CN114258548A - 用于为工程方案的完成提供推荐的方法和装置 - Google Patents
用于为工程方案的完成提供推荐的方法和装置 Download PDFInfo
- Publication number
- CN114258548A CN114258548A CN202080060872.0A CN202080060872A CN114258548A CN 114258548 A CN114258548 A CN 114258548A CN 202080060872 A CN202080060872 A CN 202080060872A CN 114258548 A CN114258548 A CN 114258548A
- Authority
- CN
- China
- Prior art keywords
- items
- artificial intelligence
- sequence
- recommendation engine
- module
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Abstract
本发明涉及一种用于为工程方案的完成自动提供推荐的推荐引擎(1),所述推荐引擎(1)包括:第一人工智能AI模块(1A),其被适配成提供所选项目的序列的隐表示;以及第二人工智能AI模块(1B),其被适配成处理由所述第一人工智能AI模块(1A)提供的所选项目的序列的隐表示,以生成对于补充所选项目的序列所需的至少一个补充项目序列,从而提供经由接口(1C)输出的完整项目序列,作为用以完成所述工程方案的推荐。
Description
本发明涉及一种用于为复杂工程方案(engineering project)、特别是自动化系统的完成自动提供推荐的方法和装置。
诸如自动化系统之类的工程方案可能是复杂的,并且包括众多不同的组件。复杂工程方案的配置可以包括迭代过程,其中用户递增地(incrementally)选择组件。这些所选组件的组合可以满足工程方案的功能要求,同时还彼此兼容。复杂工程过程的配置不是容易的任务,并且需要时间、努力、经验、以及一定量的领域特定知识以便由用户正确地完成。
因此,本发明的目的是提供一种为工程方案的完成自动提供推荐的方法和装置。
根据本发明的第一方面,该目的通过包括权利要求1的特征的推荐引擎来实现。
根据第一方面,本发明提供了一种用于为工程方案的完成自动提供推荐的推荐引擎,所述推荐引擎包括:
第一人工智能模块,其被适配成提供项目集合的隐表示;以及
第二人工智能模块,其被适配成处理由所述第一人工智能模块提供的所述项目集合的隐表示,以生成对于补充所述项目集合所需的至少一个补充项目序列,从而提供经由接口输出的完整项目序列,作为用以完成所述工程方案的推荐。
提供用于完成部分配置的工程方案的推荐减少了对于选择组件所需的时间。此外,选择与工程过程的组件相关联的项目的过程可以由具有较少领域特定知识的经验较少的用户来执行。所述推荐引擎可以用于任何种类的工程方案,特别是用于包括多个不同组件(即,硬件和/或软件组件)的不同种类的自动化复杂系统。
在根据本发明的第一方面的推荐引擎的可能实施例中,所述项目是从与可用于相应工程方案的硬件和/或软件组件相对应的可用项目的集合中选择的。
每个项目可以对应于相关联的硬件组件,诸如控制器,或者对应于软件组件,诸如应用程序。因此,根据本发明的推荐引擎可以用于广泛范围的不同工程方案,所述工程方案不仅涵盖硬件组件,而且还涵盖软件组件。
关于序列中的所选项目的次序的信息提供了附加的情境信息,所述情境信息支持相应工程方案的所需项目的完成。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,所选项目的集合至少临时存储在连接到所述推荐引擎的存储器中。因此,可以避免所选项目的丢失。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,第一人工智能模块包括经训练的特征学习模块,所述经训练的特征学习模块被适配成计算所述项目集合的隐表示。
由第一人工智能模块计算的隐表示可以编码关于所述工程方案的组件的技术信息。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,第二人工智能模块包括经训练的顺序模型(sequential model),所述经训练的顺序模型被适配成计算作为用以完成所述工程方案的推荐而输出的至少一个补充项目序列。
