构建每种类型的所述类型化资源对应的图谱;
分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型;其中,所述亲子包含关系指代两个所述类型化资源间在语义上的包含关系;所述逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的所述类型化资源所表达的语义的关系;所述类型化资源之间的所述亲子关系以及所述逻辑关系在模型中,通过对应的节点间的不同连线表示;
所述分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型,包括:
分别将每种类型的所述类型化资源作为待处理资源,并判断所述待处理资源对应的图谱中的对象间是否存在所述亲子包含关系;其中,所述图谱中的一个对象对应一个类型化资源;
若判断出所述待处理资源对应的图谱中的对象间存在所述亲子包含关系,则判断所述待处理资源对应的图谱中的对象间是否存在所述逻辑关系;
若判断出所述待处理资源对应的图谱中的对象间存在所述逻辑关系,则将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,以及将存在逻辑关系的每两个所述对象对应的节点通过与存在的所述逻辑关系对应的第二连线连接,得到所述待处理资源对应的模型;
若判断出所述待处理资源对应的图谱中的对象间不存在所述逻辑关系,则将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,得到所述待处理资源对应的模型。
2.根据权利要求1所述的方法,其特征在于,所述逻辑关系包括第一逻辑关系、第二逻辑关系、第三逻辑关系;所述第一逻辑关系表示同一层级的两个所述类型化资源的组合表达的语义等同于两者的同一上层的所述类型化资源表达的语义;所述第二逻辑关系表示同一层级的两个所述类型化资源的表达的语义不矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义;所述第三逻辑关系表示同一层级的两个所述类型化资源的表达的语义相互矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义。
3.根据权利要求1所述的方法,其特征在于,所述构建每种类型的所述类型化资源对应的模型之后,还包括:
将不关联的两个不同类型的所述类型化资源,确定为第一目标资源和第二目标资源;
将所述第一目标资源和第二目标资源进行拼接,得到一个新类型化资源;
将所述第一目标资源对应的节点以及所述第二目标资源对应的节点通过第三连线连接;
在所述新类型化资源所属类型的所述类型化资源对应的模型中,增加所述新类型化资源对应的节点;
从所述第一目标资源对应的节点和所述第二目标资源对应的节点的连线上生成连接所述新类型化资源对应的节点的分支。
4.根据权利要求1所述的方法,其特征在于,所述构建每种类型的所述类型化资源对应的模型之后,还包括:
将关联的两个不同类型的所述类型化资源,确定为第三目标资源和第四目标资源;其中,所述第四目标资源的语义包含于所述第三目标资源的语义中;
查询出与所述第三目标资源关联的第五目标资源;其中,所述第四目标资源与所述第五目标资源融合后的语义为所述第三目标资源的语义;
若未查询出与所述第三目标资源关联的第五目标资源,则将所述第三目标资源的语义中属于所述第四目标资源的语义去除,得到所述第五目标资源;
在所述第五目标资源所属类型的所述类型化资源对应的图谱中,增加所述第五目标资源对应的节点,并与所述第四目标资源对应的节点通过虚线连接;
将所述第三目标资源、所述第四目标资源以及所述第五目标资源中任意两者的连线均删除。
5.根据权利要求1所述的方法,其特征在于,所述获取类型化资源,包括:
获取多个初始资源,并基于DIKW体系将所述初始资源映射为所述类型化资源。
6.一种面向意图计算与推理的DIKW模型构建装置,其特征在于,包括:
获取单元,用于获取类型化资源;其中,所述类型化资源包括数据资源、信息资源、知识资源、智慧资源;
图谱构建单元,用于构建每种类型的所述类型化资源对应的图谱;
模型构建单元,用于分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系,构建每种类型的所述类型化资源对应的模型;其中,所述亲子包含关系指代两个所述类型化资源间在语义上的包含关系;所述逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的所述类型化资源所表达的语义的关系;所述类型化资源之间的所述亲子关系以及所述逻辑关系在模型中,通过对应的节点间的不同连线表示;
所述模型构建单元,包括:
第一判断单元,用于分别将每种类型的所述类型化资源作为待处理资源,并判断所述待处理资源对应的图谱中的对象间是否存在所述亲子包含关系;其中,所述图谱中的一个对象对应一个类型化资源;
第二判断单元,用于在所述第一判断单元判断出所述待处理资源对应的图谱中的对象间存在所述亲子包含关系时,判断所述待处理资源对应的图谱中的对象间是否存在所述逻辑关系;
第一构建单元,用于在所述第二判断单元判断出所述待处理资源对应的图谱中的对象间存在所述逻辑关系时,将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,以及将存在逻辑关系的每两个所述对象对应的节点通过与存在的所述逻辑关系对应的第二连线连接,得到所述待处理资源对应的模型;
第二构建单元,用于在所述第二判断单元判断出所述待处理资源对应的图谱中的对象间不存在所述逻辑关系时,将存在亲子包含关系的每两个所述对象对应的节点通过第一连线连接,得到所述待处理资源对应的模型。
7.根据权利要求6所述的装置,其特征在于,所述逻辑关系包括第一逻辑关系、第二逻辑关系、第三逻辑关系;所述第一逻辑关系表示同一层级的两个所述类型化资源的组合表达的语义等同于两者的同一上层的所述类型化资源表达的语义;所述第二逻辑关系表示同一层级的两个所述类型化资源的表达的语义不矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义;所述第三逻辑关系表示同一层级的两个所述类型化资源的表达的语义相互矛盾,且均分别等同于两者的同一上层的所述类型化资源表达的语义。
8.根据权利要求6所述的装置,其特征在于,还包括:
第一确定单元,用于将不关联的两个不同类型的所述类型化资源,确定为第一目标资源和第二目标资源;
