CN117575010A - 一种基于托卡马克核聚变智能控制本体的数据构建方法 - Google Patents
一种基于托卡马克核聚变智能控制本体的数据构建方法 Download PDFInfo
- Publication number
- CN117575010A CN117575010A CN202311591719.2A CN202311591719A CN117575010A CN 117575010 A CN117575010 A CN 117575010A CN 202311591719 A CN202311591719 A CN 202311591719A CN 117575010 A CN117575010 A CN 117575010A
- Authority
- CN
- China
- Prior art keywords
- data
- class
- preset
- attribute
- knowledge
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 59
- 238000010276 construction Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036470 plasma concentration Effects 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/10—Nuclear fusion reactors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书公开了一种基于托卡马克核聚变智能控制本体的数据构建方法,可以可以获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题,从而确定数据源和个人信息来源,进而通过数据源和个人信息来源,确定与预设知识领域相关的各术语,将每个术语作为一个类的类名称,以构建各类和各类之间的层次结构,而后,可以针对每个类,构建该类对应的数据属性和对象属性,根据获取到的与托卡马克核聚变相关的实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,从而提高了构建本体数据的效率和准确性,并便于从大语言模型或维基百科中获取所需知识。
Description
技术领域
本说明书涉及核聚变领域,尤其涉及一种基于托卡马克核聚变智能控制本体的数据构建方法。
背景技术
在托卡马克核聚变领域中,构建与知识查询相关的知识查询系统或知识图谱,能够便于在托卡马克核聚变领域的教学、实践中相关技术人员的知识查询。
本体(Ontology)数据是构建知识图谱、知识查询系统的基础,当前,对本体数据的构建方法大多为在专家的帮助下通过本体描述语言将本体描述出来,即,人工进行构建。
现有的构建方式通常效率较低,并且构建过程也较为简单,很难构建出工程化、准确的本体数据,所以,如何构建本体数据,则是一个亟待解决的问题。
发明内容
本说明书提供一种基于托卡马克核聚变智能控制本体的数据构建方法,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种基于托卡马克核聚变智能控制本体的数据构建方法,包括:
获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题;
通过所述预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源;
通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语;
将每个术语作为一个类的类名称,以构建各类和所述各类之间的层次结构;
针对每个类,构建该类对应的数据属性和对象属性,所述数据属性用于表示类的实例的状态,所述对象属性用于表示类的实例之间的关系;
获取与所述托卡马克核聚变相关的实验数据;根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,所述构建出的本体数据用于构建知识查询系统和/或知识图谱。
可选地,通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语,具体包括:
通过所述个人信息来源,确定与所述预设知识领域相关的初始术语;
确定所述数据源中与所述初始术语相关脸的其他术语;
通过所述初始术语,以及所述数据源中与所述初始术语相关联的其他术语,得到与所述预设知识领域相关的各术语。
可选地,根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,具体包括:
根据所述实验数据,构建经验性约束条件;
根据所述经验性约束条件,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
可选地,根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,具体包括:
确定预设的共识性约束条件,根据所述共识性约束条件以及所述实验数据,对类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
可选地,得到构建出的本体数据后,所述方法还包括:
通过构建出的本体数据构建知识查询系统;
在通过所述知识查询系统接收到用户的查询请求后,根据所述查询请求确定用户发送的关键词,并通过构建出的本体数据,确定与所述关键词相关联的其他关键词;
将所述关键词与所述其他关键词返回给所述用户,以使所述用户选取出目标关键词,并按照所述目标关键词返回知识查询结果。
本说明书提供了一种基于托卡马克核聚变智能控制本体的数据构建装置,包括:
获取模块,用于获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题;
来源确定模块,用于通过所述预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源;
术语确定模块,用于通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语;
类构建模块,用于将每个术语作为一个类的类名称,以构建各类和所述各类之间的层次结构;
属性构建模块,用于针对每个类,构建该类对应的数据属性和对象属性,所述数据属性用于表示类的实例的状态,所述对象属性用于表示类的实例之间的关系;
修正模块,用于获取与所述托卡马克核聚变相关的实验数据;根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,所述构建出的本体数据用于构建知识查询系统和/或知识图谱。
可选地,所述术语确定模块用于,通过所述个人信息来源,确定与所述预设知识领域相关的初始术语;确定所述数据源中与所述初始术语相关脸的其他术语;通过所述初始术语,以及所述数据源中与所述初始术语相关联的其他术语,得到与所述预设知识领域相关的各术语。
可选地,所述修正模块用于,确定预设的共识性约束条件,根据所述共识性约束条件以及所述实验数据,对类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述基于托卡马克核聚变智能控制本体的数据构建方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于托卡马克核聚变智能控制本体的数据构建方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
从上述一种基于托卡马克核聚变智能控制本体的数据构建方法中可以看出,可以获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题,而后通过预设知识领域、预设用途和预设问题,确定数据源和个人信息来源,进而通过数据源和个人信息来源,确定与预设知识领域相关的各术语,将每个术语作为一个类的类名称,以构建各类和各类之间的层次结构,而后,可以针对每个类,构建该类对应的数据属性和对象属性,数据属性用于表示类的实例的状态,对象属性用于表示类的实例之间的关系,获取与托卡马克核聚变相关的实验数据;根据该实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,构建出的本体数据用于构建知识查询系统和/或知识图谱。
从上述内容中可以看出,本方法可以通过定位到的个人来源和数据源快速的获取到相关的术语,作为每个类的类名称,并且,对于构建出的各类之间的关系、和各类对应的数据属性,可以通过获取到的实验数据构建经验性约束条件来进行修正,并且,还可以通过常识性的共识性约束条件对构建出的本体数据进行修正,从而提高了构建本体数据的效率和准确性,另外,通过本方法构建的本体数据可以引导用户构建query或prompt,从而便于从大语言模型或维基百科中获取所需知识。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书提供的一种基于托卡马克核聚变智能控制本体的数据构建方法的流程示意图;
图2为本说明书中提供的一种类之间的层次结构的示意图;
图3为本说明书提供的一种类的属性的示意图;
图4为本说明书提供的一种基于托卡马克核聚变智能控制本体的数据构建装置示意图;
图5为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种基于托卡马克核聚变智能控制本体的数据构建方法的示意图,具体包括以下步骤:
S100:获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题。
S102:通过所述预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源。
S104:通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语。
在本说明书中,需要构建与托卡马克核聚变相关的本体数据,本体数据可用于构建知识查询系统、知识图谱等。
本说明书中的本体数据可以用于描述与托卡马克核聚变相关的术语所对应的概念以及概念之间的关系,这里提到的概念即本说明书中提到的“类”,“类”在知识图谱中可以看做一个节点(实例)所属的概念,例如,知识图谱中的一个实例为线圈A,那么这个线圈A所属的类为线圈。
基于此,服务器可以获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题,并通过预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源。
下面举例说明,上述提到的预设知识领域可以包括:
“聚变反应条件:包括硬条件和软条件
聚变反应现象:包括反应的过程和事件
聚变反应动态:包括发生的聚变反应”。
预设用途用于表示本体数据的用途,预设用途可以包括:
“聚变控制:托卡马克核聚变的智能化控制、故障诊断与预测、决策支持与优化以及知识共享与协同工作等作用
教育和培训:帮助学生和操作员快速掌握核聚变领域的知识,以及对业余爱好者进行物理科普,支持聚变等离子体破裂研究”
预设问题可以用于表示通过本体数据构建的知识查询系统能够回答什么样的问题,预先可以定义问题类型:问题类型包括What(是什么)Where(在哪儿)Who(谁)When(什么时候),但不包括问题类型Why(为什么)How(如何)。
具体可以包括以下预设问题:
1、Lawson判据是什么?
2、等离子体破裂后会有哪些现象?
3、热猝灭一般分为几个阶段?其中热能金部损失是发生在第几阶段?
4、在电流猝灭的过程中,逃逸电流会对哪些器件遗成严重损伤?