所述经训练的顺序模型可以利用在工程方案期间选择的项目之间的时间相关性(temporal dependency)。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,所述项目由用户经由用户接口来选择,所述用户接口具有被适配成向用户输出可用项目的屏幕。这便于选择可用项目。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,由第二人工智能模块生成的一个或多个补充项目序列被输出在所述用户接口的屏幕上,以用于从所述补充项目序列之一中选择下一个项目,或者用于从所述补充项目序列之一中选择一个或多个项目(这些项目不一定一个接一个地出现),或者用于由用户选择整个补充项目序列。
这提供了如下优点,即,用户具有如下选择:是选择单个下一个项目,还是选择整个补充项目序列以便立即使所述选择完成。因此,存在用于自动完成部分配置的工程方案的自动化机构。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,第一人工智能模块和第二人工智能模块包括在组件的技术特征或属性以及先前选择的项目的多个序列上训练的人工神经网络。所述人工智能模块可以在项目特征和历史点击流数据上被训练。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,第一人工智能模块包括经训练的自动编码器。
在根据本发明的第一方面的推荐引擎的替代实施例中,第一人工智能模块包括张量分解模型。
可以使用其他人工智能模块,所述其他人工智能模块包括能够生成项目的隐表示的模型。
在根据本发明的第一方面的推荐引擎的另外的可能实施例中,第二人工智能模块包括经训练的递归神经网络。
在根据本发明的第一方面的推荐引擎的另外的替代实施例中,第二人工智能模块包括经训练的卷积神经网络。
根据另外的方面,本发明进一步提供了包括权利要求11的特征的计算机实现方法。
根据第二方面,本发明提供了一种用于为工程方案的完成自动提供推荐的计算机实现方法,所述方法包括以下步骤:
由第一人工智能模块来计算项目集合的隐表示;
由第二人工智能模块来处理所述项目集合的隐表示,以生成对于完成所述项目集合所需的至少一个补充项目序列;以及
经由接口来输出所述至少一个补充项目序列,作为用以完成所述工程方案的推荐。
在根据本发明的第二方面的计算机实现方法的可能实施例中,由第二人工智能模块生成的一个或多个补充项目序列被输出在用户接口的屏幕上,以用于从所述补充项目序列之一中选择下一个项目,或者用于从所述补充项目序列之一中选择一个或多个项目(这些项目不一定一个接一个地出现),或者用于由用户选择整个补充项目序列。
在根据本发明的第二方面的计算机实现方法的另外的可能实施例中,用户经由所述用户接口对所述补充项目之一的选择、或对整个补充项目序列的选择自动触发订购(ordering)命令,以便为所述工程方案订购相关联的组件。
这便于供应对于所述工程方案所需的组件。
根据另外的方面,本发明进一步提供了包括权利要求14的特征的软件工具。
根据该方面,本发明提供了一种包括程序代码的软件工具,所述程序代码是可执行的,以实行根据本发明的第二方面的计算机实现方法。
根据另外的方面,本发明进一步提供了包括权利要求15的特征的平台。
根据该方面,本发明提供了一种平台,其包括根据本发明的第一方面的推荐引擎。
所述平台可以包括云平台。
在下文中,参考附图来更详细地描述本发明的不同方面的可能实施例。
图1示出了包括根据本发明的第一方面的推荐引擎的系统的可能示例性实施例的框图;
图2示意性地示出了通过如图1中图示的推荐引擎作为推荐被输出到用户的可能的补充项目序列;
图3示出了根据本发明的另外方面的用于为工程方案的完成自动提供推荐的计算机实现方法的可能示例性实施例的流程图。
从图1的框图中可以看出,根据本发明的第一方面的推荐引擎1可以形成用于配置工程方案(诸如,自动化系统)的系统的一部分。该自动化系统可以包括多个硬件和/或软件组件。在所图示的实施例中,如图1中图示的推荐引擎1包括第一人工智能模块1A和第二人工智能模块1B。第一人工智能模块1A被适配成提供项目集合的隐表示。第二人工智能模块1B被适配成处理由第一人工智能模块1A提供的该项目集合的隐表示,以生成至少一个补充项目序列。需要该补充项目序列来补充该项目集合。为了提供完整的项目序列,它可以经由推荐引擎1的接口1C来输出,以完成相应工程方案。在可能的实施例中,这些项目是从可用项目的集合中选择的,其中每个可用项目对应于可以在该工程方案中使用的硬件组件和/或软件组件。在图1中图示的实施例中,所图示的配置系统包括连接到用户接口3的存储器2。用户接口3可以集成在用户终端或移动用户设备中。如图1中所示,所选项目的集合至少暂时存储在存储器2中。