CN116701357A - 基于语义网络的ifc数据管理方法及装置 - Google Patents
基于语义网络的ifc数据管理方法及装置 Download PDFInfo
- Publication number
- CN116701357A CN116701357A CN202310710187.3A CN202310710187A CN116701357A CN 116701357 A CN116701357 A CN 116701357A CN 202310710187 A CN202310710187 A CN 202310710187A CN 116701357 A CN116701357 A CN 116701357A
- Authority
- CN
- China
- Prior art keywords
- data
- ifc
- semantic
- semantic network
- entities
- 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
- 238000013523 data management Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007726 management method Methods 0.000 claims abstract description 50
- 238000012800 visualization Methods 0.000 claims abstract description 34
- 230000006870 function Effects 0.000 claims abstract description 27
- 230000002452 interceptive effect Effects 0.000 claims abstract description 20
- 238000013499 data model Methods 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000003058 natural language processing Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 11
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000002085 persistent effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于语义网络的IFC数据管理方法及装置，属于数据模型管理技术领域。基于语义网络的IFC数据管理方法，包括以下步骤：S1、数据建模，S2、语义关系定义，S3、存储和管理，S4、查询和推理，S5、可视化和交互。该方法中，通过构建相关数据领域的知识图谱，并基于知识图谱构建语义网络，从而更好地捕捉实体之间的语义关联，此外利用机器学习和自然语言处理技术，实现智能的数据匹配和推荐功能，有效提高数据检索和利用的效率，而对于知识图谱展示以及用户查询，通过安装Tableau可视化工具将数据呈现为直观的图形界面，并提供交互查询功能，有效提高知识图谱展示以及用户查询结果的准确性。
Description
技术领域
本发明涉及数据模型管理技术领域，更具体地说，涉及基于语义网络的IFC数据管理方法及装置。
背景技术
基于语义网络的IFC数据管理方法指的是使用语义网络来管理IndustryFoundation Classes(IFC)数据模型的方法。IFC是一种开放的行业标准，用于描述建筑、工程和设施管理领域的信息。它提供了一个通用的数据模型，用于描述建筑和基础设施项目的几何、构件、材料、属性和关系信息。而语义网络是一种图形化的数据结构，用于表示实体之间的语义关系，在基于语义网络的IFC数据管理方法中，IFC模型的各个实体被表示为节点，而它们之间的关系则用边来表示，这些边可以表示不同的语义关系。目前大多数IFC数据管理方法通常仍在使用传统的关系型数据库或文件系统来存储和查询数据。然而，这种方式往往难以表达实体之间的语义关系，有可能造成实体之间的语义关联的错误定义，影响信息的准确传递。
发明内容
基于语义网络的IFC数据管理方法，基于语义网络的IFC数据管理方法，包括以下步骤：
S1、数据建模：基于知识图谱，将IFC数据表示为实体和关系的图结构，以此进行实体和关系的建模，并捕捉实体之间的语义关联；
