CN117236341A - 全过程工程咨询一体化系统 - Google Patents

Abstract

本发明公开了一种全过程工程咨询一体化系统，其获取用户输入的需求文本描述，以及，建筑规范的文本描述；对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征；基于所述融合用户需求和建筑规范的语义编码特征，生成推荐建筑设计3D模型。这样，能够避免设计师介入引起的低效率和不满足客户需求的问题，从而实现了从用户需求到建筑规范的全过程管理和优化，提高了设计效率，减少了误解和错误，并为用户提供更好的设计方案选择和决策依据。

Description

全过程工程咨询一体化系统

技术领域

本发明涉及智能化咨询技术领域，尤其涉及一种全过程工程咨询一体化系统。

背景技术

全过程工程咨询一体化系统是一种结合了工程咨询和信息技术的综合解决方案，它通过整合各个工程阶段的信息和数据，实现工程项目从规划设计到施工运营的全过程管理和优化，提高了工程项目的效率和质量，减少成本和风险。

在全过程工程咨询的过程中，传统的设计流程通常需要设计师根据用户需求和建筑规范进行手动设计，并通过反复修改和沟通来满足用户的要求，这个过程费时费力，容易出现误解和错误。并且，传统的设计过程非常依赖于设计师的经验和创造力，其会因设计师的个人偏好和经验限制设计方案的多样性和创新性。此外，在传统的设计过程中，设计师和用户之间可能存在信息传递的障碍。用户对于自己的需求可能无法准确表达，而设计师也可能会误解或遗漏某些关键信息，这会导致最终设计方案与用户期望不符。

因此，期望一种优化的全过程工程咨询一体化系统。

发明内容

本发明实施例提供一种工尺谱扫描机器人及其方法，其获取用户输入的需求文本描述，以及，建筑规范的文本描述；对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征；基于所述融合用户需求和建筑规范的语义编码特征，生成推荐建筑设计3D模型。这样，能够避免设计师介入引起的低效率和不满足客户需求的问题，从而实现了从用户需求到建筑规范的全过程管理和优化，提高了设计效率，减少了误解和错误，并为用户提供更好的设计方案选择和决策依据。

本发明实施例还提供了一种全过程工程咨询一体化系统，其包括：

文本描述采集模块，用于获取用户输入的需求文本描述，以及，建筑规范的文本描述；

文本语义关联分析模块，用于对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征；

建筑设计模型生成模块，用于基于所述融合用户需求和建筑规范的语义编码特征，生成推荐建筑设计3D模型。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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。在附图中：

图1为本发明实施例中提供的一种全过程工程咨询一体化系统的框图。

图2为本发明实施例中提供的一种全过程工程咨询一体化系统中所述文本语义关联分析模块的框图。

图3为本发明实施例中提供的一种全过程工程咨询一体化方法的流程图。

图4为本发明实施例中提供的一种全过程工程咨询一体化方法的系统架构的示意图。

图5为本发明实施例中提供的一种全过程工程咨询一体化系统的应用场景图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。

在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

全过程工程咨询一体化系统是一个综合性的工程咨询管理系统，旨在提供全方位的工程咨询服务，全过程工程咨询一体化系统整合了工程咨询的各个环节和流程，包括项目前期调研、方案设计、施工监理、工程验收等，实现了信息的共享和流程的协同。