融合单元,用于将所述第一目标资源和第二目标资源进行拼接,得到一个新类型化资源;
第一连接单元,用于将所述第一目标资源对应的节点以及所述第二目标资源对应的节点通过第三连线连接;
第一新增单元,用于在所述新类型化资源所属类型的所述类型化资源对应的模型中,增加所述新类型化资源对应的节点;
第二连接单元,用于从所述第一目标资源对应的节点和所述第二目标资源对应的节点的连线上生成连接所述新类型化资源对应的节点的分支。
9.根据权利要求6所述的装置,其特征在于,还包括:
第二确定单元,用于将关联的两个不同类型的所述类型化资源,确定为第三目标资源和第四目标资源;其中,所述第四目标资源的语义包含于所述第三目标资源的语义中;
查询单元,用于查询出与所述第三目标资源关联的第五目标资源;其中,所述第四目标资源与所述第五目标资源融合后的语义为所述第三目标资源的语义;
拆分单元,用于在所述查询单元未查询出与所述第三目标资源关联的第五目标资源时,将所述第三目标资源的语义中属于所述第四目标资源的语义去除,得到所述第五目标资源;
第二新增单元,用于在所述第五目标资源所属类型的所述类型化资源对应的图谱中,增加所述第五目标资源对应的节点,并与所述第四目标资源对应的节点通过虚线连接;
删除单元,用于将所述第三目标资源、所述第四目标资源以及所述第五目标资源中任意两者的连线均删除。
10.根据权利要求6所述的装置,其特征在于,所述获取单元,包括:
获取子单元,用于获取多个初始资源,并基于DIKW体系将所述初始资源映射为所述类型化资源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110430285.2A CN112949321B (zh) | 2021-04-21 | 2021-04-21 | 面向意图计算与推理的dikw模型构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110430285.2A CN112949321B (zh) | 2021-04-21 | 2021-04-21 | 面向意图计算与推理的dikw模型构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112949321A CN112949321A (zh) | 2021-06-11 |
CN112949321B true CN112949321B (zh) | 2022-04-01 |
Family
ID=76233212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110430285.2A Active CN112949321B (zh) | 2021-04-21 | 2021-04-21 | 面向意图计算与推理的dikw模型构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949321B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645284B (zh) * | 2021-07-29 | 2022-08-26 | 海南大学 | 意图驱动的多模态dikw内容传输方法 |
CN113609281B (zh) * | 2021-08-09 | 2024-08-02 | 海南大学 | 基于dikw图谱的意图识别方法及装置 |
CN113609307B (zh) * | 2021-08-09 | 2023-10-20 | 海南大学 | 更新dikw图谱的方法、装置、存储介质和电子设备 |
CN113722505B (zh) * | 2021-08-30 | 2023-04-18 | 海南大学 | 面向dikw资源的情感表达映射、度量与优化传输系统 |
CN113657083B (zh) * | 2021-08-30 | 2023-04-18 | 海南大学 | 面向意图计算与推理的dikw资源交互填充系统 |
CN113810480B (zh) * | 2021-09-03 | 2022-09-16 | 海南大学 | 基于dikw内容对象的情感通讯方法 |
CN114077194A (zh) * | 2021-10-25 | 2022-02-22 | 海南大学 | 面向不完整、不精确、动态优化决策目标的dikw资源构建与处理系统 |
CN114363354B (zh) * | 2021-12-30 | 2022-09-30 | 海南大学 | 基于dikwp模型的区块链共识方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8624898B1 (en) * | 2009-03-09 | 2014-01-07 | Pixar | Typed dependency graphs |
CN105793845A (zh) * | 2013-10-07 | 2016-07-20 | 脸谱公司 | 基于集群映射和路由的系统和方法 |
CN111858960A (zh) * | 2020-07-23 | 2020-10-30 | 海南大学 | 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件 |
CN112163098A (zh) * | 2020-09-24 | 2021-01-01 | 平安直通咨询有限公司上海分公司 | 一种知识图谱的创建方法、装置、存储介质和服务器 |
CN112232082A (zh) * | 2020-10-14 | 2021-01-15 | 海南大学 | 面向本质计算的多模态dikw内容多语义分析方法 |
CN112418428A (zh) * | 2020-12-01 | 2021-02-26 | 海南大学 | 基于本质计算的跨模态特征挖掘方法及组件 |
-
2021
- 2021-04-21 CN CN202110430285.2A patent/CN112949321B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8624898B1 (en) * | 2009-03-09 | 2014-01-07 | Pixar | Typed dependency graphs |
CN105793845A (zh) * | 2013-10-07 | 2016-07-20 | 脸谱公司 | 基于集群映射和路由的系统和方法 |
