CN113361232A - 跨界服务目标融合冲突检测方法及装置 - Google Patents

跨界服务目标融合冲突检测方法及装置 Download PDF

Info

Publication number
CN113361232A
CN113361232A CN202110530055.3A CN202110530055A CN113361232A CN 113361232 A CN113361232 A CN 113361232A CN 202110530055 A CN202110530055 A CN 202110530055A CN 113361232 A CN113361232 A CN 113361232A
Authority
CN
China
Prior art keywords
target
field
formula
model
fused
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.)
Granted
Application number
CN202110530055.3A
Other languages
English (en)
Other versions
CN113361232B (zh
Inventor
李兵
柳正利
王健
彭宇
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110530055.3A priority Critical patent/CN113361232B/zh
Publication of CN113361232A publication Critical patent/CN113361232A/zh
Application granted granted Critical
Publication of CN113361232B publication Critical patent/CN113361232B/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
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/126—Character encoding
    • 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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种跨界服务目标融合冲突检测方法及装置，涉及服务计算技术领域，其包括：对主体领域目标模型的待融合目标进行标注，并从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点；以融合点为初始目标节点，从客体领域目标模型中抽取目标分解路径；将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型；将融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和目标分解路径中的目标节点，构建CTL判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。本申请，可支持不同领域的目标模型的深度融合，准确地检测出不同领域的目标在融合以后出现的冲突。