全过程工程咨询一体化系统的主要功能包括：

1. 项目管理：系统可以对项目进行全面管理，包括项目立项、项目计划、资源分配、进度控制等，实现项目的有效管理和监控。

2. 资料管理：系统可以对工程咨询过程中产生的各类资料进行统一管理和归档，包括调研报告、设计方案、施工图纸等，方便用户进行查阅和共享。

3. 协同办公：系统提供了协同办公的功能，支持多人同时协作，实现团队成员之间的信息共享和沟通，提高工作效率。

4. 进度管理：系统可以对工程项目的进度进行实时监控和管理，及时发现问题并采取相应的措施，确保工程项目按时完成。

5. 质量控制：系统提供了质量控制的功能，可以对工程项目的质量进行监测和评估，确保工程质量符合相关标准和要求。

6. 成本控制：系统可以对工程项目的成本进行控制和管理，实现预算管理、费用核算等功能，帮助用户控制项目成本。

7. 统计分析：系统可以对工程咨询过程中的数据进行统计和分析，生成各类报表和图表，为用户提供决策支持和业务分析。

然后，在传统设计中，不同的设计环节往往由不同的团队或个人负责，信息流通不畅，导致设计过程中的信息孤岛问题，这使得设计团队之间难以有效地协作和沟通，可能导致信息丢失、误解或冲突。传统设计方法通常需要进行多轮的设计修改和审核，设计师需要花费大量时间和精力来调整和改进设计方案，这种迭代的设计过程往往导致项目的延期和成本的增加。传统设计方法中，设计师和其他相关人员之间的协同工作能力受限，设计师通常在独立的工作环境中进行设计，缺乏与其他团队成员实时交流和合作的机会，限制了设计团队的整体协同效能。传统设计方法中，设计决策通常基于设计师的经验和直觉，缺乏系统性的数据支持和分析，这可能导致设计方案的不准确性和不可靠性，增加了项目风险。传统设计方法中，设计过程中产生的各种设计文档和资料分散存储，难以追溯和管理，这给设计变更、质量控制和项目审计等方面带来了困难。传统设计方法往往局限于设计师的经验和传统的设计思维模式，缺乏创新性和前瞻性，这可能导致设计方案的创新性不足，无法满足不断变化的市场需求。

传统的设计方法存在信息孤立、时间成本高、缺乏协同性、设计决策不准确、难以追溯和管理以及缺乏创新性等弊端。为了克服这些问题，越来越多的设计团队和企业转向采用现代化的设计方法和工具，如协同设计平台、虚拟设计技术和数据驱动设计等，以提高设计效率、质量和创新能力。

因此，在本申请中，提供一种优化的全过程工程咨询一体化系统。以提高工程咨询的效率和质量，减少信息孤岛和沟通成本，提升工程项目的管理水平和整体竞争力。同时，还可以根据用户的需求进行定制和扩展，满足不同行业和企业的特殊需求。

在本发明的一个实施例中，图1为本发明实施例中提供的一种全过程工程咨询一体化系统的框图。如图1所示，根据本发明实施例的全过程工程咨询一体化系统100，包括：文本描述采集模块110，用于获取用户输入的需求文本描述，以及，建筑规范的文本描述；文本语义关联分析模块120，用于对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征；建筑设计模型生成模块130，用于基于所述融合用户需求和建筑规范的语义编码特征，生成推荐建筑设计3D模型。

在所述文本描述采集模块110中，确保用户输入的需求文本描述清晰、准确，并且能够涵盖用户的真实需求。这样，可以获取用户的需求信息，为后续的分析和设计提供基础数据。

在所述文本语义关联分析模块120中，对需求文本描述和建筑规范的文本描述进行语义关联分析，以获取它们之间的关联程度和相互影响。这样，可以将用户需求和建筑规范进行融合，为后续的建筑设计提供统一的语义编码特征。

在所述建筑设计模型生成模块130中，基于融合的语义编码特征生成推荐的建筑设计3D模型。这样，可以根据用户需求和建筑规范生成符合要求的建筑设计模型，提供直观的可视化效果，帮助用户更好地理解和评估设计方案。

在上述模块中，通过自动化的文本描述采集和语义关联分析，系统能够快速获取用户需求并与建筑规范进行融合，减少人工分析和整合的时间和工作量，提高设计效率。通过对用户需求和建筑规范的语义关联分析，系统能够生成符合用户需求且符合规范的建筑设计模型，提高设计的准确性和满足用户需求的程度。通过生成建筑设计的3D模型，系统能够为用户提供直观的可视化效果，帮助用户更好地理解和评估设计方案，提供决策支持。通过整合用户需求和建筑规范，系统能够为设计团队提供更全面的信息和参考，促进设计创新，提供更具竞争力和创造力的设计方案。