S2、语义关系定义：采用机器学习和自然语言处理技术进行语义注释以及实体和关系定义，并结合上下文关系，以及融合外部知识源共同建立相应领域特定的语义关系；
S3、存储和管理：利用IFC解析器读取和解析IFC文件，并将IFC数据导入到语义网络中进行存储，所述语义网络设置有述数据库管理系统，且利用所述数据库管理系统中的语义网络编辑器进行编辑、管理；
S4、查询和推理：通过引用更高级的查询语言，包括逻辑运算符、比较运算符、模糊匹配和正则表达式，来构建查询条件，且在所述数据库管理系统中采用机器学习和数据分析技术自动推理推理后的数据关系给用户；
S5、可视化和交互：基于Tableau可视化工具进行可视化界面展示，并对语义网络的结构和IFC数据之间的关系进行可视化展示，且用户通过交互操作来浏览和修改数据。
优选地，S1还包括如下步骤：
S1-1、数据收集和预处理：从现有的IFC文件、BIM模型或其他数据源中提取IFC实体和关系的信息，并对这些数据进行预处理，清理和转换为适合知识图谱表示的格式；
S1-2、实体建模：将IFC数据中的实体转化为知识图谱中的节点，每个实体表示为一个节点，并为其分配一个唯一的标识符，所述标识符代表着节点包含实体的属性信息；
S1-3、关系建模：将IFC数据中的关系转化为知识图谱中的边，根据IFC数据模型的关系定义，为不同实体之间的关联关系添加相应的边。
优选地，S2还包括如下步骤：
S2-1、机器学习和自然语言处理技术：通过对大量IFC数据和相关文档进行分析和学习，自动为知识图谱中的节点和边添加语义注释，并发现和定义新的语义关系，包括实体和关系定义其含义、属性和关联规则；
S2-2、引入上下文关系：通过分析实体之间的位置、时间、功能方面的关系，定义更丰富的语义关系；
S2-3、融合外部知识源：通过融合外部知识源来丰富IFC数据模型的语义，且所述外部知识源为本管理数据中相关的领域知识。
优选地，S3还包括如下步骤：
S3-1、IFC解析器：通过所述IFC解析器读取和解析IFC文件，且通过所述IFC解析器识别IFC文件中的实体、属性和关系信息，并将其转换为语义网络表示形式；
S3-2、数据库管理系统：通过所述数据库管理系统存储和管理IFC数据以及语义网络表示形式，且所述数据库管理系统提供了对数据的持久化存储、查询和更新功能，并支持高效的数据检索和索引；
S3-3、语义网络编辑器：通过所述语义网络编辑器在所述数据库管理系统中编辑和管理语义关系以及创建语义链接，且人工在所述语义网络编辑器提供的交互界面上进行自定义创建语义结构。
优选地，S4还包括如下步骤：
S4-1、数据推理：所述数据库管理系统利用语义网络中的关系和规则来进行数据推理。并通过定义规则和逻辑条件，所述数据库管理系统自动推导出新的信息；
S4-2、智能排序和推理：所述数据库管理系统分析用户的查询历史、位置信息、偏好设置，并根据这些信息调整查询结果的排序，且所述数据库管理系统根据用户的查询历史和行为模式，自动推荐相关的查询或提供相关的数据分析结果。
优选地，S5还包括如下步骤：
S5-1、图形可视化：将语义网络和IFC数据以图形的形式呈现给用户，并使用不同的图形符号、颜色和线条类型来区分不同类型的实体和关系；
S5-2、交互式探索：所述可视化界面通过设置交互功能，并通过缩放、平移、旋转操作来展示语义网络；
S5-3、过滤和搜索：所述可视化界面提供过滤和搜索功能，且用户可以根据特定的属性值、关系类型或关键字来设置过滤条件；
S5-4、上下文菜单和工具栏：在所述可视化界面中，提供上下文菜单和工具栏，包含常用的操作和功能；
S5-5、动态可视化：基于Tableau可视化工具设置动画展示，且所述动画展示提供给用户数据随时间变化的动画演示；
S5-6、可视化分析和统计：基于所述Tableau可视化工具设置可视化分析和统计功能，用于数据分析之间的模式和关联，以及对数据进行整体统计。
优选地，基于语义网络的IFC数据管理装置，所述基于语义网络的IFC数据管理装置包括IFC解析器、语义网络编辑器、Tableau可视化工具和网络连接设备，所述网络连接设备用于连接所述语义网络编辑器、所述IFC解析器和所述Tableau可视化工具，所述IFC解析器用于将IFC数据导入到语义网络中，所述语义网络编辑器在用户端设置有自定义和管理权限，用户通过打开所述自定义和管理权限对IFC数据模型中的实体、属性以及关系进行定义和管理，通过将IFC数据导入所述Tableau可视化工具中，利用所述Tableau可视化工具设置的图表和图形功能来可视化数据，且所述Tableau可视化工具设置有交互式的可视化报告和仪表盘。