Description

跨界服务目标融合冲突检测方法及装置
技术领域
本申请涉及服务计算技术领域，具体涉及一种跨界服务目标融合冲突检测方法及装置。
背景技术
目前，跨界服务作为一种新型服务模式，跨越多个行业边界和领域边界，具有跨域、融合、复杂的特点。在跨界服务消费环境下，随着业务模式和交互场景的不断变迁，用户需求也在不断演化。在这个不断迭代演化的过程中，往往会产生一些在当前领域无法被满足的用户目标，需要借助于其他领域的模型片段加以满足。为此，需要研究如何将其他领域的目标模型片段与当前领域的目标模型加以融合，从而使得当前领域中原本无法满足的目标得到满足。
相关技术中，基于目标的建模方法得到了学术界和产业界的广泛关注，进而出现了一些目标建模框架，具有代表性的目标建模框架有KAOS(Keep All ObjectivesSatisfied)框架和iStar框架。其中，iStar框架是为了组织环境及其信息系统的建模和推理而开发的一种建模方法，系统的参与者相互依赖并且执行特定的任务来达成目标；KAOS建模框架能够对不同类型的目标进行建模。
但是，当前的基于目标的建模方法主要针对面向单一领域的涉众意图及其关系进行建模，无法支持不同领域的目标模型的深度融合，导致在跨界服务场景下，跨领域的目标模型融合依赖手工实现，需要耗费大量的时间和精力。另外，在跨界服务场景下，由于不同领域的异构性，导致不同领域的目标约束各不相同，上述建模方法难以有效检测跨领域目标建模中存在的潜在冲突。
发明内容
针对现有技术中存在的缺陷，本申请的目的在于提供一种跨界服务目标融合冲突检测方法及装置，以解决相关技术中无法支持不同领域的目标模型的深度融合、以及难以有效检测跨领域目标建模中存在的潜在冲突的问题。
本申请第一方面提供一种跨界服务目标融合冲突检测方法，其包括步骤：
对主体领域目标模型的待融合目标进行标注，并从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点；
以上述融合点为初始目标节点，从上述客体领域目标模型中抽取目标分解路径；
遍历上述目标分解路径，将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型；各目标模型中的目标被定义为功能性目标、非功能性目标和可操作性目标；
将上述融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。
一些实施例中，上述根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，具体包括：
将至少一个领域属性通过CTL公式进行表征，得到领域属性公式集合，上述领域属性公式集合包含至少一个领域属性公式；
将目标分解路径中的各目标节点通过CTL公式进行表征，得到目标公式集合，上述目标公式集合包含多个目标公式；
将每个领域属性公式分别与每个目标公式组成CTL判断公式。
一些实施例中，上述分别判断领域属性与目标分解路径中的各目标节点是否存在冲突，具体包括：
分别对每个CTL判断公式进行可满足性求解；
若任一CTL判断公式能够找到可满足的解，则返回结果为真，表示该CTL判断公式中的领域属性与目标节点不存在冲突；若不能找到可满足的解，则返回结果为假，表示该CTL判断公式中的领域属性与目标节点存在冲突。
一些实施例中，当上述CTL判断公式
Figure BDA0003067243670000031
时，将
Figure BDA0003067243670000032
拆成两个子公式
Figure BDA0003067243670000033
和
Figure BDA0003067243670000034
并分别检测
Figure BDA0003067243670000035
和
Figure BDA0003067243670000036
是否能找到可满足的解，若二者均可找到，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当上述CTL判断公式
Figure BDA0003067243670000037
时，先遍历
Figure BDA0003067243670000038
的二元决策图BDD结构，获取
Figure BDA0003067243670000039
中所有状态的前驱状态集合
Figure BDA00030672436700000310
然后判断初始目标节点是否在前驱状态集合中，若在，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当上述CTL判断公式
Figure BDA00030672436700000311
时，基于最大不动点计算得到状态集合A，并判断初始目标节点是否在该状态集合A中，若是，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当上述CTL判断公式
Figure BDA00030672436700000312