推荐引擎1有权访问图1中所示的配置系统的存储器2。在图1的所图示的实施例中,用户U在时间t1、t2、t3处借助于用户接口3一个接一个地选择了三个可选项目I1、I2、I3。因此,在该示例中,所选项目的集合包括项目I1、接着是项目I2、接着是项目I3的序列。每个项目I对应于工程方案的组件。每个项目I可以包括一个或多个项目特征。在可能的实施例中,推荐引擎1有权访问存储不同项目的项目特征的数据库4。此外,推荐引擎1有权访问另外的数据库5,在该数据库5中,存储了多个已完成的项目序列。每个项目I对应于硬件组件,诸如控制器或显示面板。每个组件可以包括一个或多个特征或属性。例如,控制器可以包括电源电压、故障安全兼容性或其功率消耗作为技术特征。显示面板可以包括电源电压以及其屏幕的分辨率作为技术特征。
在可能的实施例中,推荐引擎1的第一人工智能模块1A可以包括经训练的特征学习模块,该经训练的特征学习模块被适配成:计算如图1中所示的那样被存储在存储器2的选择篮(selection basket)中的项目I集合的隐表示。此外,推荐引擎1的第二人工智能模块1B可以包括经训练的顺序模型,该经训练的顺序模型被适配成:计算经由推荐引擎1的数据接口1C输出到用户U的用户接口3的至少一个补充项目序列。在可能的实施例中,项目I由用户U经由用户接口3来选择,该用户接口3具有被适配成向用户输出可用项目的屏幕。由第二人工智能模块1B生成的一个或多个补充项目序列可以被显示在用户接口3的屏幕上,以用于从补充项目序列之一中选择下一个项目,或者用于由用户U选择整个补充项目序列。此外,用户有可能从补充项目序列之一中选择没有一个接一个地出现的一个或多个项目I。
第一人工智能模块1A以及第二人工智能模块1B可以包括在组件的技术特征上训练并且在先前选择的项目的多个序列上训练的人工神经网络。在可能的实施例中,第一人工智能模块1A可以包括经训练的自动编码器。在替代实施例中,第一人工智能模块1A包括张量分解模型。在优选实施例中,第二人工智能模块1B包括经训练的递归神经网络RNN。递归神经网络RNN被设计成利用该工程方案内的所选项目之间的时间相关性。针对第二人工智能模块1B还可以使用另外的人工神经网络。在可能的实施例中,第二人工智能模块1B包括经训练的卷积神经网络。
如图1中图示的推荐系统包括推荐引擎1,该推荐引擎1可以用于完成由用户U部分配置的工程方案。推荐引擎1减少了对于完成该工程方案的配置所需的时间。推荐引擎1利用了工程方案的配置过程的顺序性质。它还可以利用底层组件之间的复杂关系来生成方案完成建议或推荐。关于组件或项目已被引入到推荐系统1中的次序的信息包括情境信息,该情境信息用于基于相同信息针对其可用的先前配置的工程方案的历史示例来完成相应工程方案。引入关于组件的技术信息可以附加地确保它们的兼容性。此外,当没有足够的历史数据可用时,该信息可以用作推荐的基础。根据本发明的推荐引擎1可以向用户U建议要添加到其工程方案的下一个项目。推荐引擎1还可以用于提供自动方案完成,即,它可以提供与仍然待添加的组件相关联的项目序列,以便满足该工程方案的所有功能要求。可以安装自动化机构来自动完成部分配置的工程方案。
图2示出了说明根据本发明的推荐引擎1的操作的示例。在该示例中,用户U已经通过从可用项目中连续地选择三个项目I1、I2、I3而执行了工程方案(诸如,自动化系统)的部分配置。每个项目I对应于该工程方案中可用的相关联的组件C。该部分配置(即,所选项目I1、I2、I3的集合)可以被存储在图1中图示的推荐系统的存储器2中。所选项目I1、I2、I3的集合被应用于推荐引擎1的第一人工智能模块1A。第一人工智能模块1A被适配成提供所选项目I1、I2、I3的集合的隐表示。所选项目的隐表示可以由经训练的第一人工智能模块1A来自动计算。第二人工智能模块1B接收由第一人工智能模块1A提供的所选项目I1、I2、I3的集合的所计算的隐表示。第二人工智能模块1B可以处理接收到的、由第一人工智能模块1A提供的所选项目的集合的隐表示,以计算对于补充所选项目I1、I2、I3的集合所需的至少一个补充项目序列,从而提供对于完成整个工程方案所需的完整项目序列。在图2的所图示的示例中,第二人工智能模块1B生成不同的补充项目序列以完成该工程方案。这些不同的补充项目序列形成了不同的完成场景CompSc,这些完成场景CompSc可以作为推荐被输出到用户U。在图2中的所图示的示例中,第一个完成场景推荐CompScl包括项目I11、I12、I13、I14、I15、I16。因此,第一个补充项目序列包括六个项目I11至I16,用户U可以选择这六个项目I11至I16,以提供对于完成已经部分配置的(p config)工程方案所需的完整项目序列。