相比于现有技术，本发明的优点在于：
(1)本发明中，通过构建相关数据领域的知识图谱，并基于知识图谱构建语义网络，将IFC数据表示为实体和关系的图结构，从而更好地捕捉实体之间的语义关联，更加适应并支持更高级别的数据管理和利用。
(2)本发明中，利用机器学习和自然语言处理技术，实现智能的数据匹配和推荐功能，可以根据用户的查询和历史数据，以及拓展结合上下文关联和相关领域知识，智能推荐与其需求相匹配的IFC构件或相关信息，有效提高数据检索和利用的效率。
(3)本发明中，对于知识图谱展示以及用户查询，通过安装Tableau可视化工具将数据呈现为直观的图形界面，以便用户更好地理解和浏览数据，此外，还提供交互查询功能，使用户能够以自然语言或图形方式提出复杂的查询，并从语义网络中获取准确的结果，有效提高知识图谱展示以及用户查询结果的准确性。
附图说明
图1为本发明的整体方法流程图；
图2为本发明的装置示意图。
具体实施方式
实施例1：
目前大多数IFC数据管理方法通常仍在使用传统的关系型数据库或文件系统来存储和查询数据。然而，这种方式往往难以表达实体之间的语义关系，有可能造成实体之间的语义关联的错误定义，影响信息的准确传递。
请参阅图1，基于语义网络的IFC数据管理方法，包括以下步骤：
S1、数据建模：基于知识图谱，将IFC数据表示为实体和关系的图结构，以此进行实体和关系的建模，并捕捉实体之间的语义关联；
S1还包括如下步骤：
S1-1、数据收集和预处理：从现有的IFC文件、BIM模型或其他数据源中提取IFC实体和关系的信息，并对这些数据进行预处理，清理和转换为适合知识图谱表示的格式；
S1-2、实体建模：将IFC数据中的实体转化为知识图谱中的节点，每个实体表示为一个节点，并为其分配一个唯一的标识符，标识符代表着节点包含实体的属性信息；
S1-3、关系建模：将IFC数据中的关系转化为知识图谱中的边，根据IFC数据模型的关系定义，为不同实体之间的关联关系添加相应的边。
S2、语义关系定义：采用机器学习和自然语言处理技术进行语义注释以及实体和关系定义，并结合上下文关系，以及融合外部知识源共同建立相应领域特定的语义关系，其中在语义注释方面，使用机器学习算法中的循环神经网络(RNN)，对文本中的实体进行识别和标注，并使用预训练的词向量模型，即BERT模型，将文本中的单词映射到向量空间，这样可以为实体识别任务提供上下文感知的特征表示，从而提高实体识别的准确性；
S2还包括如下步骤：
S2-1、机器学习和自然语言处理技术：通过对大量IFC数据和相关文档进行分析和学习，自动为知识图谱中的节点和边添加语义注释，并发现和定义新的语义关系，包括实体和关系定义其含义、属性和关联规则，这样可以提高语义网络的自动化能力，减轻人工定义语义关系的负担；
S2-2、引入上下文关系：通过分析实体之间的位置、时间、功能方面的关系，定义更丰富的语义关系，并实现多层次的上下文关系；
S2-3、融合外部知识源：通过融合外部知识源来丰富IFC数据模型的语义，且外部知识源为本管理数据中相关的领域知识，使数据管理系统更加智能化，能够提供更多的上下文感知和领域专业性。
具体的，首先，需要收集和获取相关的IFC数据，包括从现有的IFC文件、BIM模型或其他数据源中提取IFC实体和关系的信息，对这些数据进行预处理，清理和转换为适合知识图谱表示的格式，之后将IFC数据中的实体转化为知识图谱中的节点，每个实体可以表示为一个节点，并为其分配一个唯一的标识符，接着将IFC数据中的关系转化为知识图谱中的边，之后借助机器学习和自然语言处理技术，并结合实体之间的上下文关系和融合外部知识源，通过对大量IFC数据和相关文档进行分析和学习，自动发现和定义新的语义关系，为不同实体之间的关联关系添加相应的边，待知识图谱的节点和边创建完成后，使用领域专业知识和标准，为实体和关系定义其含义、属性和关联规则，即为知识图谱中的节点和边添加语义注释，并根据已有的实体和关系，自动推断出其他实体之间的语义关系，且为了使用户能够更好地理解和查询语义网络，通过Tableau可视化工具将知识图谱呈现为直观的图形界面，使用户可以通过图形界面提出查询，并获取相关的IFC实体和关系。
实施例2：
实施例1中提到的：需要收集和获取相关的IFC数据，包括从现有的IFC文件、BIM模型或其他数据源中提取IFC实体和关系的信息，对这些数据进行预处理，清理和转换为适合知识图谱表示的格式，之后需要将IFC数据导入到语义网络中，便于管理和查询。
请参阅图1，结合实施例1的基础：
