CN117311576B - 一种cad操作行为预测方法及系统 - Google Patents

Abstract

本发明公开一种CAD操作行为预测方法及系统，涉及操作行为预测技术领域，方法包括：通过树型结构存储用户的历史CAD操作行为；树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数；每个节点在树型结构中的位置反应一个历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数；当用户进行CAD操作时，根据用户当前CAD操作行为采用树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为。本发明提高了CAD建模及制图的操作效率。

Description

一种CAD操作行为预测方法及系统

技术领域

本发明涉及操作行为预测技术领域，特别是涉及一种CAD操作行为预测方法及系统。

背景技术

计算机辅助设计(ComputerAided Design，CAD)建模及制图的零件或装配体制作过程中，需要用到大量的制图工具，选择工具的次数以及工具的种类都很多，用户每次在选择工具时均需要进行多次的点击操作才能找到所需的工具，这就导致工具选择过程中操作繁琐。

发明内容

本发明的目的是提供一种CAD操作行为预测方法及系统，提高CAD建模及制图的操作效率。

为实现上述目的，本发明提供了如下方案：

一种CAD操作行为预测方法，包括：

通过树型结构存储用户的历史CAD操作行为；所述树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数，每个子节点表示的CAD操作行为是父节点表示的CAD操作行为的下一步操作行为；每个节点在树型结构中的位置反应节点的历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数；

当用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，控制预测出的下一步CAD操作行为所需的操作工具弹出到CAD软件操作界面上。

可选地，通过树型结构存储用户的历史CAD操作行为，具体包括：

采用队列记录第一CAD操作行为在树型结构中每层的节点引用；其中，树型结构的根节点表示空步骤，所述第一CAD操作行为为当前最后一步CAD操作行为；

当用户在第一CAD操作行为的基础上，基于弹出的操作工具进行了第二CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列；

从前往后遍历第一更新后的队列中的节点，判断当前遍历的节点在所述树型结构中是否存在目标子节点，所述目标子节点表示第二CAD操作行为，若不存在，则在所述树型结构中为当前遍历的节点增加目标子节点，若存在，则将所述目标子节点的操作计数加1；

使用目标子节点的节点引用，更新所述第一更新后的队列，得到第二更新后的队列；所述第二更新后的队列为记录了第二CAD操作行为在树型结构中每层的节点引用的队列。

可选地，用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，具体包括：

当用户当前最后一步CAD操作行为为第一CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列；

获取所述第一更新后的队列中每一节点，在所述树型结构中的所有子节点，计算获取到的各子节点的操作计数加权值；所述操作计数加权值为操作计数与权重值的乘积；

将所述第一更新后的队列中各节点下相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值；

采用softmax函数将各不同子节点的加权累加值映射为概率值；

将概率值从大到小排序，将排序在前M个概率值对应节点表示的CAD操作行为，作为下一步CAD操作行为的预测输出，M为大于或者等于1的正整数。

可选地，计算获取到的各子节点的操作计数加权值时，子节点的权重值为2ⁿ，n为子节点的深度值。

可选地，从前往后遍历第一更新后的队列中节点，获取遍历到节点的所有子节点，计算获取到的各子节点的操作计数加权值，将各相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值；采用softmax函数将各不同子节点的加权累加值映射为概率值，将概率值最大的节点所对应的CAD操作行为，作为预测输出的下一步CAD操作行为，具体包括：

初始化一个临时数组，所述临时数组为空；所述临时数组中每一个数组项用于通过计数器累计一种子节点的操作计数加权值；不同数组项对应不同的子节点；

从前往后遍历第一更新后的队列中每一节点，获取遍历到的节点在所述树型结构的所有子节点，计算获取到的各子节点的操作计数加权值，将操作计数加权值增加到所述临时数组的对应子节点的计数器上；

遍历完成后，采用softmax函数将所述临时数组中所有数组项对应的加权累加值映射为概率值；

将概率值从大到小排序，将排序在前M个概率值对应节点表示的CAD操作行为，作为下一步CAD操作行为的预测输出，M为大于或者等于1的正整数。

本发明公开了一种CAD操作行为预测系统，包括：

CAD操作行为存储模块，用于通过树型结构存储用户的历史CAD操作行为；所述树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数，每个子节点表示的CAD操作行为是父节点表示的CAD操作行为的下一步操作行为；每个节点在树型结构中的位置反应节点的历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数；

CAD操作行为预测模块，用于当用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，控制预测出的下一步CAD操作行为所需的操作工具弹出到CAD软件操作界面上。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明通过树型结构存储用户的历史CAD操作行为，当用户进行CAD操作时，根据用户当前CAD操作行为采用树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，减少繁琐的点击操作，并大幅提高用户CAD建模及制图的操作效率。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种CAD操作行为预测方法流程示意图；