第二个完成场景CompSc2包括如下补充项目序列:该序列包括项目I21、I22、I23、I24。在所图示的示例中,第三个完成场景CompSc3包括补充项目I31、I32、I33的序列。因此,当在时间t3处已经选择了第三项目I3以提供该工程方案的部分配置(p config)之后,根据请求,可以经由用户接口3向用户U输出三个不同的完成场景CompSc,作为用以完成该部分配置的工程方案的可能推荐。用户U现在可以选择要么从所推荐的补充项目序列CompSc之一中选择仅单个项目I,要么完整地选择补充项目序列CompSc之一以使整个工程方案完成。由第二人工智能模块1B生成的不同的补充项目序列CompSc可以被显示在用户接口3的屏幕上以供用户U选择。用户U可以使用第一类型的选择命令(例如,在项目上进行点击)来从补充项目序列之一中选择下一个单个项目I,或者可以利用第二类型的选择命令(例如,在CompSc上进行点击)来选择整个补充项目序列。例如,用户U可以整体地选择第一个完成场景CompSc1,以自动选择所有剩余的补充项目I11至I16,从而完成该工程方案的配置。替代地,用户U可以选择包括四个项目I21、I22、I23、I24的完成场景CompSc2、或包括项目I31、I32、I33的完成场景CompSc3。替代地,用户U可以利用相关联的选择命令来选择仅单个项目,以迭代地继续该选择过程。单个项目的选择可以例如通过在所显示的项目上进行点击来执行。例如,用户U可以通过在项目I31上进行点击来从第三个所显示的补充项目序列CompSc3中仅选择项目I31。在图2的所图示的示例中,用户U然后可以在下一个步骤中选择项目I32,以获得在用户接口3的屏幕上显示的另外的完成场景CompSc4,该完成场景CompSc4包括项目I41、I42、I43。在另外的步骤中,用户U然后可以选择包括三个项目I41、I42、I43的整个已完成场景CompSc4来完成该工程方案,或者可以仅选择第三个完成场景CompSc3的下一个单个项目(即,I33)、或者选择新的完成场景的下一个单个项目(即,单独的I41)。
图3示出了根据本发明的另外方面的计算机实现方法的可能示例性实施例的流程图。在所图示的实施例中,该计算机实现方法用于为工程方案、特别是包括多个硬件和/或软件组件的自动化系统的完成自动提供推荐。在所图示的实施例中,该计算机实现方法包括三个主要步骤。
在第一步骤S1中,由第一人工智能模块1A来计算项目I集合的隐表示。
在另外的步骤S2中,由第二人工智能模块1B来处理项目I的隐表示,以生成对于完成所选项目的序列所需的至少一个补充项目序列。
在另外的步骤S3中,输出该至少一个补充项目序列,作为用以完成该工程方案的推荐。在如图2中图示的示例中,形成不同的完成场景CompSc1至CompSc4的四个补充项目序列可以经由用户接口3被输出到用户U以供进一步选择。在图2的所图示的示例中,针对时间t3处的部分配置,显示前三个完成场景CompSc1至CompSc3以供选择。在用户U已经选择了第三个完成场景CompSc3中的项目I31和项目I32之后,显示第四个完成场景CompSc4。
第一人工智能模块1A针对每个所选项目I来计算隐表示,该隐表示包括相关联组件的不同特征的向量v。根据本发明的推荐系统的推荐引擎1具有较少依赖于手动定义的规则的优点。当被提供有充分丰富的情境信息和足够的训练示例时,该推荐系统可以发现比领域专家所能够指定的那些相关性更加复杂的在组件之间的相关性。包括根据本发明的第一方面的推荐引擎1的如图1中图示的推荐系统的性能基于所收集的训练数据随时间而改进。
根据本发明的推荐系统的另外优点是:该系统不仅明确地向用户U提供推荐,而且还可以向用户U建议如何完成整个工程方案,而不是仅仅选择下一个项目或组件。如图3的流程图中图示的计算机实现方法可以在包括程序代码的软件工具中实现,该程序代码是可执行的,以实行图3中图示的步骤。
在可能的实施例中,如图1的系统中图示的推荐引擎1可以被实现为桌面解决方案。在该实施例中,该计算机实现方法可以由用户终端的处理器来执行。在替代实施例中,推荐引擎1还可以在经由数据网络连接到多个不同用户终端的云平台的web服务器上实现。在该实施例中,该计算机实现方法可以由云平台的服务器的一个或多个处理器来执行。