S3、存储和管理：利用IFC解析器读取和解析IFC文件，并将IFC数据导入到语义网络中进行存储，语义网络设置有述数据库管理系统，且利用数据库管理系统中的语义网络编辑器进行编辑、管理；
S3还包括如下步骤：
S3-1、IFC解析器：通过使用现有的IFC解析器，即IfcOpenShell，读取和解析IFC文件能够将IFC文件的结构和实体信息提取出来，且通过IFC解析器识别IFC文件中的实体、属性和关系信息，并将其转换为语义网络表示形式；
S3-2、数据库管理系统：通过选择数据库管理系统，即PostgreSQL，用于存储和管理IFC数据的语义网络，且数据库管理系统提供了对数据的持久化存储、查询和更新功能，并支持高效的数据检索和索引；
S3-3、语义网络编辑器：通过语义网络编辑器在数据库管理系统中编辑和管理语义关系以及创建语义链接，且人工在语义网络编辑器提供的交互界面上进行自定义创建语义结构。
S4、查询和推理：通过引用更高级的查询语言，包括逻辑运算符、比较运算符、模糊匹配和正则表达式，来构建查询条件，这样可以使用户能够更精确地检索和过滤IFC数据，且在数据库管理系统中采用机器学习和数据分析技术自动推理推理后的数据关系给用户，这种数据推理功能可以帮助用户发现潜在的数据关系和模式；
S4还包括如下步骤：
S4-1、数据推理：数据库管理系统利用语义网络中的关系和规则来进行数据推理。并通过定义规则和逻辑条件，数据库管理系统自动推导出新的信息；
S4-2、智能排序和推理：数据库管理系统分析用户的查询历史、位置信息、偏好设置，并根据这些信息调整查询结果的排序，且数据库管理系统根据用户的查询历史和行为模式，自动推荐相关的查询或提供相关的数据分析结果，这样可以帮助用户发现隐藏的数据模式和洞察，并支持更高级别的数据挖掘和决策。
具体的，通过使用现有的IFC解析器，即IfcOpenShell，读取和解析IFC文件能够将IFC文件的结构和实体信息提取出来，且通过IFC解析器识别IFC文件中的实体、属性和关系信息，并将其转换为语义网络表示形式，通过选择数据库管理系统，即PostgreSQL，用于存储和管理IFC数据的语义网络，且创建数据库和相应的表结构，以存储IFC实体、关系和属性，接着将从IFC文件中解析的实体、关系和属性数据导入数据库中。根据IFC数据模型的结构，将每个IFC实体映射到数据库中的相应表，并将属性和关系导入相应的字段，之后使用数据库管理系统中提供的语义网络编辑器，对语义网络进行编辑和管理，且语义网络编辑器可以提供图形界面，允许用户浏览、修改、添加和删除IFC数据的实体、关系和属性，用户可以通过语义网络编辑器来创建和修改语义关系、属性定义和其他元数据，之后用户通过基于逻辑运算符、比较运算符、模糊匹配和正则表达式的查询语言对语义网络进行查询和操作，而用户在查询时，数据库管理系统通过分析用户的查询历史、位置信息、偏好设置，并根据这些信息调整查询结果的排序，且用户可以使用查询语言来检索特定的实体、属性或关系，并执行复杂的数据操作，包括连接、聚合和筛选。
实施例3：
实施例2中提到的：通过使用现有的IFC解析器，即IfcOpenShell，读取和解析IFC文件能够将IFC文件的结构和实体信息提取出来，且通过IFC解析器识别IFC文件中的实体、属性和关系信息，并将其转换为语义网络表示形式，通过选择数据库管理系统，即PostgreSQL，用于存储和管理IFC数据的语义网络，之后需要通过可视化平台向用户展示以及交互。
请参阅图1，结合实施例1和实施例2的基础：
S5、可视化和交互：基于Tableau可视化工具进行可视化界面展示，并对语义网络的结构和IFC数据之间的关系进行可视化展示，用户能够更直观地理解和操作IFC数据模型，探索数据之间的关系，且用户通过交互操作来浏览和修改数据；
S5还包括如下步骤：
S5-1、图形可视化：将语义网络和IFC数据以图形的形式呈现给用户，使用户更直观地理解数据结构和关系。并使用不同的图形符号、颜色和线条类型来区分不同类型的实体和关系；
S5-2、交互式探索：可视化界面通过设置交互功能，并通过缩放、平移、旋转操作来展示语义网络，提供了用户友好的交互式界面；
S5-3、过滤和搜索：可视化界面提供过滤和搜索功能，且用户可以根据特定的属性值、关系类型或关键字来设置过滤条件，以缩小数据集的范围；
S5-4、上下文菜单和工具栏：在可视化界面中，提供上下文菜单和工具栏，包含常用的操作和功能；
S5-5、动态可视化：基于Tableau可视化工具设置动画展示，且动画展示提供给用户数据随时间变化的动画演示；