5、在可解释性问题上,目前有哪些算法?
6、研究破裂有哪些瓶颈问题?
7、什么是高约束模式?
8、极向线四通过什么具体方法和过程实现放电击穿、电流驱动和等离子体的加热?
9、等离子体储能和中心通道电子线平均密度分别是怎么测量的?
10、Mirnov探测量磁场的位置具体是在哪里?具体测量原理和测量精度是怎么样的?
11、等离子体破烈的标志性特征和参数有哪些?
12、破裂时产生很大磁场振荡的原因是什么?
13、边界热输运垒的结构如何描述?如何确定边界热输运垄是否被破坏?
14、低参数运行状态和高参数运行状态如何定义和区别?
15、作为机器学习算法输入的全面刻画先兆特征的等离子体和托卡马克参数包括哪些?它们的具体定义是什么?
16、算法模型中的待定参数包括哪些?
17、比压和极向比压是如何定义的?
18、锁模幅值的定义是什么?
19、磁面安全因子的定义是什么?
而后,可以通过上述预设知识领域、预设用途和预设问题来定位数据源和个人信息来源,这里提到的个人信息来源可以是指与核聚变相关的学术型和工程操作型专家,数据源可以包括与核聚变相关的论文、书籍等数据。
而后,可以根据个人信息来源和数据源,来确定出与上述预设知识领域相关的术语。
具体的,可以通过所述个人信息来源,确定与所述预设知识领域相关的初始术语,并确定数据源中与初始术语相关联的其他术语,通过初始术语以及数据源中与初始术语相关联的其他术语,得到与上述预设知识领域相关的各术语。
也就是说,可以先获取到个人信息来源给出的与核聚变相关的初始术语,再从数据源中进行文本的提取,以得到与初始术语相关联的其他术语,从而得到丰富的与托卡马克核聚变相关的各术语。
具体的,可以获取到个人信息来源(即,专家)录入的本体所涵盖领域内重要的术语,作为初始术语。主要可以包括聚变反应涉及的各种硬件设备和装置、反应物质、反应发生的场(包括电磁场、重力场等)、反应过程中各种现象(即过程和事件,包括反应呈现的现象和对呈现进行控制的现象)、现象所对应的数学物理属性、属性之间的关联。而后,可以从论文和专著文本中抽取相关的概念,即:在文本中搜索与传统方法列出的术语强关联、而又不在传统方法列出的数据集中的术语。
S106:将每个术语作为一个类的类名称,以构建各类和所述各类之间的层次结构。
S108:针对每个类,构建该类对应的数据属性和对象属性,并获取与所述托卡马克核聚变相关的实验数据,根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,所述构建出的本体数据用于构建知识查询系统和/或知识图谱.
在确定出所有的术语后,可以将每个术语作为一个类的类名称,以构建出各类和各类之间的层次结构。
上述提到的类之间的层次结构的形式具体可以如图2所示。
图2为本说明书中提供的一种类之间的层次结构的示意图。
从图2中可以看出,类之间的层次结构能够表示出父类和子类,即,图2中的Thing为下面所有术语所对应的类的父类,Property为Thing的子类,为Quanlity的父类。
在得到各术语,从而得到每个类后,可以通过人为的方式得到各类之间的层次结构,也可以通过信息提取模型(如大语言模型),来提取出各类之间的层次结构。
而后,可以针对每个类,构建该类对应的数据属性和对象属性,这里提到的类对应的数据属性可以表示出类的实例的状态,类对应的对象属性可以表示出类的示例之间的关系,如图3所示。
图3为本说明书提供的一种类的属性的示意图。
从图3中可以看出,类Process与类Device之间存在的关系为BeUsedTo,因此,类Process与类Device之间存在对象属性:BeUsedTo,类PropertyChange存在的数据属性包括:PropertyValueIncrease和PropertyValueDecrease。
上述类对应的数据属性和对象属性可以由人为构建出,还可以将类输入到大语言模型中,使大语言模型输出补充的类的对象属性和/或数据属性。
在构建得到类的数据属性和对象属性后,可以获取与托卡马克核聚变相关的实验数据,根据获取到的实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,构建出的本体数据用于构建知识查询系统和/或知识图谱。
需要说明的是,可以通过实验数据构建经验性约束条件,对类的数据属性、对象属性进行修正,还可以通过构建出的共识性约束条件,对类的数据属性、对象属性进行修正。这里提到的共识性约束条件可以是指通过常识得到的约束条件(例如,通过爱因斯坦公式可以得出质量、能量和光速之间的关系,因此,通过爱因斯坦公式得到的质量、能量和光速之间的关系可以是一个共识性约束条件,再例如:Lawson判据中包括等离子体密度,两者关系也可作为一个共识性约束条件)。