具体地，所述文本描述采集模块110，用于获取用户输入的需求文本描述，以及，建筑规范的文本描述。针对上述技术问题，本申请的技术构思为通过语义理解技术来对于用户输入的需求文本描述和建筑规范的文本描述进行关联语义理解，并以此自动生成推荐建筑设计3D模型，通过这样的方式，能够避免设计师介入引起的低效率和不满足客户需求的问题，从而实现了从用户需求到建筑规范的全过程管理和优化，提高了设计效率，减少了误解和错误，并为用户提供更好的设计方案选择和决策依据。

具体地，在本申请的技术方案中，首先，获取用户输入的需求文本描述，以及，建筑规范的文本描述。用户需求是设计过程中的核心，通过获取用户的需求文本描述，系统可以了解用户的期望、偏好和具体要求，这些需求可以包括建筑功能、空间布局、风格偏好、材料要求等。将用户需求纳入系统分析和设计过程，可以确保最终生成的建筑设计模型符合用户的期望，满足其实际需求。

建筑规范是设计过程中必须考虑的重要因素，包括建筑法规、安全标准、结构要求、可持续性要求等。通过获取建筑规范的文本描述，系统可以将规范要求融入到设计过程中，确保生成的建筑设计模型符合法规和标准，具备必要的安全性和可行性。

通过将用户需求文本描述和建筑规范的文本描述进行语义关联分析和编码，系统可以生成融合用户需求和建筑规范的语义编码特征，这些特征可以作为设计模型生成的依据，帮助系统生成推荐的建筑设计3D模型。生成的模型将综合考虑用户需求和规范要求，提供符合要求的设计方案。

因此，获取用户需求文本描述和建筑规范的文本描述对于最终生成推荐建筑设计3D模型至关重要，提供了设计过程中的关键信息和约束条件，确保设计结果符合用户期望、满足规范要求，并提供可视化的设计效果。

具体地，所述文本语义关联分析模块120，用于对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征。图2为本发明实施例中提供的一种全过程工程咨询一体化系统中所述文本语义关联分析模块的框图。如图2所示，所述文本语义关联分析模块120，包括：需求文本语义理解单元121，用于对所述需求文本描述进行语义理解以得到需求文本上下文语义理解特征向量；建筑规范文本语义理解单元122，用于对所述建筑规范的文本描述进行语义理解以得到建筑规范上下文语义理解特征向量；需求-规范语义融合单元123，用于融合所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量以得到所述融合用户需求和建筑规范的语义编码特征。

对于所述需求文本语义理解单元121， 对需求文本描述进行语义理解，即理解文本的含义、上下文和语义关系，这包括识别关键词、解析句子结构、理解词义和推断隐含信息等。其中，通过对需求文本进行语义理解，该单元可以生成需求文本的上下文语义理解特征向量。需求文本的上下文语义理解特征向量反映了需求文本的语义信息，有助于后续的需求分析和建筑设计过程。

对于所述建筑规范文本语义理解单元122，对建筑规范的文本描述进行语义理解，包括理解规范的要求、解析规范的结构和关系、识别规范中的关键信息等。其中，通过对建筑规范文本进行语义理解，该单元可以生成建筑规范的上下文语义理解特征向量。建筑规范的上下文语义理解特征向量反映了建筑规范的语义信息，有助于后续的规范约束和设计合规性分析。

对于所述需求-规范语义融合单元123，将需求文本上下文语义理解特征向量和建筑规范上下文语义理解特征向量进行融合。这包括将两者的语义信息进行关联和整合，以生成融合用户需求和建筑规范的语义编码特征。其中，通过将需求文本和建筑规范的语义特征进行融合，该单元可以生成融合用户需求和建筑规范的语义编码特征。融合用户需求和建筑规范的语义编码特征能够综合反映用户需求和规范要求，为后续的建筑设计模型生成提供基础。