S5-6、可视化分析和统计：基于Tableau可视化工具设置可视化分析和统计功能，用于数据分析之间的模式和关联，以及对数据进行整体统计。
具体的，将构建好的知识图谱数据转化为Tableau可以理解的格式，包括数据库表，确保数据包含节点和边的信息，并包括相应的属性，在计算机上安装Tableau Desktop，并启动该应用程序，在Tableau的主界面中，选择"连接到数据"选项，然后选择要使用的数据源类型。根据数据源类型的要求，选择相应的文件或数据库连接，并导入知识图谱数据，并在Tableau中，将知识图谱数据中的节点和边映射到适当的图表元素上，根据需要调整图表的布局和设计包括调整节点的大小、颜色和形状，以及边的粗细和颜色，以突出显示不同的实体类型和关系，使其更直观和易于理解，且利用Tableau的交互功能，为用户提供交互式查询和过滤的能力，并添加工具栏、过滤器和参数控件，允许用户根据特定的实体属性或关系属性进行数据的动态查询和过滤，之后将构建好的图表和交互式元素放置到一个或多个仪表板中，创建一个完整的可视化界面，并在仪表板中添加其他文本、图像和注释，以提供额外的上下文和解释，最后将完成的可视化仪表板发布到Tableau Server或TableauPublic，以便其他人可以通过网页访问和交互，同时可以设置权限和访问控制，以确保数据的安全性和隐私。
实施例4：
请参阅图1和图2，结合实施例1、实施例2和实施例3，涉及到的基于语义网络的IFC数据管理装置具体如下：
基于语义网络的IFC数据管理装置，基于语义网络的IFC数据管理装置包括IFC解析器、语义网络编辑器、Tableau可视化工具和网络连接设备，网络连接设备用于连接语义网络编辑器、IFC解析器和Tableau可视化工具，IFC解析器用于将IFC数据导入到语义网络中，语义网络编辑器在用户端设置有自定义和管理权限，用户通过打开自定义和管理权限对IFC数据模型中的实体、属性以及关系进行定义和管理，通过将IFC数据导入Tableau可视化工具中，利用Tableau可视化工具设置的图表和图形功能来可视化数据，且Tableau可视化工具设置有交互式的可视化报告和仪表盘。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.基于语义网络的IFC数据管理方法，其特征在于：基于语义网络的IFC数据管理方法，包括以下步骤：
S1、数据建模：基于知识图谱，将IFC数据表示为实体和关系的图结构，以此进行实体和关系的建模，并捕捉实体之间的语义关联；
S2、语义关系定义：采用机器学习和自然语言处理技术进行语义注释以及实体和关系定义，并结合上下文关系，以及融合外部知识源共同建立相应领域特定的语义关系；
S3、存储和管理：利用IFC解析器读取和解析IFC文件，并将IFC数据导入到语义网络中进行存储，所述语义网络设置有所述数据库管理系统，且利用所述数据库管理系统中的语义网络编辑器进行编辑、管理；
S4、查询和推理：通过引用更高级的查询语言，包括逻辑运算符、比较运算符、模糊匹配和正则表达式，来构建查询条件，且在所述数据库管理系统中采用机器学习和数据分析技术自动推理推理后的数据关系给用户；
S5、可视化和交互：基于Tableau可视化工具进行可视化界面展示，并对语义网络的结构和IFC数据之间的关系进行可视化展示，且用户通过交互操作来浏览和修改数据。
2.根据权利要求1的基于语义网络的IFC数据管理方法，其特征在于，S1还包括如下步骤：
S1-1、数据收集和预处理：从现有的IFC文件、BIM模型或其他数据源中提取IFC实体和关系的信息，并对这些数据进行预处理，清理和转换为适合知识图谱表示的格式；
S1-2、实体建模：将IFC数据中的实体转化为知识图谱中的节点，每个实体表示为一个节点，并为其分配一个唯一的标识符，所述标识符代表着节点包含实体的属性信息；
S1-3、关系建模：将IFC数据中的关系转化为知识图谱中的边，根据IFC数据模型的关系定义，为不同实体之间的关联关系添加相应的边。
3.根据权利要求1的基于语义网络的IFC数据管理方法，其特征在于，S2还包括如下步骤：
S2-1、机器学习和自然语言处理技术：通过对大量IFC数据和相关文档进行分析和学习，自动为知识图谱中的节点和边添加语义注释，并发现和定义新的语义关系，包括实体和关系定义其含义、属性和关联规则；
S2-2、引入上下文关系：通过分析实体之间的位置、时间、功能方面的关系，定义更丰富的语义关系；
S2-3、融合外部知识源：通过融合外部知识源来丰富IFC数据模型的语义，且所述外部知识源为本管理数据中相关的领域知识。