根据本发明的计算机实现方法的另外实施例是可能的。例如,在图2的示例中,用户U还可以选择完成场景CompSc(即,补充项目序列)并未建议的项目。然后,该系统可以自动检查所选项目是否导致了该工程方案的完成。如果所选项目导致了该工程方案的完成,则可以接受该项目,并且根据请求,可以在包括所添加项目的经扩展的部分配置上计算新的完成场景CompSc。在另外的示例性实施例中,在已经选择了由所计算的完成场景CompSc建议的项目I之后,用户U还可以后退(step back)到初始部分配置,即,取消所选的所建议的补充项目。例如,在图2的示例中,在已经从第一个完成场景中选择了项目I11之后,用户U可以删除该选择,并且回退(fall back)到包括项目I1、I2、I3的部分配置,并且请求对完成场景进行新的计算和/或选择另一个项目,诸如第二个完成场景CompSc2的项目I21。在选择了完成场景CompSc之后,在可能的实现方式中,用户U可以确认该选择,以触发对相关联的组件的自动订购过程。例如,在已经选择了包括项目I21、I22、I23、I24的完成场景CompSc2之后,该系统可以询问用户U他是否想要使该工程方案完成并且触发与所选完成场景2的所选项目I21、I22、I23、I24相关联的物理组件(硬件和/或软件组件)的自动订购。因此,在可能的实现方式中,用户U经由用户接口3对下一个项目的选择、或对整个补充项目序列的选择可以自动触发订购命令,以便为该工程方案的完成订购相关联的组件。
根据本发明的推荐系统可以采用与该工程方案的组件相关联的所选项目之间的时间相关性。在用户U已经完成了该项目集合以使该方案完成之后,可以使用所选完成场景来更新数据库5的内容,数据库5包括多个历史已完成项目序列。因此,随着已完成方案的数量增加,该推荐系统的性能可以随时间而改进。该推荐系统可以由一个或多个用户U来使用。
根据本发明的推荐引擎1和方法可以用于广泛范围的不同应用和用例,并且不限于图1和图2中图示的实施例。根据本发明的推荐引擎1和计算机实现方法可以用于需要配置其功能组件的任何复杂系统。该计算机实现方法可以在软件工具中实现,该软件工具诸如TIA选择工具、TIA门户或NX Designer。本发明提供了一种用于完成任何种类的复杂工程方案的顺序推荐系统。
Claims (15)
1.一种用于为工程方案的完成自动提供推荐的推荐引擎,所述推荐引擎包括:
- 第一人工智能AI模块(1A),其被适配成提供项目集合的隐表示;以及
- 第二人工智能AI模块(1B),其被适配成处理由所述第一人工智能AI模块(1A)提供的所述项目集合的隐表示,以生成对于补充所述项目集合所需的至少一个补充项目序列,从而提供经由接口(1C)输出的完整项目序列,作为用以完成所述工程方案的推荐。
2.根据权利要求1所述的推荐引擎,其中所述项目是从与可用于所述工程方案的硬件组件和/或软件组件相对应的可用项目的集合中选择的。
3.根据权利要求2所述的推荐引擎,其中所选项目的集合至少临时存储在连接到所述推荐引擎(1)的存储器(2)中。
4.根据前述权利要求1至3中任一项所述的推荐引擎,其中所述第一人工智能AI模块(1A)包括经训练的特征学习模块,所述经训练的特征学习模块被适配成计算所述项目集合的隐表示。
5.根据前述权利要求1至4中任一项所述的推荐引擎,其中所述第二人工智能AI模块(1B)包括经训练的顺序模型,所述经训练的顺序模型被适配成计算作为用以完成所述工程方案的推荐而输出的至少一个补充项目序列。
6.根据前述权利要求2至5中任一项所述的推荐引擎,其中所述项目由用户经由用户接口(3)来选择,所述用户接口(3)具有被适配成向用户输出可用项目的屏幕。
7.根据权利要求6所述的推荐引擎,其中由所述第二人工智能AI模块(1B)生成的一个或多个补充项目序列被输出在所述用户接口(3)的屏幕上,以用于从所述补充项目序列之一中选择下一个项目,或者用于从所述补充项目序列之一中选择一个或多个项目,或者用于由用户选择整个补充项目序列。
8.根据前述权利要求1至7中任一项所述的推荐引擎,其中所述第一人工智能AI模块(1A)和所述第二人工智能AI模块(1B)包括在组件的技术特征以及先前选择的项目的多个序列上训练的人工神经网络。
9.根据前述权利要求1至8中任一项所述的推荐引擎,其中所述第一人工智能AI模块(1A)包括经训练的自动编码器或张量分解模型。
10.根据前述权利要求1至9中任一项所述的推荐引擎,其中所述第二人工智能AI模块(1B)包括经训练的递归神经网络或经训练的卷积神经网络。
11.一种用于为工程方案的完成自动提供推荐的计算机实现方法,所述方法包括以下步骤:
- 由第一人工智能AI模块(1A)来计算(S1)项目集合的隐表示;
- 由第二人工智能AI模块(1B)来处理(S2)所述项目集合的隐表示,以生成对于完成所选项目的序列所需的至少一个补充项目序列;以及
- 经由接口(1C)来输出(S3)所述至少一个补充项目序列,作为用以完成所述工程方案的推荐。
12.根据权利要求11所述的计算机实现方法,其中由所述第二人工智能AI模块(1B)生成的一个或多个补充项目序列被输出在用户接口(3)的屏幕上作为推荐,以用于从所输出的补充项目序列之一中选择下一个项目,或者用于从所述补充项目序列之一中选择一个或多个项目,或者用于由用户选择整个补充项目序列。