图2为实施例提供的树型结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种CAD操作行为预测方法及系统，提高CAD建模及制图的操作效率。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1所示，本实施例提供的一种CAD操作行为预测方法，包括如下步骤。

步骤101：通过树型结构存储用户的历史CAD操作行为；所述树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数，每个子节点表示的CAD操作行为是父节点表示的CAD操作行为的下一步操作行为；每个节点在树型结构中的位置反应节点的历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数。

步骤102：当用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，控制预测出的下一步CAD操作行为所需的操作工具弹出到CAD软件操作界面上。

本发明实现原理为：假设用户可能做出a、b、c、d、e和f共6种行为。用户通过长时间的行为产生了一个行为序列：abcdfabcfbabccdabbac……，此序列中含有许多信息，其中包括用户的行为模式与习惯。此方法可以根据此序学习到用户的行为模式与习惯，比如说用户经过ab的行为后有很大的可能作出行为c，和少许可能作出行为b。

本发明通过树型结构来存储上述行为序列中操作行为，树型结构如图2所示，图2中a、b、c为CAD操作行为，具体CAD操作行为可以为草图、拉伸和抽壳，图2中树型结构的深度值为4，根节点所在层深度值为0，若当前CAD操作行为是c，S表示存储当前CAD操作行为c在各层中位置的队列。

每个节点表示一个CAD操作行，用Node表示。

每个Node包含的信息包括CAD操作行为、操作计数、父节点和子节点。父节点为当前CAD操作行为的上一次CAD操作行为，子节点为当前CAD操作行为的下一步所有CAD操作行为。

每个节点在树型结构中的位置反应一个历史操作行为序列，各节点存储的操作计数表示用户操作过与该节点的位置反应的相同的一个历史操作行为序列的次数。

每一个节点的子节点最大的个数等于行为种类的个数，此实施例中最大子节点数为6。

树深度：这颗树的深度为行为序列最大能识别的长度，此实施例中，最大长度为4(根节点没计入深度)。

本实施例中树型结构为具有预设深度值的树型结构。如果有一个aabbc的行为模式，则无法识别出，因为其序列长度超出了4，此实施例中只能识别出aabb此行为模式。

每一个节点逆溯到根节点的路径为一个历史行为序列。

其中，步骤101具体包括：

采用队列记录第一CAD操作行为在树型结构中每层的节点引用；其中，树型结构的根节点表示空步骤，所述第一CAD操作行为为当前最后一步CAD操作行为。

当用户在第一CAD操作行为的基础上，基于弹出的操作工具进行了第二CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列。更具体的，用户在第一CAD操作行为后，预测出第一CAD操作行为的下一步CAD操作行为是第二CAD操作行为，基于弹出的操作工具进行了第二CAD操作行为。

从前往后遍历第一更新后的队列中的节点，判断当前遍历的节点在所述树型结构中是否存在目标子节点，所述目标子节点表示第二CAD操作行为，若不存在，则在所述树型结构中为当前遍历的节点增加目标子节点，若存在，则将所述目标子节点的操作计数加1。

使用目标子节点的节点引用，更新所述第一更新后的队列，得到第二更新后的队列；所述第二更新后的队列为记录了第二CAD操作行为在树型结构中每层的节点引用的队列。

其中，节点引用是指节点的指针。

作为具体实施方式，树型结构动态学习的过程包括：首先建立一个根节点，根节点为空步骤，即没有进行任何操作，然后根据用户的下一步操作，建立根节点的子节点。例如，用户的下一步操作为操作a，则首先判断根节点下面是否存在一个子节点为操作a，若没有，则在根节点下面记录一个操作为a的子节点；若用户的下一步操作为b，则同样判断根节点的下面是否存在一个子节点为操作b，若没有，则在根节点下面记录一个操作为b的子节点；若用户的下一步操作为c，则同样判断根节点的下面是否存在一个子节点为操作c，若没有，则在根节点下面记录一个操作为c的子节点。根据用户的不同操作，可以产生多个操作不同的子节点。

若记录了操作为a的子节点之后，用户在操作a之后进行了操作b，则判断操作为a的子节点下面是否存在一个子节点为操作b；若不存在，则在操作为a的子节点下面记录一个操作为b的子节点；若存在，则将操作为a的子节点下面的操作为b的子节点的计数加1；依照此方式不断根据用户的操作，对树型结构进行构建。

本发明树型结构动态学习过程是持续进行的，即只要用户进行了下一步的操作，即会被记录到树形结构中，记录的过程或是增加一个子节点，或是将某个操作步骤对应的子节点的计数加1。