时，基于最小不动点计算得到状态集合B，并判断初始目标节点是否在该状态集合B中，若是，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突。
一些实施例中，当
Figure BDA00030672436700000313
拆成的子公式为一个原子命题时，返回该原子命题；
当
Figure BDA0003067243670000042
拆成的子公式为
Figure BDA0003067243670000043
时，返回
Figure BDA0003067243670000044
的否定。
一些实施例中，对主体领域目标模型的待融合目标进行标注之前，还包括：
遍历主体领域目标模型，若任一功能性目标不存在实现其的可操作性目标，则判断该功能性目标为待融合目标。
一些实施例中，从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点，具体包括：
利用中文预训练模型将自然语言描述的待融合目标转换为向量；
分别计算上述客体领域目标模型中各目标与待融合目标之间的语义相似度，并以相似度最高的目标作为融合点。
一些实施例中，上述待融合目标与客体领域目标模型中目标的相似度计算如下：
Figure BDA0003067243670000041
其中，Gp为上述待融合目标，Gq为客体领域目标模型中的目标，i为向量的维度。
一些实施例中，遍历上述目标分解路径之前，还包括：
将上述目标分解路径中所有目标节点之间的关系进行编码后存储到目标关系矩阵中；
将目标分解路径中的所有目标节点均融合到主体领域目标模型时，基于上述目标关系矩阵中存储的目标节点之间的关系编码恢复目标节点之间的关系。
本申请第二方面提供一种跨界服务目标融合冲突检测装置，其包括：
标注模块，其用于对主体领域目标模型的待融合目标进行标注；
查找模块，其用于从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点；
抽取模块，其用于以上述融合点为初始目标节点，从上述客体领域目标模型中抽取目标分解路径；
融合模块，其用于遍历上述目标分解路径，将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型；各目标模型中的目标被定义为功能性目标、非功能性目标和可操作性目标；
判断模块，其用于将上述融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。
本申请提供的技术方案带来的有益效果包括：
本申请的跨界服务目标融合冲突检测方法及装置，由于可从客体领域目标模型中找到与主体领域目标模型的待融合目标相似度最高的目标，作为融合点，并以该融合点为初始目标节点，从上述客体领域目标模型中抽取目标分解路径，并将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型，随后将上述融合目标模型中的可操作性目标作为原子命题，并根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，以分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突；因此，不仅可支持不同领域的目标模型的深度融合，还能够准确地检测出不同领域的目标在融合以后出现的冲突，具有较好的实用性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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获得其他的附图。
图1为本申请实施例中跨界服务目标融合冲突检测方法的流程图；
图2为本申请实施例中飞猪领域的用户目标模型图；
图3为本申请实施例中保险领域的用户目标模型图；
图4为本申请实施例中飞猪领域与保险领域融合后的融合目标模型图；
图5为本申请实施例中公式(3)转换为OBDD表示的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请实施例提供一种跨界服务目标融合冲突检测方法及装置，其能解决相关技术中无法支持不同领域的目标模型的深度融合、以及难以有效检测跨领域目标建模中存在的潜在冲突的问题
如图1所示，本申请实施例的跨界服务目标融合冲突检测方法，包括以下步骤：
S1.对主体领域目标模型的待融合目标进行标注，并从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点。
其中，可基于语义相似度从客体领域目标模型中找到与待融合目标相似度最高的目标。
S2.以上述融合点为初始目标节点，从上述客体领域目标模型中抽取目标分解路径。
其中，可利用深度优先遍历算法从上述客体领域目标模型中抽取初始目标节点的目标分解路径。上述目标分解路径的每个节点均为需要融合的目标，即目标节点。