13.根据权利要求12所述的计算机实现方法,其中用户经由所述用户接口(3)对下一个项目的选择、或对一个或多个项目的选择、或对整个补充项目序列的选择自动触发订购命令,以便为所述工程方案订购相关联的组件。
14.一种包括程序代码的软件工具,所述程序代码是可执行的,以实行根据前述权利要求11至13中任一项所述的计算机实现方法。
15.一种平台,其包括根据前述权利要求1至10中任一项所述的推荐引擎。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201941034781 | 2019-08-29 | ||
IN201941034781 | 2019-08-29 | ||
EP19210341.4 | 2019-11-20 | ||
EP19210341.4A EP3786851A1 (en) | 2019-08-29 | 2019-11-20 | Method and apparatus for providing recommendations for completion of an engineering project |
PCT/EP2020/073059 WO2021037603A1 (en) | 2019-08-29 | 2020-08-18 | Method and apparatus for providing recommendations for completion of an engineering project |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114258548A true CN114258548A (zh) | 2022-03-29 |
Family
ID=68762377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080060872.0A Pending CN114258548A (zh) | 2019-08-29 | 2020-08-18 | 用于为工程方案的完成提供推荐的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220284286A1 (zh) |
EP (2) | EP3786851A1 (zh) |
CN (1) | CN114258548A (zh) |
WO (1) | WO2021037603A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4113379A1 (en) * | 2021-06-28 | 2023-01-04 | Siemens Aktiengesellschaft | Method and system for semi-automatic completion of an engineering project |
EP4137982A1 (en) * | 2021-08-19 | 2023-02-22 | Siemens Aktiengesellschaft | Method and system for automated support of a design of a technical system |
EP4235516A1 (en) | 2022-02-28 | 2023-08-30 | Siemens Aktiengesellschaft | Method and system for semi-automatic completion of an engineering project |
EP4254268A1 (en) | 2022-03-31 | 2023-10-04 | Siemens Aktiengesellschaft | Method and system for recommending modules for an engineering project |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090093B (zh) * | 2016-11-22 | 2021-02-09 | 华为技术有限公司 | 生成推荐结果的方法和装置 |
CN109543112A (zh) * | 2018-11-30 | 2019-03-29 | 苏州大学 | 一种基于循环卷积神经网络的序列推荐方法及装置 |
-
2019