需求文本语义理解单元、建筑规范文本语义理解单元和需求-规范语义融合单元在注意点和有益效果上相互补充，共同实现对需求文本和建筑规范的语义理解和融合，为后续的建筑设计过程提供语义编码特征和基础数据。

在本申请的一个实施例中，所述需求文本语义理解单元121，包括：需求文本多粒度切分子单元，用于将所述需求文本描述进行数据清洗和多粒度切分以得到需求文本描述字符的序列和需求文本描述词的序列；需求文本语义编码子单元，用于将所述需求文本描述字符的序列和所述需求文本描述词的序列通过包含Word2Vec模型的语义编码器以得到字符粒度需求文本上下文语义理解特征向量和词粒度需求文本上下文语义理解特征向量；需求文本多粒度语义融合子单元，用于使用级联函数融合所述字符粒度需求文本上下文语义理解特征向量和所述词粒度需求文本上下文语义理解特征向量以得到所述需求文本上下文语义理解特征向量。

首先，数据清洗和切分可以帮助去除冗余信息和噪声，从需求文本中提取出关键信息，这样可以减少干扰，使得后续的语义理解更加准确和精确。然后，通过将需求文本描述切分为字符序列和词序列，可以实现多粒度的语义理解，字符粒度可以捕捉更细致的语义特征，而词粒度则可以考虑单词之间的关系。这样可以提供更全面的语义信息，增强对需求文本的理解。接着，通过包含Word2Vec模型的语义编码器，将需求文本描述字符序列和词序列转化为语义编码特征向量，这些特征向量能够捕捉文本的语义信息和上下文关系，为后续的需求分析和建筑设计提供更丰富的语义特征。最后，通过级联函数融合字符粒度和词粒度的语义编码特征向量，可以综合利用两者之间的信息。这样可以充分考虑字符级和词级的语义特征，提高需求文本的语义理解能力和表达能力。

通过数据清洗和多粒度切分需求文本描述，并使用语义编码器和级联函数融合，可以获得更准确、全面和丰富的需求文本上下文语义理解特征向量，需求文本上下文语义理解特征向量能够提供更好的语义表达和理解，为后续的建筑设计过程提供有益的基础数据。

接着，考虑到由于所述需求文本描述可能包含一些无关信息、噪音或格式不一致的内容。因此，首先需要对于所述需求文本描述进行数据清洗，以去除这些干扰因素，提取出真正有用的信息，减少对后续处理过程的影响。

数据清洗是指对原始数据进行处理和转换，以去除噪声、纠正错误、填补缺失值和调整数据格式等操作，使得数据更加规范、准确和可用于后续分析和处理。

具体地，首先，将需求文本中的特殊字符、标点符号、HTML标签等非文本内容进行去除，只保留文本信息。然后，将需求文本中的字母统一转换为小写或大写，以消除大小写带来的差异。接着，停用词是指在文本中频繁出现但对语义理解没有贡献的常见词语，如"的"、"是"、"在"等，可以使用停用词列表将这些词从需求文本中去除，以减少噪声和提高语义理解的效果。然后，通过拼写检查的方法，对需求文本中的拼写错误进行自动或人工纠正，以提高文本的准确性。接着，如果需求文本中存在缺失值，可以根据上下文或其他信息进行补充或估算，以保证数据的完整性和可用性。然后，对需求文本进行规范化处理，如统一日期格式、数字格式、单位表示等，以保证数据的一致性和可比性。最后，如果需求文本中存在重复的数据记录，可以进行去重操作，以避免重复计算和分析的影响。

数据清洗的目标是使需求文本数据更加干净、准确和可用，为后续的语义理解、分析和建模提供高质量的数据基础。清洗后的数据能够更好地反映需求文本的真实含义和特征，提高后续处理的准确性和效果。

然后，再将数据清洗后的所述需求文本描述进行不同粒度的切分，例如按照字符级别和词级别进行切分，以得到需求文本描述字符的序列和需求文本描述词的序列。通过多粒度切分的方式，可以提供有关于所述需求文本描述的更丰富的文本特征表示，使得系统能够捕捉更多的语义信息。具体来说，字符级别的切分方式可以保留更细粒度的文本特征，而词级别的切分方式可以捕捉更高层次的语义信息。

