CN115033772A - 一种基于语义网络的创意激发方法及装置 - Google Patents
一种基于语义网络的创意激发方法及装置 Download PDFInfo
- Publication number
- CN115033772A CN115033772A CN202210696126.1A CN202210696126A CN115033772A CN 115033772 A CN115033772 A CN 115033772A CN 202210696126 A CN202210696126 A CN 202210696126A CN 115033772 A CN115033772 A CN 115033772A
- Authority
- CN
- China
- Prior art keywords
- weight
- node
- creative
- path edge
- statistical
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000005284 excitation Effects 0.000 title claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 2
- 238000010304 firing Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000012938 design process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于语义网络的创意激发方法,包括:步骤1、构建用于匹配检索的数据库;步骤2、获取关键词,通过映射获得语义网络中对应的节点信息,基于所述节点信息在步骤1构建的数据库中进行匹配,获取所有相关联节点的权重信息集合;步骤3、对权重信息集合中统计权重进行标准化,获得关联节点对应的标准统计权重集合;步骤4、基于标准统计权重集合与语义权重集合,计算获得路径边权重集合;步骤5、基于路径边权重集合,生成用于体现关键词与相关词之间隐式关系的力导向图。本发明还公开了一种基于创意激发方法的创意激发引擎装置。本发明的方法通过计算关键词与关联词之间的路径边权重,生成可视化的力导向图。
Description
技术领域
本发明涉及计算机辅助设计领域,尤其涉及一种基于语义网络的创意激发方法及装置。
背景技术
设计是一个以实现某种特定需求为目的,通常受到第三方的限制,包含了构想、开发和实现各种产品、人工制品、系统、服务或体验的过程。随着科学技术的发展,设计正在逐渐成为多种生产生活领域中不可缺少的一个流程。通过理解用户的期望和需求,以及业务实践过程中的限制,设计者需要完成从概念到产品的构思和计划,使得产品的形式、内容和行为变得有用且可行。
概念设计是设计的早期阶段,是一个由分析用户需求到生成概念产品的设计过程。概念设计既需要设计者充分了解已有的信息,也需要他们发挥自己的创新能力,其最终效果是和设计者获取、理解和使用各种人文和科技信息的能力紧密相关的。
当前,网络上有大量的图片信息和文字信息供设计者浏览、汲取设计过程所需的知识并产生一些创新的想法。然而,如何帮助设计者高效地发现并获取知识从而激发创意仍然是一个值得研究的问题。
专利文献CN106919674A公共了一种基于Wiki语义网络构建的知识问答系统及智能检索方法,所述智能检索方法包括基于机器人学习对上线文语义的自动主体推理以及专家知识定向优化两个面的优点,对用户输入检索词返回经过合理语义联想、拓展匹配的检索结果和推理的检索结果,并结合专家知识的定义,从而提高了检索结果的准确度和深度。该方法只能体现关键词与关联词的关系,而不能提供关键词与关联词之间作为关系拓展的隐式关系。
专利文献CN11026899A公开了一种基于深度学习的产品生成方法,包括:建立产品图像数据集;数据预处理;构建图像生成模型;构建图像方案二次优选模型;根据优选的图像模型创新设计产品。该方法针对产品图像进行创意拓展,而该方法的局限性在于图对图的检索拓展,而很多创意点和想法无法通过图片形式进行展示。
发明内容
为了解决上述问题,本发明提供了一种基于语义网络的创意激发方法,通过输入待创意激发的关键词,获得用于体现关键词与相关词之间隐式关系的力导向图,从而提供思维拓展的方向。
一种基于语义网络的创意激发方法,包括:
步骤1、构建用于匹配检索的数据库,所述数据库包括关键词在语义网络中的节点信息以及与所有相关联节点之间的权重信息,所述权重信息包括节点与相关节点之间的语义权重和统计权重;
步骤2、获取关键词,通过映射获得语义网络中对应的节点信息,基于所述节点信息在步骤1构建的数据库中进行匹配,获取所有相关联节点的权重信息集合;
步骤3、对步骤2获得的权重信息集合中统计权重进行标准化,获得关联节点对应的标准统计权重集合;
步骤4、基于步骤3获得的标准统计权重集合与语义权重集合,计算获得用于体现关键词与对应相关词之间连接顺序的路径边权重集合;
步骤5、基于步骤4获得的路径边权重集合,生成用于体现关键词与相关词之间隐式关系的力导向图。
本发明采用内容更加广泛的维基百科数据库,根据关键词与关联词之间的语义权重与统计权重,计算关键词与多个关联词之间的路径边权重,从而生成用于体现关键词与相关词之间隐式关系的力导向图。