本发明基于两条规则来进行预测，第一是越长的序列行为在预测的中的权重越大，第二预测包含所有长度的行为序列。

其中，步骤102具体包括：

当用户当前最后一步CAD操作行为为第一CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列。

获取所述第一更新后的队列中每一节点，在所述树型结构中的所有子节点，计算获取到的各子节点的操作计数加权值；所述操作计数加权值为操作计数与权重值的乘积。

该步骤中树型结构为步骤101中没有进行第二CAD操作行为记录时的树型结构。

将所述第一更新后的队列中各节点下相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值。

其中，相同子节点是指表示相同CAD操作行为的节点。例如，第一更新后的队列中节点为a，第一层的a的子节点包含c和d，第二层的a的子节点包括c和f，那么第一层的a节点下的c和第二层的a节点下的c为相同子节点。最终得到的不同子节点包括c、d和f。

采用softmax函数将各不同子节点的加权累加值映射为概率值。

作为具体实施方式，将概率值从大到小排列，将排列的前M个概率值对应节点的CAD操作行为，作为下一步CAD操作行为的预测输出，M为大于或者等于1的正整数，控制M个节点对应的M个操作工具弹出到CAD软件操作界面上。

计算获取到的各子节点的操作计数加权值时，子节点的权重值为2ⁿ，n为子节点的深度值。

从前往后遍历第一更新后的队列中节点，获取遍历到节点的所有子节点，计算获取到的各子节点的操作计数加权值，将各相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值；采用softmax函数将各不同子节点的加权累加值映射为概率值，将概率值最大的节点所对应的CAD操作行为，作为预测输出的下一步CAD操作行为，具体包括：

初始化一个临时数组，所述临时数组为空；所述临时数组中每一个数组项用于通过计数器累计一种子节点的操作计数加权值；不同数组项对应不同的子节点。

从前往后遍历第一更新后的队列中每一节点，获取遍历到的节点在所述树型结构的所有子节点，计算获取到的各子节点的操作计数加权值，将操作计数加权值增加到所述临时数组的对应子节点的计数器上。

遍历完成后，采用softmax函数将所述临时数组中所有数组项对应的加权累加值映射为概率值，将概率值最大的节点所对应的CAD操作行为，作为预测输出的下一步CAD操作行为。

softmax函数表示为：

其中，z_i表示子节点i的加权累加值，z_j表示子节点j的加权累加值，softmax(z)_i表示子节点i的概率值，i和j的取值范围均是当前操作节点的各不同子节点的索引。

若当前操作节点除了根节点没有作为子节点出现过，则不能预测下一步CAD操作行为，即不会有操作工具自动弹出到CAD软件操作界面上。

行为序列由从根节点开始到最末端的叶子节点连接构成，如图2中babc为一个行为序列，行为序列的深度值为除了根节点之外节点的数量，例如，行为序列babc的深度值为4。

树型结构中最大深度值根据设备的内存确定，例如16G内存的设备的树型结构中节点的深度值最大为120。

本发明在用户进行下一步操作之前，能够自动弹出工具栏将用户下一步所需用到的工具展示在操作界面上，则可以减少繁琐的点击操作，并大幅提高用户的操作效率。

实施例2

本实施例提供的一种CAD操作行为预测系统，包括：

CAD操作行为存储模块，用于通过树型结构存储用户的历史CAD操作行为；所述树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数，每个子节点表示的CAD操作行为是父节点表示的CAD操作行为的下一步操作行为；每个节点在树型结构中的位置反应节点的历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数。

CAD操作行为预测模块，用于当用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，控制预测出的下一步CAD操作行为所需的操作工具弹出到CAD软件操作界面上。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种CAD操作行为预测方法，其特征在于，包括：

通过树型结构存储用户的历史CAD操作行为；所述树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数，每个子节点表示的CAD操作行为是父节点表示的CAD操作行为的下一步操作行为；每个节点在树型结构中的位置反应节点的历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数；

当用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，控制预测出的下一步CAD操作行为所需的操作工具弹出到CAD软件操作界面上；

通过树型结构存储用户的历史CAD操作行为，具体包括：

采用队列记录第一CAD操作行为在树型结构中每层的节点引用；其中，树型结构的根节点表示空步骤，所述第一CAD操作行为为当前最后一步CAD操作行为；

当用户在第一CAD操作行为的基础上，基于弹出的操作工具进行了第二CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列；

从前往后遍历第一更新后的队列中的节点，判断当前遍历的节点在所述树型结构中是否存在目标子节点，所述目标子节点表示第二CAD操作行为，若不存在，则在所述树型结构中为当前遍历的节点增加目标子节点，若存在，则将所述目标子节点的操作计数加1；