多粒度切分是指将文本按照不同的粒度进行切分，以获取更细致或更宏观的文本表示。对于需求文本描述的多粒度切分，可以考虑以下两种粒度：字符粒度和词粒度。

字符粒度切分将需求文本描述按字符进行切分，将每个字符作为一个单独的元素。例如，对于需求文本描述"用户希望有一个宽敞明亮的客厅"，字符粒度切分后的序列为['用', '户', '希', '望', '有', '一', '个', '宽', '敞', '明', '亮', '的', '客', '厅']。字符粒度切分可以捕捉更细致的语义特征，例如单个字母或汉字的含义、拼写错误等。

词粒度切分将需求文本描述按词语进行切分，将每个词作为一个单独的元素。常用的方法是使用分词工具，将句子分解为词语序列。例如，对于需求文本描述"用户希望有一个宽敞明亮的客厅"，词粒度切分后的序列为['用户', '希望', '有', '一个', '宽敞', '明亮', '的', '客厅']。词粒度切分可以更好地捕捉词语之间的关系和上下文语义。

通过多粒度切分，可以获得需求文本描述的字符序列和词序列，每个序列都代表了不同粒度下的文本表示。这样可以在后续的处理中，根据具体任务的需求选择合适的粒度进行分析、建模和处理，以提高对需求文本的理解和表达能力。

进一步地，考虑到不管是所述需求文本描述中的各个字符还是各个词之间都具有着上下文的语义关联关系，因此，为了能够捕捉到有关于所述需求文本描述中基于字符粒度的语义关联特征和基于词粒度的语义关联特征，以此来综合进行所述需求文本描述的语义理解，在本申请的技术方案中，进一步将所述需求文本描述字符的序列和所述需求文本描述词的序列通过包含Word2Vec模型的语义编码器以得到字符粒度需求文本上下文语义理解特征向量和词粒度需求文本上下文语义理解特征向量。应可以理解，所述Word2Vec模型是一种用于将单词或字符映射到向量表示的技术，它可以将相似的单词或字符映射到相似的向量空间中，从而便于进行语义理解。在将所述需求文本描述字符的序列和所述需求文本描述词的序列分别通过Word2Vec模型中，以将相似的字符或词映射到相似的向量空间中以得到输入字符向量的序列和输入词向量的序列后，再使用语义编码器，例如双向长短期记忆网络（BiLSTM）模型来进行上下文的语义关联编码，以此来提取出所述需求文本描述中分别基于字符粒度和基于词粒度之间的上下文语义关联特征信息。

继而，再使用级联函数融合所述字符粒度需求文本上下文语义理解特征向量和所述词粒度需求文本上下文语义理解特征向量，以此来融合所述需求文本描述中基于字符粒度的上下文语义关联特征信息和基于词粒度的上下文语义关联特征信息，从而得到具有关于所述需求文本描述的多尺度语义理解特征信息的需求文本上下文语义理解特征向量。

在本申请的一个实施例中，所述建筑规范文本语义理解单元122，用于：对所述建筑规范的文本描述进行语义编码以得到所述建筑规范上下文语义理解特征向量。

进一步地，所述建筑规范文本语义理解单元122，用于：将所述建筑规范的文本描述进行分词处理后通过所述包含Word2Vec模型的语义编码器以得到所述建筑规范上下文语义理解特征向量。

进而，对于所述建筑规范的文本描述，也将其进行语义编码以得到建筑规范上下文语义理解特征向量。具体地，在本申请的技术方案中，可以将所述建筑规范的文本描述进行分词处理后通过所述包含Word2Vec模型的语义编码器中进行语义编码，以提取出所述建筑规范的文本描述的语义理解特征，从而得到所述建筑规范上下文语义理解特征向量。