S3.遍历上述目标分解路径，将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型。各目标模型中的目标被定义为功能性目标、非功能性目标和可操作性目标。可选地，目标模型中除了包括各目标节点外，还可包括资源节点。
本实施例中，目标分解路径中的所有节点均为客体领域中的待融合的目标节点，所有待融合的目标节点可形成一个目标集。
S4.将上述融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL(Computation TreeLogic)判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。
本实施例的跨界服务目标融合冲突检测方法，由于可从客体领域目标模型中找到与主体领域目标模型的待融合目标相似度最高的目标，作为融合点，并以该融合点为初始目标节点，从上述客体领域目标模型中抽取目标分解路径，并将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型，其中，在目标模型中，大粒度的功能性目标需要分解成细粒度的可操作性目标，因此，可将上述融合目标模型中的可操作性目标作为原子命题，并根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，以分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突；因此，不仅可支持不同领域的目标模型的深度融合，还能够准确地检测出不同领域的目标在融合以后出现的冲突，具有较好的实用性。
在上一个实施例的基础上，本实施例中，上述步骤S4中，根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，具体包括：
首先，将至少一个领域属性通过CTL公式进行表征，得到领域属性公式集合，上述领域属性公式集合包含至少一个领域属性公式，即每个领域属性对应一个领域属性公式。
然后，将目标分解路径中的各目标节点通过CTL公式进行表征，得到目标公式集合，上述目标公式集合包含多个目标公式，即每个目标节点对应一个目标公式。
最后，将每个领域属性公式分别与每个目标公式组成CTL判断公式。
本实施例中，将可操作性目标定义为原子命题，用这些原子命题来表达主体领域的特性和功能性目标，并使用CTL公式进行规范化描述，即利用CTL公式对各领域属性和目标分解路径中的各目标节点分别进行表示，以得到领域属性公式集合DPs和目标公式集合CGs。
可选地，在对各可操作性目标进行表征的过程中，考虑到不同领域可能存在相似的目标，因此需要对目标进行相似度计算，并将相似的目标表示为同一个原子命题。该不同目标的相似度计算也通过中文预训练模型BERT-WWM实现。
可选地，CTL判断公式可为某一领域属性公式与某一目标公式合取得到的合取公式。
优选地，上述分别判断领域属性与目标分解路径中的各目标节点是否存在冲突，具体包括以下步骤：
分别对每个CTL判断公式进行可满足性求解；
若任一CTL判断公式能够找到可满足的解，则返回结果为真，表示该CTL判断公式中的领域属性与目标节点不存在冲突；若不能找到可满足的解，则返回结果为假，表示该CTL判断公式中的领域属性与目标节点存在冲突。
本实施例中，基于模型检测的方法对各CTL判断公式进行检测，判定由领域属性和目标节点组成的公式是否能够找到可满足的解；如果可以，则表示该领域属性和目标节点不存在冲突，否则表示二者存在冲突。
进一步地，当上述CTL判断公式
Figure BDA0003067243670000091
时，将
Figure BDA0003067243670000092
拆成两个子公式
Figure BDA0003067243670000093
和
Figure BDA0003067243670000094
并分别检测子公式
Figure BDA0003067243670000095
和子公式
Figure BDA0003067243670000096
是否能找到可满足的解，若二者均可找到，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当上述CTL判断公式
Figure BDA0003067243670000097
时，先遍历
Figure BDA0003067243670000098
的二元决策图BDD结构，获取
Figure BDA0003067243670000099
中所有状态的前驱状态集合
Figure BDA00030672436700000910
然后判断初始目标节点是否在前驱状态集合中，若在，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当上述CTL判断公式
Figure BDA00030672436700000911