与共识性约束条件区别在于,经验性约束条件是通过实验得到的,例如,通过实验数据可以确定出A参数、B参数之间是正相关,B参数和C参数是负相关,那么A参数与B参数之间的正相关关系,B参数与C参数之间的负相关关系可以作为经验性约束条件;再例如,等离子体水平内移的一个可能原因是环电压偏低。
复用获得的反应条件和反应现象本体的基础上,构建聚变反应本体。在这一步,我们通过整体导入反应条件和现象本体,定义用于描述条件类和现象类的实例之间关系的对象属性,以实现聚变反应控制。在这一步,我们加入了从条件类中定量属性的变化到相应聚变反应事件的对象属性,其支持基于定量数据的定性知识推理。如:当前环电压为1000伏,设定低压阈值为1200伏,则当前环电压可以推理出等离子体水平内移。
也就是说,构建出的本体数据包含了类、类之间的层次结构和类对应的数据属性和对象属性。可以看出本体数据可以作为组成一定知识领域的知识框架,因此构建出的本体数据可用于构建知识查询系统、知识图谱等,
其中,在通过构建出的本体数据构建知识查询系统后,可以通过该知识查询系统接收到用户的查询请求后,并根据该查询请求确定用户发送的关键词,并通过构建出的本体数据,确定与关键词相关联的其他关键词,进而,将关键词与其他关键词返回给用户,以使用户选取出目标关键词,并按照目标关键词返回知识查询结果。
下面给出知识查询系统引导式用户进行查询语句构建的示例,即:用户可以给定一个初始搜索query,如核聚变、破裂预测,可以通过本体数据检索得到相关concept(概念,即,类),并以推荐的形式返回给用户。用户从中选择一个扩展词后,与搜索引擎不断交互不断细化query,从而最终得到一个词组,并作为prompt或query查询大语言模型(GPT)或通过百科网站获取知识。
用户通过知识查询系统进行查询的步骤可以包括:
1、用户输入关键词/问题(可以包括任何形式的问题)。
2、知识查询系统根据用户的输入返回最相关的知识库关键词,并让用户选择,这里提到的知识库可以用于存储构建出的本体数据。
3、知识查询系统根据用户选择的关键词(即,可以作为上述目标关键词)返回GPT解释。
4、知识查询系统返回维基百科中文条目内容+超链接。
5、知识查询系统返回维基百科英文条目内容+超链接。
6、知识查询系统根据知识库提供关联的关键词类别(该关键词类别也可以作为上述目标关键词),该关键词类别可以是基于知识库的树结构(类之间的层次结构或类之间的关系),向下查询关键词的邻节点(如,可以将层次结构中关键词所对应的类的父节点(或子节点)作为关键词类别)。
7、知识查询系统可以根据用户所选类别提供关键词类别,进一步向下搜索知识库,并形成A+B+C形式的扩展词组,如托卡马克+属性+线圈电流。
8、知识查询系统根据用户所选扩展词组(该扩展词组也可以是指上述目标关键词)返回GPT解释。
需要说明的是,为了便于描述,将执行本方法的执行主体作为服务器进行描述,本方法的执行主体可以是计算机、云平台等,在此不进行限定。还需说明的是,在不冲突的情况下,下述的实施例及实施方式中的特征可以相互组合。
另外,需要说明的是,本说明书中所有获取信号、信息或数据的动作都是在遵照所在地相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
以上为本说明书的一个或多个实施例提供的基于托卡马克核聚变智能控制本体的数据构建方法,基于同样的思路,本说明书还提供基于托卡马克核聚变智能控制本体的数据构建装置,如图4所示。
图4为本说明书提供的一种基于托卡马克核聚变智能控制本体的数据构建装置示意图,包括:
获取模块401,用于获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题;
来源确定模块402,用于通过所述预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源;
术语确定模块403,用于通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语;
类构建模块404,用于将每个术语作为一个类的类名称,以构建各类和所述各类之间的层次结构;
属性构建模块405,用于针对每个类,构建该类对应的数据属性和对象属性,所述数据属性用于表示类的实例的状态,所述对象属性用于表示类的实例之间的关系;
修正模块406,用于获取与所述托卡马克核聚变相关的实验数据;根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,所述构建出的本体数据用于构建知识查询系统和/或知识图谱。
可选地,所述术语确定模块403用于,通过所述个人信息来源,确定与所述预设知识领域相关的初始术语;确定所述数据源中与所述初始术语相关脸的其他术语;通过所述初始术语,以及所述数据源中与所述初始术语相关联的其他术语,得到与所述预设知识领域相关的各术语。
可选地,所述修正模块406用于,根据所述实验数据,构建经验性约束条件;根据所述经验性约束条件,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