通过分词处理和Word2Vec模型的语义编码器，可以将建筑规范的文本描述转化为语义理解特征。Word2Vec模型可以学习到单词之间的语义关系，将每个词语映射到一个高维向量表示，通过将分词后的建筑规范文本描述输入到语义编码器中，可以得到每个词语对应的语义向量表示，从而提取出建筑规范的语义理解特征。

语义编码后的特征向量能够更好地表达建筑规范的语义信息，通过Word2Vec模型的学习，相似含义的词语在向量空间中会有相似的表示，这使得语义编码后的特征向量能够捕捉到建筑规范中词语之间的关联性和语义信息。这样的特征向量能够更准确地表示建筑规范的含义和要求，有助于后续的需求分析和规范遵循。

使用建筑规范的上下文语义理解特征向量与用户需求的特征向量进行融合，可以综合考虑用户需求和建筑规范的信息，提高对需求的理解和规范的遵循。通过将建筑规范的语义理解特征纳入模型中，可以更全面地分析和处理用户需求，确保设计和建造过程符合相关规范和标准。

所述建筑规范文本语义理解单元122，用于：融合所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量以得到融合用户需求和建筑规范的语义编码特征向量作为所述融合用户需求和建筑规范的语义编码特征。

接着，进一步再融合所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量，以此来融合所述用户需求的语义理解特征信息和所述建筑规范的语义理解特征信息，有利于利用用户的需求文本和建筑规范文本的语义融合特征来进行建筑设计3D模型的生成，从而得到融合用户需求和建筑规范的语义编码特征向量。应可以理解，所述用户需求是设计过程中至关重要的一部分，而所述建筑规范则是设计的约束条件和规范标准。将这两者的语义特征进行融合可以确保生成的建筑设计3D模型既满足用户的需求，又符合相关的建筑规范。

将用户需求和建筑规范的语义信息融合在一起，可以更全面地理解项目要求，用户需求提供了个性化的需求和偏好，而建筑规范提供了行业标准和规范要求。融合后的特征向量能够综合考虑这两方面的信息，更好地满足用户需求并符合规范要求。

融合语义编码特征向量可以将不同源的信息进行整合，提供更准确的需求理解和规范遵循，通过将用户需求和建筑规范的语义信息结合起来，可以更好地捕捉需求和规范之间的关联性，减少误解和遗漏，提高对项目要求的准确性。

融合后的语义编码特征向量可以为决策和设计提供更多的参考信息。通过综合考虑用户需求和建筑规范，可以更好地评估不同设计方案的可行性和优劣，辅助决策过程，并在设计阶段提前发现和解决潜在的规范冲突或不合理之处。

特别地，在本申请的技术方案中，在融合所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量得到所述融合用户需求和建筑规范的语义编码特征向量时，考虑到所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量分别表达所述用户输入的需求文本描述和所述建筑规范的文本描述的文本语义特征，并且考虑到所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量之间的非齐次的逐点对应性，也就是，所述需求文本上下文语义理解特征向量是所述用户输入的需求文本描述在字符和词粒度下的嵌入编码通过级联函数进行多粒度编码文本语义交互得到的，而所述建筑规范上下文语义理解特征向量是所述建筑规范的文本描述直接进行语义编码得到的，因此对所述需求文本上下文语义理解特征向量，例如记为和所述建筑规范上下文语义理解特征向量，例如记为/>进行非齐次希尔伯特面上空间自适应点学习，以获得融合用户需求和建筑规范的语义编码特征向量，例如记为/>，具体表示为：以如下优化公式对所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量进行非齐次希尔伯特面上空间自适应点学习以得到所述融合用户需求和建筑规范的语义编码特征向量；其中，所述优化公式为：

其中，是所述需求文本上下文语义理解特征向量，/>是所述建筑规范上下文语义理解特征向量，/>是所述建筑规范上下文语义理解特征向量的转置向量，/>，/>和/>表示基于吉尔伯特空间的非齐次闵式距离，且/>和/>为超参数，/>和/>分别是特征向量/>和/>的全局特征均值，且特征向量/>和/>均为行向量，/>表示按位置点乘，/>表示按位置加法，/>为协方差矩阵，/>是所述融合用户需求和建筑规范的语义编码特征向量。