时，基于最大不动点计算得到状态集合A，并判断初始目标节点是否与该状态集合A存在交集，即初始目标节点是否在该状态集合A中，若是，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当上述CTL判断公式
Figure BDA0003067243670000101
时，基于最小不动点计算得到状态集合B，并判断初始目标节点是否与该状态集合B存在交集，即初始目标节点是否在该状态集合B中，若是，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突。
本实施例中，E是存在量词，E表示至少存在一条路径可满足。X、G、U均是时态算子，其中：
Xp表示在下一个时刻p可满足；
Gp表示未来的任意时刻p都可满足；
pUq表示直到q可满足的时候，p在任一时刻可满足。
EXp指：存在一个路径，使得下一时刻p可满足；
EGp指：存在一个路径，使得p在未来的任一时刻都可满足；
pEUq指：存在一个路径，使得直到q可满足的时候，p在任一时刻可满足。
本实施例中，当识别出目标节点与领域属性存在冲突时，需要建模人员依据具体的经验来移除冲突的目标，以保证模型的一致性。
本实施例中，当
Figure BDA0003067243670000102
拆成的子公式为一个原子命题时，返回该原子命题；即若该原子命题为真，则返回结果为真；该原子命题为假，则返回结果为假。本实施例中，原子命题均为真。
当
Figure BDA0003067243670000103
拆成的子公式为
Figure BDA0003067243670000104
时，返回
Figure BDA0003067243670000105
的否定。即若
Figure BDA0003067243670000106
的检测结果为真，则返回结果为假；若
Figure BDA0003067243670000107
的检测结果为假，则返回结果为真。
在上述实施例的基础上，本实施例中，上述步骤S1中，对主体领域目标模型的待融合目标进行标注之前，还包括以下步骤：
遍历主体领域目标模型，若任一功能性目标不存在实现其的可操作性目标，即没有子目标可达成该功能性目标，则判断该功能性目标为待融合目标。
进一步地，从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点，具体包括：
首先，利用中文预训练模型BERT-WWM(Bidirectional Encoder Representationsfrom Transformers-Whole Word Masking)将自然语言描述的待融合目标转换为向量。
然后，分别计算上述客体领域目标模型中各目标与待融合目标之间的语义相似度，找出与待融合目标最相似的目标，即语义相似度最高的目标，并以该语义相似度最高的目标作为融合点。
本实施例中，上述主体领域目标模型中的待融合目标与客体领域目标模型中某一目标的相似度计算如下：
Figure BDA0003067243670000111
其中，Gp为上述待融合目标，Gq为客体领域目标模型中的目标，i为向量的维度。
本实施例中，上述步骤S3中，遍历所述目标分解路径之前，还包括：
将上述目标分解路径中所有目标节点之间的关系进行编码后存储到目标关系矩阵中。
随后，将目标分解路径中的所有目标节点均融合到主体领域目标模型时，可基于上述目标关系矩阵中存储的目标节点之间的关系编码恢复目标节点之间的关系，以得到融合目标模型。
具体地，可利用深度优先遍历算法遍历客体领域目标模型得到目标分解路径PG，并将目标分解路径中包含的目标节点之间的关系(包括分解关系和约束关系)进行编码后存储到目标关系矩阵Mp中。随后，按序遍历目标分解路径，得到包含所有目标节点的目标集，并将目标集中的每个目标节点Gi均融合到主体领域目标模型。
在融合过程中，目标节点之间的关系可以从目标关系矩阵Mp中获取，并通过目标关系编码表进行解码。
本实施例中，对目标节点之间关系进行编码的编码表如下表1所示。若两个目标G1和G2之间没有任何关系，则Mp(G1，G2)＝0。
为了区分不同目标之间关系的方向性，用编码表中的编码和其相反数来表示不同的方向。假设目标G1是目标G2的子目标，并且G1与G2之间的分解关系是“AND”，则Mp(G1,G2)＝1，Mp(G2,G1)＝-1。
表1
Figure BDA0003067243670000121
如图2-5所示，本实施例中，以飞猪跨界服务场景的目标融合和冲突检测为例，飞猪主要向用户提供酒店预订、机票预订以及门票预订等旅游服务。为了给行程不定用户提供保障和减少退订损失，满足用户的退订需求，飞猪平台通过融合保险服务，减少用户损失。
首先，对飞猪领域的目标模型进行遍历，并标注出待融合目标，如图2中虚线边框所示，待融合目标为减少退订损失。
进而根据待融合目标，基于前述的相似度计算方法，从保险领域的目标模型中寻找最相似目标，并将其进行标注，结果如图3中虚线边框所示，即融合点为减少损失。
其次，基于上述融合点从保险领域的目标模型中进行深度优先遍历操作，以得到目标分解路径PG：