可选地,所述修正模块406用于,确定预设的共识性约束条件,根据所述共识性约束条件以及所述实验数据,对类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
可选地,所述装置还包括:
查询模块407,用于通过构建出的本体数据构建知识查询系统;在通过所述知识查询系统接收到用户的查询请求后,根据所述查询请求确定用户发送的关键词,并通过构建出的本体数据,确定与所述关键词相关联的其他关键词;将所述关键词与所述其他关键词返回给所述用户,以使所述用户选取出目标关键词,并按照所述目标关键词返回知识查询结果。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述基于托卡马克核聚变智能控制本体的数据构建方法。
本说明书还提供了图5所示的电子设备的示意结构图。如图5所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现基于托卡马克核聚变智能控制本体的数据构建方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修正、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种基于托卡马克核聚变智能控制本体的数据构建方法,其特征在于,包括:
获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题;
通过所述预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源;
通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语;
将每个术语作为一个类的类名称,以构建各类和所述各类之间的层次结构;
针对每个类,构建该类对应的数据属性和对象属性,所述数据属性用于表示类的实例的状态,所述对象属性用于表示类的实例之间的关系;
获取与所述托卡马克核聚变相关的实验数据;根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,所述构建出的本体数据用于构建知识查询系统和/或知识图谱。
2.如权利要求1所述的方法,其特征在于,通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语,具体包括:
通过所述个人信息来源,确定与所述预设知识领域相关的初始术语;
确定所述数据源中与所述初始术语相关脸的其他术语;
通过所述初始术语,以及所述数据源中与所述初始术语相关联的其他术语,得到与所述预设知识领域相关的各术语。
3.如权利要求1所述的方法,其特征在于,根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,具体包括:
根据所述实验数据,构建经验性约束条件;
根据所述经验性约束条件,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
4.如权利要求1所述的方法,其特征在于,根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,具体包括:
确定预设的共识性约束条件,根据所述共识性约束条件以及所述实验数据,对类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
5.如权利要求1所述的方法,其特征在于,得到构建出的本体数据后,所述方法还包括:
通过构建出的本体数据构建知识查询系统;
在通过所述知识查询系统接收到用户的查询请求后,根据所述查询请求确定用户发送的关键词,并通过构建出的本体数据,确定与所述关键词相关联的其他关键词;
将所述关键词与所述其他关键词返回给所述用户,以使所述用户选取出目标关键词,并按照所述目标关键词返回知识查询结果。
6.一种基于托卡马克核聚变智能控制本体的数据构建装置,其特征在于,包括:
获取模块,用于获取与托卡马克核聚变相关的预设知识领域、预设用途和预设问题;
来源确定模块,用于通过所述预设知识领域、所述预设用途和所述预设问题,确定数据源和个人信息来源;
术语确定模块,用于通过所述数据源和个人信息来源,确定与所述预设知识领域相关的各术语;
类构建模块,用于将每个术语作为一个类的类名称,以构建各类和所述各类之间的层次结构;
属性构建模块,用于针对每个类,构建该类对应的数据属性和对象属性,所述数据属性用于表示类的实例的状态,所述对象属性用于表示类的实例之间的关系;