4.根据权利要求1的基于语义网络的IFC数据管理方法，其特征在于，S3还包括如下步骤：
S3-1、IFC解析器：通过所述IFC解析器读取和解析IFC文件，且通过所述IFC解析器识别IFC文件中的实体、属性和关系信息，并将其转换为语义网络表示形式；
S3-2、数据库管理系统：通过所述数据库管理系统存储和管理IFC数据以及语义网络表示形式，且所述数据库管理系统提供了对数据的持久化存储、查询和更新功能，并支持高效的数据检索和索引；
S3-3、语义网络编辑器：通过所述语义网络编辑器在所述数据库管理系统中编辑和管理语义关系以及创建语义链接，且人工在所述语义网络编辑器提供的交互界面上进行自定义创建语义结构。
5.根据权利要求1的基于语义网络的IFC数据管理方法，其特征在于，S4还包括如下步骤：
S4-1、数据推理：所述数据库管理系统利用语义网络中的关系和规则来进行数据推理。并通过定义规则和逻辑条件，所述数据库管理系统自动推导出新的信息；
S4-2、智能排序和推理：所述数据库管理系统分析用户的查询历史、位置信息、偏好设置，并根据这些信息调整查询结果的排序，且所述数据库管理系统根据用户的查询历史和行为模式，自动推荐相关的查询或提供相关的数据分析结果。
6.根据权利要求1的基于语义网络的IFC数据管理方法，其特征在于，S5还包括如下步骤：
S5-1、图形可视化：将语义网络和IFC数据以图形的形式呈现给用户，并使用不同的图形符号、颜色和线条类型来区分不同类型的实体和关系；
S5-2、交互式探索：所述可视化界面通过设置交互功能，并通过缩放、平移、旋转操作来展示语义网络；
S5-3、过滤和搜索：所述可视化界面提供过滤和搜索功能，且用户可以根据特定的属性值、关系类型或关键字来设置过滤条件；
S5-4、上下文菜单和工具栏：在所述可视化界面中，提供上下文菜单和工具栏，包含常用的操作和功能；
S5-5、动态可视化：基于Tableau可视化工具设置动画展示，且所述动画展示提供给用户数据随时间变化的动画演示；
S5-6、可视化分析和统计：基于所述Tableau可视化工具设置可视化分析和统计功能，用于数据分析之间的模式和关联，以及对数据进行整体统计。
7.基于语义网络的IFC数据管理装置，涉及权利要求1-6任意一项所述的基于语义网络的IFC数据管理方法，其特征在于：所述基于语义网络的IFC数据管理装置包括IFC解析器、语义网络编辑器、Tableau可视化工具和网络连接设备，所述网络连接设备用于连接所述语义网络编辑器、所述IFC解析器和所述Tableau可视化工具，所述IFC解析器用于将IFC数据导入到语义网络中，所述语义网络编辑器在用户端设置有自定义和管理权限，用户通过打开所述自定义和管理权限对IFC数据模型中的实体、属性以及关系进行定义和管理，通过将IFC数据导入所述Tableau可视化工具中，利用所述Tableau可视化工具设置的图表和图形功能来可视化数据，且所述Tableau可视化工具设置有交互式的可视化报告和仪表盘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310710187.3A CN116701357A (zh) | 2023-06-15 | 2023-06-15 | 基于语义网络的ifc数据管理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310710187.3A CN116701357A (zh) | 2023-06-15 | 2023-06-15 | 基于语义网络的ifc数据管理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116701357A true CN116701357A (zh) | 2023-09-05 |
Family
ID=87830862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310710187.3A Pending CN116701357A (zh) | 2023-06-15 | 2023-06-15 | 基于语义网络的ifc数据管理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116701357A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117539983A (zh) * | 2024-01-10 | 2024-02-09 | 深度(山东)数字科技集团有限公司 | 一种基于人工智能的智能数据查询系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130117325A1 (en) * | 2011-11-03 | 2013-05-09 | Sap Ag | Semantic Related Objects |