这样，通过以非齐次的吉尔伯特空间度量对所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量/>之间的向量点关联进行一维卷积，可以针对所述需求文本上下文语义理解特征向量/>和所述建筑规范上下文语义理解特征向量的高维特征表示的特征流形在高维特征空间内具有的非轴对齐（non-axis alignment）特性，在基于希尔伯特空间的流形收敛超平面的面上空间向着超平面进行自适应点学习，并以面向所述需求文本上下文语义理解特征向量/>和所述建筑规范上下文语义理解特征向量/>各自分布收敛方向的空中度量（aerial measurement）为修正，提升了所述需求文本上下文语义理解特征向量/>和所述建筑规范上下文语义理解特征向量/>间的非齐次逐点融合性，从而提升了所述融合用户需求和建筑规范的语义编码特征向量/>的融合表达效果，也就提升了其通过基于AIGC模型的3D模型生成器得到的推荐建筑设计3D模型的模型质量。这样，能够基于用户需求和建筑规范自动生成推荐建筑设计3D模型，从而实现了从用户需求到建筑规范的全过程管理和优化，提高了设计效率，减少了误解和错误，并为用户提供更好的设计方案选择和决策依据。

具体地，所述建筑设计模型生成模块130，用于：将所述优化融合用户需求和建筑规范的语义编码特征向量通过基于AIGC模型的3D模型生成器以得到推荐建筑设计3D模型。

然后，将所述融合用户需求和建筑规范的语义编码特征向量通过基于AIGC模型的3D模型生成器以得到推荐建筑设计3D模型。也就是说，由于所述AIGC模型是一种基于对抗学习的逆向图形网络模型，能够从语义特征向量中生成对应的3D模型。通过使用所述AIGC模型，可以根据用户需求和建筑规范生成符合要求的建筑设计3D模型。这样，使得建筑设计的3D模型结合了用户需求和建筑规范的语义关联特征，可以提供个性化的设计方案，并为用户提供直观的可视化效果，帮助做出更好的设计选择和决策。

综上，基于本发明实施例的全过程工程咨询一体化系统100被阐明，其通过语义理解技术来对于用户输入的需求文本描述和建筑规范的文本描述进行关联语义理解，并以此自动生成推荐建筑设计3D模型，通过这样的方式，能够避免设计师介入引起的低效率和不满足客户需求的问题，从而实现了从用户需求到建筑规范的全过程管理和优化，提高了设计效率，减少了误解和错误，并为用户提供更好的设计方案选择和决策依据。

如上所述，根据本发明实施例的全过程工程咨询一体化系统100可以实现在各种终端设备中，例如用于全过程工程咨询一体化的服务器等。在一个示例中，根据本发明实施例的全过程工程咨询一体化系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该全过程工程咨询一体化系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该全过程工程咨询一体化系统100同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该全过程工程咨询一体化系统100与该终端设备也可以是分立的设备，并且该全过程工程咨询一体化系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

图3为本发明实施例中提供的一种全过程工程咨询一体化方法的流程图。图4为本发明实施例中提供的一种全过程工程咨询一体化方法的系统架构的示意图。如图3和图4所示，一种全过程工程咨询一体化方法，包括：210，获取用户输入的需求文本描述，以及，建筑规范的文本描述；220，对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征；230，基于所述融合用户需求和建筑规范的语义编码特征，生成推荐建筑设计3D模型。

本领域技术人员可以理解，上述全过程工程咨询一体化方法中的各个步骤的具体操作已经在上面参考图1到图2的全过程工程咨询一体化系统的描述中得到了详细介绍，并因此，将省略其重复描述。