具体的,所述数据库是基于维基百科词条数据与页面信息,所述页面信息包括每一篇文献中的标题,正文,参见以及分类。
具体的,所述步骤3中的标准化是基于当前用户需求进行数据处理,所述用户需求包括通用检索和专业检索,所述通用检索是用于反馈关键词与所有相关词之间关联度,所述专业检索是用于反馈关键词与相关词中专业术语之间关联度。
具体的,当用户需求为通用检索时,采用全局标准化对统计权重进行优化:
当用户需求为专业检索时,采用所述局部标准化对统计权重进行优化:
具体的,所述步骤5中计算获得用于体现关键词与对应相关词之间连接顺序的路径边权重集合,采用Dijkstra最短路径算法找出两节点对应之间的关联路径,基于所述关联路径计算获得对应的路径边权重。
具体的,所述路径权重包括单向路径边权重与双向路径边权重,所述单向路径边权重用于反馈目标节点到所有相关联节点之间的路径边权重,所述双向路径边权重用于反馈目标节点与其中一个相关节点之间的路径边权重。
具体的,所述单向路径边权重的表达式为:
所述双向路径边权重的表达式为:
其中,w语义表示语义权重,表示从节点i到节点j方向的通用单向路径边权重,表示从节点i到节点j方向的专业单向路径边权重,表示节点i与节点j之间最短路径的通用双向路径边权重,表示节点i与节点j之间最短路径的专业双向路径边权重。
本发明还提供了一种创意激发引擎装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器并在所述计算机处理器上执行的计算机程序,所述计算机存储器中能够采用上述的基于语义网络的创意激发方法;所述计算机处理器执行所述计算机程序时实现以下步骤:输入关键词,通过创意激发方法进行分析检索与图像生成,输出用于体现关键词与相关词之间隐式关系的力导向图。
与现有技术相比,本发明的有益效果:
(1)现有技术大多数采用单一领域或专利网站的数据,而本发明在引用涉及范围更大的维基百科数据,同时在引入了统计权重与语义权重相结合的权重信息进行检索,从而使得检索结果更加准确。
(2)本发明根据检索结果对应的权重信息,生成用于体现关键词与相关词之间隐式关系的力导向图,用户通过可视化的力导向图可以快速了解所有相关词与关键词的拓展路径。
附图说明
图1为本发明提供的一种基于语义网络的创意激发方法的构建流程图;
图2为实施例中基于单向路径边权重生成的力导向图;
图3为实施例中基于双向路径边权重生成的力导向图。
具体实施方式
关于设计,是指以实现某种特定需求为目的,包括构想,开发和实现各种产品、人工制品、系统、服务或体验的过程。每一次的设计都会以设计者所了解的所有领域知识进行构想,往往因为不熟悉一些领域而导致错失很多可相结合的创意想法,因此如何拓展激发设计者的设计思路和设计创意,是一个亟待解决的问题。
本实施例提供了一种基于语义网络的创意激发方法,如图1所示,包括:
步骤1、基于维基百科词条数据与每篇文献中的标题、正文、参见以及分类,构建用于匹配检索的数据库,该数据库包括关键词在语义网络中的节点信息以及与所有相关联节点之间的权重信息,其中权重信息包括节点与相关节点之间的语义权重和统计权重:
统计权重:两个节点对应的概念会在多篇条目中出现,当两个节点是在标题和正文中同时出现时,表示两个节点对应的概念之间存在一定的联系,我们设置节点之间的权重加1,当两个节点是在标题和参见(部分文献中也叫参考文献),表示两个节点对应的概念之间存在较强的联系,我们设置节点之间的权重加9。
语义权重:通过计算两个节点对应概念词向量的余弦相似度,来表示两个节点之间的语义距离;考虑到危机百科中的词是中文且很多均未能在传统word2vec算法的词典中检索到,因此采用fastTest以及OOV功能计算所有节点词的词向量。
每篇中文维基百科条目都包含两种信息:第一是超链接信息,在中文维基百科中,如果一个概念拥有独立的词条,那么当它出现在其他概念的词条解释中时,就会以超链接的形式链接到自身的词条栏目,这种数据可以被称作为“超链接节点”。这些概念在中文维基百科中有明确的涵义和解释,并且不同条目具有统一的表达形式,从规范性和有效性的角度来说,这类数据很适合作为语义网络的节点。
第二是区域信息,每篇中文维基百科条目都包含标题、正文、参见和分类四个区域,每一个区域都拥有独立的内容,我们可以根据一个超链接节点所处的区域,判断超链接概念和主词条概念、超链接概念与其他概念之间的关系。
同时由于维基百科的数据库包括两种分类系统:话题分类(19个类别)和条目科学分类(22个类别);因此为了避免节点对应概念的内容过于具体而降低创意激发方法的通用性,将每个节点对应概念的分类系统中所处的层数进行过滤,只保留处于分类系统中第1层到第3层的节点。
步骤2、获取关键词,通过映射获得语义网络中对应的节点信息,基于所述节点信息在步骤1构建的数据库中进行匹配,获取所有相关联节点的权重信息集合;
步骤3、对步骤2获得的权重信息集合中统计权重进行标准化,获得关联节点对应的标准统计权重集合:
当用户需求为通用检索时,采用全局标准化对统计权重进行优化:
当用户需求为专业检索时,采用所述局部标准化对统计权重进行优化:
步骤4、基于步骤3获得的标准统计权重集合与语义权重集合,采用Dijkstra最短路径算法获得用于体现关键词与对应相关词之间连接顺序的路径边权重集合:
其中,路径权重包括单向路径边权重与双向路径边权重;
单向路径边权重用于反馈目标节点到所有相关联节点之间的路径边权重,其表达式如下:
双向路径边权重用于反馈目标节点与其中一个相关节点之间的路径边权重,其表达式如下:
其中,w语义表示语义权重,表示从节点i到节点j方向的通用单向路径边权重,表示从节点i到节点j方向的专业单向路径边权重,表示节点i与节点j之间最短路径的通用双向路径边权重,表示节点i与节点j之间最短路径的专业双向路径边权重。
步骤5、基于步骤4获得的路径边权重集合,生成用于体现关键词与相关词之间隐式关系的力导向图。
本实施例还提供了一种创意激发引擎装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器并在所述计算机处理器上执行的计算机程序,该计算机存储器中能够采用上述的基于语义网络的创意激发方法。
计算机处理器执行所述计算机程序时实现以下步骤:输入关键词,通过创意激发方法进行分析检索与图像生成,输出用于体现关键词与相关词之间隐式关系的力导向图。
为了使本发明的目的、技术方案及优点更加清楚明白,将结合实际应用场景进行具体说明。应当理解,此处所描述的具体实施方法仅仅用以解释本发明的一种使用方法,并不限定本发明的保护范围:
如图2所示,当产品设计时的关键词为机器人时,输入关键词为“机器人”选择通用检索(General)后,为了了解人工智能与所有领域之间的关系,则选择单向路径的方式进行力导向图的展示,图中左侧框内包括与人工智能关联度排名前10的相关词,而图中右侧为输出的力导向图,由图可以很清楚的了解到每个节点对应的词语以及与它直接有关联的词语,包括:人类,自动化,仿生人,电脑,科幻,动画,义肢、传感器以及外星人等。
通过上述输出的内容,可以让用户快速了解到与机器人相关的所有领域词语(例如机器人,义肢和传感器就可以组成辅助行走装置;机器人,电脑和传感器就可以组合成会自动避让障碍物的机器人),从而拓展了设计思路。
如图3所示,当产品设计目标包括人工智能与手机时,输入关键词“人工智能”与“手机”选择专业检索后,为了寻找到两者之间作为桥梁的领域词语,则选用双向路径的方式进行力导向图的展示,图中左侧框内包括从人工智能关联到手机时,所有存在的关联路径与关联路径上所有词语,而图中右侧为输出的力导向图,由图可知人工智能-机器人学习-物联网-智能手机-平板电脑-手机,人工智能-超级计算机-惠普-平板电脑-手机,人工智能-电脑-手机等一系列路径,用户可以根据检索结果对机器人学习,物联网,平板电脑等词语进行产品设计思路的拓展,同时通过检索结果可知惠普企业在这类设计中有这比较大的投入,可以去惠普企业官网查看相关竞品的参数以及已被注册的专利内容,从而避免出现功能雷同或者技术类似的情况。
Claims (8)
1.一种基于语义网络的创意激发方法,其特征在于,包括:
步骤1、构建用于匹配检索的数据库,所述数据库包括关键词在语义网络中的节点信息以及与所有相关联节点之间的权重信息,所述权重信息包括节点与相关节点之间的语义权重和统计权重;
步骤2、获取关键词,通过映射获得语义网络中对应的节点信息,基于所述节点信息在步骤1构建的数据库中进行匹配,获取所有相关联节点的权重信息集合;
步骤3、对步骤2获得的权重信息集合中统计权重进行标准化,获得关联节点对应的标准统计权重集合;
步骤4、基于步骤3获得的标准统计权重集合与语义权重集合,计算获得用于体现关键词与对应相关词之间连接顺序的路径边权重集合;
步骤5、基于步骤4获得的路径边权重集合,生成用于体现关键词与相关词之间隐式关系的力导向图。
2.根据权利要求1所述的基于语义网络的创意激发方法,其特征在于,所述数据库是基于维基百科词条数据与页面信息,所述页面信息包括每一篇文献中的标题、正文、参见以及分类。
3.根据权利要求1所述的基于语义网络的创意激发方法,其特征在于,所述步骤3中的标准化是基于当前用户需求进行数据处理,所述用户需求包括通用检索和专业检索,所述通用检索是用于反馈关键词与所有相关词之间关联度,所述专业检索是用于反馈关键词与相关词中专业术语之间关联度。
5.根据权利要求1所述的基于语义网络的创意激发方法,其特征在于,所述步骤5中计算获得用于体现关键词与对应相关词之间连接顺序的路径边权重集合,采用Dijkstra最短路径算法找出两节点对应之间的关联路径,基于所述关联路径计算获得对应的路径边权重。
6.根据权利要求5所述的基于语义网络的创意激发方法,其特征在在于,所述路径边权重包括单向路径边权重与双向路径边权重,所述单向路径边权重用于反馈目标节点到所有相关联节点之间的路径边权重,所述双向路径边权重用于反馈目标节点与其中一个相关节点之间的路径边权重。
8.一种创意激发引擎装置,包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序,其特征在于,所述计算机存储器中采用权利要求1-7任一所述的基于语义网络的创意激发方法;所述计算机处理器执行所述计算机程序时实现以下步骤:输入关键词后,通过创意激发方法进行分析检索与图像生成,输出用于体现关键词与相关词之间隐式关系的力导向图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210696126.1A CN115033772B (zh) | 2022-06-20 | 2022-06-20 | 一种基于语义网络的创意激发方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210696126.1A CN115033772B (zh) | 2022-06-20 | 2022-06-20 | 一种基于语义网络的创意激发方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115033772A true CN115033772A (zh) | 2022-09-09 |