- 2019-11-20 EP EP19210341.4A patent/EP3786851A1/en not_active Withdrawn
-
2020
- 2020-08-18 WO PCT/EP2020/073059 patent/WO2021037603A1/en unknown
- 2020-08-18 CN CN202080060872.0A patent/CN114258548A/zh active Pending
- 2020-08-18 US US17/637,234 patent/US20220284286A1/en active Pending
- 2020-08-18 EP EP20764034.3A patent/EP3983949A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3786851A1 (en) | 2021-03-03 |
WO2021037603A1 (en) | 2021-03-04 |
US20220284286A1 (en) | 2022-09-08 |
EP3983949A1 (en) | 2022-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114258548A (zh) | 用于为工程方案的完成提供推荐的方法和装置 | |
CN108153520B (zh) | 软件开发方法及装置 | |
CN110366734A (zh) | 优化神经网络架构 | |
US8000946B2 (en) | Discrete event simulation with constraint based scheduling analysis | |
CN110909942B (zh) | 训练模型的方法及系统和预测序列数据的方法及系统 | |
CN107704396A (zh) | 应用程序的测试方法及装置 | |
EP3867822A1 (en) | Platform for selection of items used for the configuration of an industrial system | |
EP2645310A2 (en) | Case-based adaptation framework for customization knowledge in enterprise systems | |
CN109964238A (zh) | 使用神经网络生成视频帧 | |
CN105117953A (zh) | 用户签到处理方法和装置 | |
CN111881042A (zh) | 自动化测试脚本的生成方法、装置和电子设备 | |
CN114611041A (zh) | 一种前端页面构建方法、装置、计算机设备及介质 | |
US11144179B2 (en) | Next user interaction prediction | |
CN113366510A (zh) | 经由训练的原始网络与双网络来执行多目标任务 | |
Agrawal et al. | Early phase software effort estimation model | |
CN116301916A (zh) | 服务部署方法、装置、电子设备及存储介质 | |
CN115098082A (zh) | 基于Jenkins插件的流水线脚本生成方法、系统、设备及介质 | |
CN110377769B (zh) | 基于图数据结构的建模平台系统、方法、服务器及介质 | |
CN111552549A (zh) | 一种智能设备的多任务请求动态配置方法及系统 | |
CN109388385A (zh) | 用于应用开发的方法和装置 | |
CN116757254B (zh) | 任务处理方法、电子设备及存储介质 | |
CN109240658A (zh) | 一种基于神经网络的软件架构选择的方法及装置 | |
EP2037359A1 (en) | A method and a system for generating project-related requirements | |
CN114154249A (zh) | 火箭参数管理方法、装置、终端设备及介质 | |
Gupta et al. | Agile Approaches For Effort Estimation In Software Development Process-A Review |
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 |