使用目标子节点的节点引用，更新所述第一更新后的队列，得到第二更新后的队列；所述第二更新后的队列为记录了第二CAD操作行为在树型结构中每层的节点引用的队列；

用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，具体包括：

当用户当前最后一步CAD操作行为为第一CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列；

获取所述第一更新后的队列中每一节点，在所述树型结构中的所有子节点，计算获取到的各子节点的操作计数加权值；所述操作计数加权值为操作计数与权重值的乘积；

将所述第一更新后的队列中各节点下相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值；

采用softmax函数将各不同子节点的加权累加值映射为概率值；

将概率值从大到小排序，将排序在前M个概率值对应节点表示的CAD操作行为，作为下一步CAD操作行为的预测输出，M为大于或者等于1的正整数。

2.根据权利要求1所述的CAD操作行为预测方法，其特征在于，计算获取到的各子节点的操作计数加权值时，子节点的权重值为2ⁿ，n为子节点的深度值。

3.根据权利要求1所述的CAD操作行为预测方法，其特征在于，从前往后遍历第一更新后的队列中节点，获取遍历到节点的所有子节点，计算获取到的各子节点的操作计数加权值，将各相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值；采用softmax函数将各不同子节点的加权累加值映射为概率值，将概率值最大的节点所对应的CAD操作行为，作为预测输出的下一步CAD操作行为，具体包括：

初始化一个临时数组，所述临时数组为空；所述临时数组中每一个数组项用于通过计数器累计一种子节点的操作计数加权值；不同数组项对应不同的子节点；

从前往后遍历第一更新后的队列中每一节点，获取遍历到的节点在所述树型结构的所有子节点，计算获取到的各子节点的操作计数加权值，将操作计数加权值增加到所述临时数组的对应子节点的计数器上；

遍历完成后，采用softmax函数将所述临时数组中所有数组项对应的加权累加值映射为概率值；

将概率值从大到小排序，将排序在前M个概率值对应节点表示的CAD操作行为，作为下一步CAD操作行为的预测输出，M为大于或者等于1的正整数。

4.一种CAD操作行为预测系统，其特征在于，包括：

CAD操作行为存储模块，用于通过树型结构存储用户的历史CAD操作行为；所述树型结构中每个节点存储的信息包括一个CAD操作行为和操作计数，每个子节点表示的CAD操作行为是父节点表示的CAD操作行为的下一步操作行为；每个节点在树型结构中的位置反应节点的历史操作行为序列，每个节点对应的历史操作行为序列是从根节点到自身节点的CAD操作行为依次串联组成的序列，各节点存储的操作计数表示用户操作过相同的一个历史操作行为序列的次数；

CAD操作行为预测模块，用于当用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，控制预测出的下一步CAD操作行为所需的操作工具弹出到CAD软件操作界面上；

通过树型结构存储用户的历史CAD操作行为，具体包括：

采用队列记录第一CAD操作行为在树型结构中每层的节点引用；其中，树型结构的根节点表示空步骤，所述第一CAD操作行为为当前最后一步CAD操作行为；

当用户在第一CAD操作行为的基础上，基于弹出的操作工具进行了第二CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列；

从前往后遍历第一更新后的队列中的节点，判断当前遍历的节点在所述树型结构中是否存在目标子节点，所述目标子节点表示第二CAD操作行为，若不存在，则在所述树型结构中为当前遍历的节点增加目标子节点，若存在，则将所述目标子节点的操作计数加1；

使用目标子节点的节点引用，更新所述第一更新后的队列，得到第二更新后的队列；所述第二更新后的队列为记录了第二CAD操作行为在树型结构中每层的节点引用的队列；

用户进行CAD操作时，根据用户当前CAD操作行为采用所述树型结构存储的历史CAD操作行为预测当前CAD操作行为的下一步CAD操作行为，具体包括：

当用户当前最后一步CAD操作行为为第一CAD操作行为时，向队列最前端插入根节点，并删除最后一项，将得到的队列确定为第一更新后的队列；

获取所述第一更新后的队列中每一节点，在所述树型结构中的所有子节点，计算获取到的各子节点的操作计数加权值；所述操作计数加权值为操作计数与权重值的乘积；

将所述第一更新后的队列中各节点下相同子节点的操作计数加权值累加，得到各不同子节点的加权累加值；

采用softmax函数将各不同子节点的加权累加值映射为概率值；

将概率值从大到小排序，将排序在前M个概率值对应节点表示的CAD操作行为，作为下一步CAD操作行为的预测输出，M为大于或者等于1的正整数。