Figure BDA0003067243670000131
将上述目标分解路径中的目标节点之间的关系存储至目标关系矩阵Mp中，该目标关系矩阵Mp为：
Figure BDA0003067243670000132
随后即可按序遍历目标分解路径PG，并将得到的每一个目标节点Gi融合到主体领域的目标模型中，其中，可基于上述目标关系矩阵中存储的目标节点之间的关系编码恢复目标节点之间的关系，以得到如图4所示的融合目标模型。
最后，对融合目标模型进行检测，以判断是否存在冲突。具体地，先抽取融合目标模型中的可操作性目标，并将各可操作性目标进行编号，得到如下表2所示的命题列表。
表2
Figure BDA0003067243670000133
Figure BDA0003067243670000141
本实施例中，选择飞猪领域的一个领域属性F-U-FG2(在线预订)，以及保险领域的待融合的功能性目标I-U-FG1(购买保险)、I-U-FG2(通过在线平台购买保险)和I-U-FG3(通过线下营业点购买保险)进行判断，并分别用上表定义的原子命题表示如下：
领域属性公式集合DPs：q9∧-q8∧-q12 (F-U-FG2)
目标公式集合CGs：
Figure BDA0003067243670000143
Figure BDA0003067243670000144
Figure BDA0003067243670000142
在得到用CTL表示的领域属性和待融合的目标节点后，即可检测融合后的目标是否遵守了主体领域预先定义的属性。取领域属性和待融合目标的合取；
Figure BDA0003067243670000145
Figure BDA0003067243670000146
Figure BDA0003067243670000151
随后依次对各合取公式进行检测，其中，由于可以对公式(1)找到一个赋值，使得该公式(1)满足，因此，目标I-U-FG2(通过在线平台购买保险)和领域属性F-U-FG2(在线预订)不存在冲突。
对于公式(2)，由于-q12∧q12＝0，因此，该公式返回False，即目标I-U-FG3(通过线下营业点购买保险)和领域属性F-U-FG2(在线预订)存在冲突。
对于公式(3)，将其转换为有序二元决策图OBDD表示后的结构如图5所示，在检测时，将其进一步分解为两个子公式：
Figure BDA0003067243670000152
Figure BDA0003067243670000153
其中，
Figure BDA0003067243670000154
又可进一步分解为三个子公式：
Figure BDA0003067243670000155
Figure BDA0003067243670000156
Figure BDA0003067243670000157
而
Figure BDA0003067243670000158
还可进一步分解为两个子公式：
Figure BDA0003067243670000159
Figure BDA00030672436700001510
然后分别对上述各子公式进行检测，从OBDD可以直观看出，没有一个赋值使得该公式为True，因此，最后可得出公式(3)是不可满足的。本实施例中，其它公式的检测方法类似，这里不再赘述。
本实施例中，上述不可满足的公式(3)捕获了的冲突的具体语义为：在保险领域，用户购买保险有三种方法，即通过在线平台购买保险、通过电话购买保险和通过线下营业点购买保险，而后两种方法与飞猪领域的属性约束“只能通过飞猪在线平台购买”发生了冲突。当识别出冲突以后，可通过建模人员移除冲突的目标，从而保证融合后的目标模型的一致性。
本申请实施例的跨界服务目标融合冲突检测装置包括标注模块、查找模块、抽取模块、融合模块和判断模块。
上述标注模块用于对主体领域目标模型的待融合目标进行标注。
上述查找模块用于从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点。
上述抽取模块用于以上述融合点为初始目标节点，从上述客体领域目标模型中抽取目标分解路径。
上述融合模块用于遍历上述目标分解路径，将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型。其中，各目标模型中的目标被定义为功能性目标、非功能性目标和可操作性目标。
上述判断模块用于将上述融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和上述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。
本实施例的跨界服务目标融合冲突检测装置，适用于上述各跨界服务目标融合冲突检测方法，不仅可支持不同领域的目标模型的深度融合，还能够准确地检测出不同领域的目标在融合以后出现的冲突，以保证融合后的目标模型的一致性。
本申请不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。