图5为本发明实施例中提供的一种全过程工程咨询一体化系统的应用场景图。如图5所示，在该应用场景中，首先，获取用户输入的需求文本描述（例如，如图5中所示意的C1），以及，建筑规范的文本描述（例如，如图5中所示意的C2）；然后，将获取的需求文本描述和建筑规范的文本描述输入至部署有全过程工程咨询一体化算法的服务器（例如，如图5中所示意的S）中，其中所述服务器能够基于全过程工程咨询一体化算法对所述需求文本描述和所述建筑规范的文本描述进行处理，以生成推荐建筑设计3D模型。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种全过程工程咨询一体化系统，其特征在于，包括：

文本描述采集模块，用于获取用户输入的需求文本描述，以及，建筑规范的文本描述；

文本语义关联分析模块，用于对所述需求文本描述和所述建筑规范的文本描述进行语义关联编码以得到融合用户需求和建筑规范的语义编码特征；

建筑设计模型生成模块，用于基于所述融合用户需求和建筑规范的语义编码特征，生成推荐建筑设计3D模型。

2.根据权利要求1所述的全过程工程咨询一体化系统，其特征在于，所述文本语义关联分析模块，包括：

需求文本语义理解单元，用于对所述需求文本描述进行语义理解以得到需求文本上下文语义理解特征向量；

建筑规范文本语义理解单元，用于对所述建筑规范的文本描述进行语义理解以得到建筑规范上下文语义理解特征向量；

需求-规范语义融合单元，用于融合所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量以得到所述融合用户需求和建筑规范的语义编码特征。

3.根据权利要求2所述的全过程工程咨询一体化系统，其特征在于，所述需求文本语义理解单元，包括：

需求文本多粒度切分子单元，用于将所述需求文本描述进行数据清洗和多粒度切分以得到需求文本描述字符的序列和需求文本描述词的序列；

需求文本语义编码子单元，用于将所述需求文本描述字符的序列和所述需求文本描述词的序列通过包含Word2Vec模型的语义编码器以得到字符粒度需求文本上下文语义理解特征向量和词粒度需求文本上下文语义理解特征向量；

需求文本多粒度语义融合子单元，用于使用级联函数融合所述字符粒度需求文本上下文语义理解特征向量和所述词粒度需求文本上下文语义理解特征向量以得到所述需求文本上下文语义理解特征向量。

4.根据权利要求3所述的全过程工程咨询一体化系统，其特征在于，所述建筑规范文本语义理解单元，用于：对所述建筑规范的文本描述进行语义编码以得到所述建筑规范上下文语义理解特征向量。

5.根据权利要求4所述的全过程工程咨询一体化系统，其特征在于，所述建筑规范文本语义理解单元，用于：将所述建筑规范的文本描述进行分词处理后通过所述包含Word2Vec模型的语义编码器以得到所述建筑规范上下文语义理解特征向量。

6.根据权利要求5所述的全过程工程咨询一体化系统，其特征在于，所述建筑规范文本语义理解单元，用于：融合所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量以得到融合用户需求和建筑规范的语义编码特征向量作为所述融合用户需求和建筑规范的语义编码特征。

7.根据权利要求6所述的全过程工程咨询一体化系统，其特征在于，所述建筑规范文本语义理解单元，用于：以如下优化公式对所述需求文本上下文语义理解特征向量和所述建筑规范上下文语义理解特征向量进行非齐次希尔伯特面上空间自适应点学习以得到所述融合用户需求和建筑规范的语义编码特征向量；

其中，所述优化公式为：

其中，是所述需求文本上下文语义理解特征向量，/>是所述建筑规范上下文语义理解特征向量，/>是所述建筑规范上下文语义理解特征向量的转置向量，/>，/>和/>表示基于吉尔伯特空间的非齐次闵式距离，且/>和/>为超参数，/>和/>分别是特征向量和/>的全局特征均值，且特征向量/>和/>均为行向量，/>表示按位置点乘，/>表示按位置加法，/>为协方差矩阵，/>是所述融合用户需求和建筑规范的语义编码特征向量。

8.根据权利要求7所述的全过程工程咨询一体化系统，其特征在于，所述建筑设计模型生成模块，用于：将所述优化融合用户需求和建筑规范的语义编码特征向量通过基于AIGC模型的3D模型生成器以得到推荐建筑设计3D模型。