CN115033772B CN115033772B (zh) | 2024-06-21 |
Family
ID=83124584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210696126.1A Active CN115033772B (zh) | 2022-06-20 | 2022-06-20 | 一种基于语义网络的创意激发方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115033772B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057173A (zh) * | 2023-10-13 | 2023-11-14 | 浙江大学 | 一种支持发散思维的仿生设计方法、系统及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685455A (zh) * | 2008-09-28 | 2010-03-31 | 华为技术有限公司 | 数据检索的方法和系统 |
CN102591988A (zh) * | 2012-01-16 | 2012-07-18 | 宋胜利 | 基于语义图的短文本分类方法 |
CN103631859A (zh) * | 2013-10-24 | 2014-03-12 | 杭州电子科技大学 | 一种面向科技项目的评审专家智能推荐方法 |
CN104881400A (zh) * | 2015-05-19 | 2015-09-02 | 上海交通大学 | 基于联想网络的语义相关性计算方法 |
CN106940726A (zh) * | 2017-03-22 | 2017-07-11 | 山东大学 | 一种基于知识网络的创意自动生成方法与终端 |
CN109189942A (zh) * | 2018-09-12 | 2019-01-11 | 山东大学 | 一种专利数据知识图谱的构建方法及装置 |
US20210065569A1 (en) * | 2014-08-28 | 2021-03-04 | Ideaphora India Private Limited | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter |
JP2021108124A (ja) * | 2019-12-29 | 2021-07-29 | Deiシステムズ株式会社 | アクセス対象検索システム |
CN114090787A (zh) * | 2021-11-15 | 2022-02-25 | 国网江苏省电力有限公司信息通信分公司 | 一种基于互联网电力政策信息的知识图谱构建方法 |
-
2022
- 2022-06-20 CN CN202210696126.1A patent/CN115033772B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685455A (zh) * | 2008-09-28 | 2010-03-31 | 华为技术有限公司 | 数据检索的方法和系统 |
CN102591988A (zh) * | 2012-01-16 | 2012-07-18 | 宋胜利 | 基于语义图的短文本分类方法 |
CN103631859A (zh) * | 2013-10-24 | 2014-03-12 | 杭州电子科技大学 | 一种面向科技项目的评审专家智能推荐方法 |
US20210065569A1 (en) * | 2014-08-28 | 2021-03-04 | Ideaphora India Private Limited | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter |
CN104881400A (zh) * | 2015-05-19 | 2015-09-02 | 上海交通大学 | 基于联想网络的语义相关性计算方法 |
CN106940726A (zh) * | 2017-03-22 | 2017-07-11 | 山东大学 | 一种基于知识网络的创意自动生成方法与终端 |
CN109189942A (zh) * | 2018-09-12 | 2019-01-11 | 山东大学 | 一种专利数据知识图谱的构建方法及装置 |
JP2021108124A (ja) * | 2019-12-29 | 2021-07-29 | Deiシステムズ株式会社 | アクセス対象検索システム |