| US20170270124A1 (en) * | 2016-03-17 | 2017-09-21 | Kabushiki Kaisha Toshiba | Data Management Device, Data Management System, and Data Management Method |
| CN111813974A (zh) * | 2020-07-08 | 2020-10-23 | 广州市多米教育科技有限公司 | 一种基于图像语义分析的自适应实践系统 |
| CN112507136A (zh) * | 2020-12-18 | 2021-03-16 | 南京摄星智能科技有限公司 | 一种知识驱动的业务操作图谱构建方法 |
| CN112559455A (zh) * | 2020-12-22 | 2021-03-26 | 中设数字技术股份有限公司 | 基于语义网络技术的ifc数据管理系统和方法 |
| CN115982384A (zh) * | 2022-12-31 | 2023-04-18 | 浙江工业大学 | 一种工业设计领域产品知识图谱构建方法及系统 |
| CN115982381A (zh) * | 2022-12-26 | 2023-04-18 | 山东科技大学 | 基于违法广告案例的广告领域知识图谱构建方法 |
-
2023
- 2023-06-15 CN CN202310710187.3A patent/CN116701357A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130117325A1 (en) * | 2011-11-03 | 2013-05-09 | Sap Ag | Semantic Related Objects |
| US20170270124A1 (en) * | 2016-03-17 | 2017-09-21 | Kabushiki Kaisha Toshiba | Data Management Device, Data Management System, and Data Management Method |
| CN111813974A (zh) * | 2020-07-08 | 2020-10-23 | 广州市多米教育科技有限公司 | 一种基于图像语义分析的自适应实践系统 |
| CN112507136A (zh) * | 2020-12-18 | 2021-03-16 | 南京摄星智能科技有限公司 | 一种知识驱动的业务操作图谱构建方法 |
| CN112559455A (zh) * | 2020-12-22 | 2021-03-26 | 中设数字技术股份有限公司 | 基于语义网络技术的ifc数据管理系统和方法 |
| CN115982381A (zh) * | 2022-12-26 | 2023-04-18 | 山东科技大学 | 基于违法广告案例的广告领域知识图谱构建方法 |
| CN115982384A (zh) * | 2022-12-31 | 2023-04-18 | 浙江工业大学 | 一种工业设计领域产品知识图谱构建方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117539983A (zh) * | 2024-01-10 | 2024-02-09 | 深度(山东)数字科技集团有限公司 | 一种基于人工智能的智能数据查询系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cole et al. | Cem–a conceptual email manager | |
| US8762186B2 (en) | Analogy based workflow identification | |
| Koch et al. | Iterative integration of visual insights during scalable patent search and analysis | |