Claims (10)

1.一种跨界服务目标融合冲突检测方法，其特征在于，其包括步骤：
对主体领域目标模型的待融合目标进行标注，并从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点；
以所述融合点为初始目标节点，从所述客体领域目标模型中抽取目标分解路径；
遍历所述目标分解路径，将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型；各目标模型中的目标被定义为功能性目标、非功能性目标和可操作性目标；
将所述融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和所述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。
2.如权利要求1所述的跨界服务目标融合冲突检测方法，其特征在于，所述根据主体领域的至少一个领域属性和所述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，具体包括：
将至少一个领域属性通过CTL公式进行表征，得到领域属性公式集合，所述领域属性公式集合包含至少一个领域属性公式；
将目标分解路径中的各目标节点通过CTL公式进行表征，得到目标公式集合，所述目标公式集合包含多个目标公式；
将每个领域属性公式分别与每个目标公式组成CTL判断公式。
3.如权利要求2所述的跨界服务目标融合冲突检测方法，其特征在于，所述分别判断领域属性与目标分解路径中的各目标节点是否存在冲突，具体包括：
分别对每个CTL判断公式进行可满足性求解；
若任一CTL判断公式能够找到可满足的解，则返回结果为真，表示该CTL判断公式中的领域属性与目标节点不存在冲突；若不能找到可满足的解，则返回结果为假，表示该CTL判断公式中的领域属性与目标节点存在冲突。
4.如权利要求3所述的跨界服务目标融合冲突检测方法，其特征在于：
当所述CTL判断公式
Figure FDA0003067243660000021
时，将
Figure FDA0003067243660000022
拆成两个子公式
Figure FDA0003067243660000023
和
Figure FDA0003067243660000024
并分别检测
Figure FDA0003067243660000025
和
Figure FDA0003067243660000026
是否能找到可满足的解，若二者均可找到，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当所述CTL判断公式
Figure FDA0003067243660000027
时，先遍历
Figure FDA0003067243660000028
的二元决策图BDD结构，获取
Figure FDA0003067243660000029
中所有状态的前驱状态集合
Figure FDA00030672436600000210
然后判断初始目标节点是否在前驱状态集合中，若在，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当所述CTL判断公式
Figure FDA00030672436600000211
时，基于最大不动点计算得到状态集合A，并判断初始目标节点是否在该状态集合A中，若是，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突；
当所述CTL判断公式
Figure FDA00030672436600000212
时，基于最小不动点计算得到状态集合B，并判断初始目标节点是否在该状态集合B中，若是，则判断该CTL判断公式中的领域属性与目标节点不冲突，否则判断冲突。
5.如权利要求4所述的跨界服务目标融合冲突检测方法，其特征在于：
当
Figure FDA00030672436600000213
拆成的子公式为一个原子命题时，返回该原子命题；
当
Figure FDA00030672436600000214
拆成的子公式为
Figure FDA00030672436600000215
时，返回
Figure FDA00030672436600000216
的否定。
6.如权利要求1所述的跨界服务目标融合冲突检测方法，其特征在于，对主体领域目标模型的待融合目标进行标注之前，还包括：
遍历主体领域目标模型，若任一功能性目标不存在实现其的可操作性目标，则判断该功能性目标为待融合目标。
7.如权利要求1所述的跨界服务目标融合冲突检测方法，其特征在于，从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点，具体包括：
利用中文预训练模型将自然语言描述的待融合目标转换为向量；
分别计算所述客体领域目标模型中各目标与待融合目标之间的语义相似度，并以相似度最高的目标作为融合点。
8.如权利要求7所述的跨界服务目标融合冲突检测方法，其特征在于，所述待融合目标与客体领域目标模型中目标的相似度计算如下：
Figure FDA0003067243660000031
其中，Gp为上述待融合目标，Gq为客体领域目标模型中的目标，i为向量的维度。
9.如权利要求1所述的跨界服务目标融合冲突检测方法，其特征在于，遍历所述目标分解路径之前，还包括：
将所述目标分解路径中所有目标节点之间的关系进行编码后存储到目标关系矩阵中；
将目标分解路径中的所有目标节点均融合到主体领域目标模型时，基于所述目标关系矩阵中存储的目标节点之间的关系编码恢复目标节点之间的关系。
10.一种跨界服务目标融合冲突检测装置，其特征在于，其包括：
标注模块，其用于对主体领域目标模型的待融合目标进行标注；
查找模块，其用于从客体领域目标模型中找到与待融合目标相似度最高的目标，作为融合点；
抽取模块，其用于以所述融合点为初始目标节点，从所述客体领域目标模型中抽取目标分解路径；
融合模块，其用于遍历所述目标分解路径，将目标分解路径中的所有目标节点均融合到主体领域目标模型，得到融合目标模型；各目标模型中的目标被定义为功能性目标、非功能性目标和可操作性目标；
判断模块，其用于将所述融合目标模型中的可操作性目标作为原子命题，根据主体领域的至少一个领域属性和所述目标分解路径中的目标节点，构建计算树逻辑CTL判断公式，分别判断每个领域属性与目标分解路径中的各目标节点是否存在冲突。
CN202110530055.3A 2021-05-14 2021-05-14 跨界服务目标融合冲突检测方法及装置 Active CN113361232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110530055.3A CN113361232B (zh) 2021-05-14 2021-05-14 跨界服务目标融合冲突检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110530055.3A CN113361232B (zh) 2021-05-14 2021-05-14 跨界服务目标融合冲突检测方法及装置