CN114090787A (zh) * | 2021-11-15 | 2022-02-25 | 国网江苏省电力有限公司信息通信分公司 | 一种基于互联网电力政策信息的知识图谱构建方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057173A (zh) * | 2023-10-13 | 2023-11-14 | 浙江大学 | 一种支持发散思维的仿生设计方法、系统及电子设备 |
CN117057173B (zh) * | 2023-10-13 | 2024-01-05 | 浙江大学 | 一种支持发散思维的仿生设计方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115033772B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11347783B2 (en) | Implementing a software action based on machine interpretation of a language input | |
US10559308B2 (en) | System for determining user intent from text | |
KR102354716B1 (ko) | 딥 러닝 모델을 이용한 상황 의존 검색 기법 | |
CN110188168A (zh) | 语义关系识别方法和装置 | |
US8700604B2 (en) | NLP-based content recommender | |
KR100820662B1 (ko) | 회사 목록 검색에서의 검색 질의의 범주화 방법 및 장치 | |
CN111611361A (zh) | 抽取式机器智能阅读理解问答系统 | |
KR101646754B1 (ko) | 모바일 시멘틱 검색 장치 및 그 방법 | |
WO2023065211A1 (zh) | 一种信息获取方法以及装置 | |
JP2013536484A (ja) | コンピュータ化エージェントのシステムとユーザ指図セマンティックネットワーキング | |
CN110619050B (zh) | 意图识别方法及设备 | |
CN111539197A (zh) | 文本匹配方法和装置以及计算机系统和可读存储介质 | |
WO2023010427A1 (en) | Systems and methods generating internet-of-things-specific knowledge graphs, and search systems and methods using such graphs | |
US20120130999A1 (en) | Method and Apparatus for Searching Electronic Documents | |
CN116737979A (zh) | 基于上下文引导多模态关联的图像文本检索方法及系统 | |
Phan et al. | Building a Vietnamese question answering system based on knowledge graph and distributed CNN | |
CN115033772B (zh) | 一种基于语义网络的创意激发方法及装置 | |
CN113821588A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
Maree et al. | Multi-modality search and recommendation on Palestinian cultural heritage based on the holy-land ontology and extrinsic semantic resources | |
Lee et al. | Semantically enabled data mashups using ontology learning method for Web APIs | |
Paris et al. | Linking spatial named entities to the Web of data for geographical analysis of historical texts | |
US20240005170A1 (en) | Recommendation method, apparatus, electronic device, and storage medium | |
US20060167835A1 (en) | Optimization-based media allocation | |
CN112347289A (zh) | 一种图像管理方法及终端 | |
Godoy et al. | Geo-referencing with semi-automatic gazetteer expansion using lexico-syntactical patterns and co-reference analysis |
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 |