CN111858960A (zh) * | 2020-07-23 | 2020-10-30 | 海南大学 | 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件 |
CN112163098A (zh) * | 2020-09-24 | 2021-01-01 | 平安直通咨询有限公司上海分公司 | 一种知识图谱的创建方法、装置、存储介质和服务器 |
CN112232082A (zh) * | 2020-10-14 | 2021-01-15 | 海南大学 | 面向本质计算的多模态dikw内容多语义分析方法 |
CN112418428A (zh) * | 2020-12-01 | 2021-02-26 | 海南大学 | 基于本质计算的跨模态特征挖掘方法及组件 |
Non-Patent Citations (1)
Title |
---|
面向隐式类型化资源的安全防护;段玉聪 等;《计算机科学与探索》;20191231;第13卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112949321A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112949321B (zh) | 面向意图计算与推理的dikw模型构建方法及装置 | |
US8751558B2 (en) | Mashup infrastructure with learning mechanism | |
CN110399470B (zh) | 会话消息处理 | |
CN111708641B (zh) | 一种内存管理方法、装置、设备及计算机可读存储介质 | |
US20200342025A1 (en) | Interactive and non-interactive execution and rendering of templates to automate control and exploration across systems | |
US6836891B2 (en) | Object collaboration apparatus | |
Karlsson et al. | Modeling uncertainty in bibliometrics and information retrieval: an information fusion approach | |
Mei et al. | Purpose Driven Biological Lawsuit Modeling and Analysis Based on DIKWP | |
Fan et al. | Purpose computation-oriented modeling and transformation on DIKW architecture | |
JP2018060493A (ja) | 問題解決支援システム、問題解決支援方法、及び問題解決支援プログラム | |
WO2006007272A2 (en) | Functional operations for accessing and/or building interlocking trees datastores to enable their use with applications software | |
Zhou et al. | Semantic-based discovery method for high-performance computing resources in cyber-physical systems | |
CN113609281B (zh) | 基于dikw图谱的意图识别方法及装置 | |
CN104866203A (zh) | 一种应用处理方法、装置及电子设备 | |
Özyer et al. | Recent trends in information reuse and integration | |
CN108964973B (zh) | 面向Web基于Bigraph替换算法的服务质量监控方法 | |
Ubels | Understanding abstract geo-information workflows and converting them to executable workflows using Semantic Web technologies | |
Muller et al. | RCAviz: Visualizing and exploring relational conceptual structures | |
Zinovyev et al. | Collective intelligence defines biological functions in Wikipedia as communities in the hidden protein connection network | |
CN111400300A (zh) | 一种边缘设备管理方法、装置及管理设备 | |
Brabant et al. | From Meaningful Orderings in the Web of Data to Multi-level Pattern Structures | |
Trinh | Mashup-based linked data integration | |
Patel | Deferred system's design: Situated system requirements gathering with Hyper-Tmodeller | |
Tian et al. | A Graph-Based Service Composition Method for Science and Technology Resources | |
Jamil et al. | Mapping Declarative Queries to Heterogeneous Biological Databases using Schema Graphs for Intelligent Responses |
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 |