Publications (2)

Publication Number Publication Date
CN113361232A true CN113361232A (zh) 2021-09-07
CN113361232B CN113361232B (zh) 2023-11-28

Family

ID=77526482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110530055.3A Active CN113361232B (zh) 2021-05-14 2021-05-14 跨界服务目标融合冲突检测方法及装置

Country Status (1)

Country Link
CN (1) CN113361232B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114461760A (zh) * 2022-02-10 2022-05-10 北京华宇元典信息服务有限公司 案件事实与法条匹配的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040022379A1 (en) * 1997-04-03 2004-02-05 Southwestern Bell Telephone Company Apparatus and method for facilitating service management of communications services in a communications network
KR20120084187A (ko) * 2011-01-19 2012-07-27 한국전자통신연구원 모델 체킹에 기반한 융합 서비스 충돌탐지 장치 및 그 방법
CN105474166A (zh) * 2013-03-15 2016-04-06 先进元素科技公司 用于有目的计算的方法和系统
CN111461566A (zh) * 2020-04-10 2020-07-28 武汉大学 一种基于消息流划分与合并的跨界服务流程融合方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040022379A1 (en) * 1997-04-03 2004-02-05 Southwestern Bell Telephone Company Apparatus and method for facilitating service management of communications services in a communications network
KR20120084187A (ko) * 2011-01-19 2012-07-27 한국전자통신연구원 모델 체킹에 기반한 융합 서비스 충돌탐지 장치 및 그 방법
CN105474166A (zh) * 2013-03-15 2016-04-06 先进元素科技公司 用于有目的计算的方法和系统
CN111461566A (zh) * 2020-04-10 2020-07-28 武汉大学 一种基于消息流划分与合并的跨界服务流程融合方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘伟东;马超;涂志莹;徐晓飞;王忠杰: "跨界服务设计中面向多方价值冲突消解的自动协商方法", 小型微型计算机系统, vol. 41, no. 011 *
蔡为;佘凯琦;李兵;舒红;: "基于云计算的小城镇集成云平台建设探讨", 地理空间信息, no. 07 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114461760A (zh) * 2022-02-10 2022-05-10 北京华宇元典信息服务有限公司 案件事实与法条匹配的方法及装置

Also Published As

Publication number Publication date
CN113361232B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Li et al. Mining evidences for named entity disambiguation
CN107656958B (zh) 一种多数据源数据的归类方法及服务器
CN112560496A (zh) 语义分析模型的训练方法、装置、电子设备及存储介质
Celikyilmaz et al. Enriching word embeddings using knowledge graph for semantic tagging in conversational dialog systems
CN113761927B (zh) 电网故障处置实时辅助决策方法、系统、设备及存储介质
CN114359564A (zh) 图像识别方法、装置、计算机设备、存储介质和产品
CN112541070A (zh) 槽位更新语料的挖掘方法、装置、电子设备和存储介质
CN113361232A (zh) 跨界服务目标融合冲突检测方法及装置
CN116245097A (zh) 训练实体识别模型的方法、实体识别方法及对应装置
Seonwoo et al. Hierarchical dirichlet gaussian marked hawkes process for narrative reconstruction in continuous time domain
CN113094560A (zh) 基于数据中台的数据标签库构建方法、装置、设备及介质
CN114416976A (zh) 文本标注方法、装置及电子设备
CN117933377A (zh) 基于大语言模型的思维导图生成方法、装置及电子设备
CN117251685B (zh) 一种基于知识图谱的标准化政务数据构建方法和装置
CN117149140B (zh) 一种用于编码的架构信息生成方法、装置及相关设备
Xu et al. Short text classification of chinese with label information assisting
CN117933256A (zh) 事件抽取方法、装置、电子设备及计算机可读介质
CN112906391A (zh) 元事件抽取方法、装置、电子设备和存储介质
KR20220105792A (ko) 동적 텍스트 소스를 활용한 ai 기반 의사결정지원 시스템
CN116306663B (zh) 语义角色标注方法、装置、设备以及介质
CN111800333A (zh) 会话消息处理方法、装置、计算机可读存储介质及设备
Sahoh et al. Automatic semantic description extraction from social big data for emergency management
Li et al. GAIA at SMKBP 2020-a dockerlized multi-media multi-lingual knowledge extraction, clustering, temporal tracking and hypothesis generation system
CN116805022A (zh) 一种基于群体传播的特定Twitter用户挖掘方法
CN114625340B (zh) 基于需求分析的商用软件研发方法、装置、设备及介质

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