| Zhao et al. | Facilitating discourse analysis with interactive visualization | |
| US20060116994A1 (en) | System and method for interactive multi-dimensional visual representation of information content and properties | |
| JP2017010580A (ja) | 電子文書の検索方法及び電子文書検索のグラフィカル表示方法 | |
| US20090106238A1 (en) | Contextual Searching of Electronic Records and Visual Rule Construction | |
| Gür et al. | A foundation for spatial data warehouses on the semantic web | |
| Hammad et al. | A systematic mapping study of clone visualization | |
| Varga et al. | QB2OLAP: enabling OLAP on statistical linked open data | |
| CN116701357A (zh) | 基于语义网络的ifc数据管理方法及装置 | |
| CN116881476A (zh) | 一种知识图谱构建方法、平台及计算机存储介质 | |
| Langenhan et al. | The fingerprint of architecture-sketch-based design methods for researching building layouts through the semantic fingerprinting of floor plans | |
| Achich et al. | Ontology visualization: an overview | |
| CN103810243A (zh) | 创新热点预警识别系统及方法 | |
| Menin et al. | From linked data querying to visual search: towards a visualization pipeline for LOD exploration | |
| Chan et al. | Interactive visual analysis of hierarchical enterprise data | |
| JPWO2006137564A1 (ja) | 文書処理装置 | |
| Roith et al. | Supporting the building design process with graph-based methods using centrally coordinated federated databases | |
| Sawyer et al. | Database systems: challenges and opportunities for graphical HCI | |
| CN111581815A (zh) | 一种基于xml的工艺模型本体构建方法 | |
| Ziegler et al. | Visualizing and exploring large networked information spaces with Matrix Browser | |
| Wu et al. | Plexus: an interactive visualization tool for analyzing public emotions from Twitter data | |
| Aumueller et al. | Caravela: Semantic Content Management with Automatic Information Integration and Categorization (System Description) | |
| Clarinval et al. | Evoq: a visualization tool to support structural analysis of text documents |
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 |