修正模块,用于获取与所述托卡马克核聚变相关的实验数据;根据所述实验数据,对各类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性,以得到构建出的本体数据,所述构建出的本体数据用于构建知识查询系统和/或知识图谱。
7.如权利要求6所述的装置,其特征在于,所述术语确定模块用于,通过所述个人信息来源,确定与所述预设知识领域相关的初始术语;确定所述数据源中与所述初始术语相关脸的其他术语;通过所述初始术语,以及所述数据源中与所述初始术语相关联的其他术语,得到与所述预设知识领域相关的各术语。
8.如权利要求6所述的装置,其特征在于,所述修正模块用于,确定预设的共识性约束条件,根据所述共识性约束条件以及所述实验数据,对类对应的数据属性和对象属性进行修正,得到各类对应的修正后的数据属性和对象属性。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~5任一项所述的方法。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311591719.2A CN117575010A (zh) | 2023-11-24 | 2023-11-24 | 一种基于托卡马克核聚变智能控制本体的数据构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311591719.2A CN117575010A (zh) | 2023-11-24 | 2023-11-24 | 一种基于托卡马克核聚变智能控制本体的数据构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117575010A true CN117575010A (zh) | 2024-02-20 |
Family
ID=89884077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311591719.2A Pending CN117575010A (zh) | 2023-11-24 | 2023-11-24 | 一种基于托卡马克核聚变智能控制本体的数据构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575010A (zh) |
-
2023
- 2023-11-24 CN CN202311591719.2A patent/CN117575010A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622080B (zh) | 一种数据处理方法及设备 | |
CN110399359B (zh) | 一种数据回溯方法、装置及设备 | |
CN116663618B (zh) | 一种算子优化方法、装置、存储介质及电子设备 | |
CN113344098A (zh) | 一种模型训练方法及装置 | |
CN113434533A (zh) | 一种数据溯源工具构建方法、数据处理方法、装置及设备 | |
CN116049761A (zh) | 数据处理方法、装置及设备 | |
CN117194992B (zh) | 一种模型训练、任务执行方法、装置、存储介质及设备 | |
CN115756449B (zh) | 一种页面复用方法、装置、存储介质及电子设备 | |
CN116521705A (zh) | 一种数据查询方法、装置、存储介质及电子设备 | |
CN117575010A (zh) | 一种基于托卡马克核聚变智能控制本体的数据构建方法 | |
CN116628010A (zh) | 数据处理方法、装置及设备 | |
CN116010419A (zh) | 一种创建唯一索引和优化逻辑删除的方法及装置 | |
CN115617973A (zh) | 一种基于智能数据处理的信息获取方法 | |
CN110502589B (zh) | 一种节点血缘关系确定方法、装置以及电子设备 | |
CN115017915B (zh) | 一种模型训练、任务执行的方法及装置 | |
CN117252183B (zh) | 一种基于语义的多源表格自动匹配方法、装置及存储介质 | |
CN117332282B (zh) | 一种基于知识图谱的事件匹配的方法及装置 | |
CN117390293B (zh) | 一种针对纠纷案件的信息推荐方法、装置、介质及设备 | |
CN117591661B (zh) | 一种基于大语言模型的问答数据构建方法及装置 | |
CN117807961B (zh) | 一种文本生成模型的训练方法、装置、介质及电子设备 | |
CN117369783B (zh) | 一种安全代码生成模型的训练方法及装置 | |
CN116644090B (zh) | 一种数据查询方法、装置、设备及介质 | |
CN117494800A (zh) | 一种基于构建出的核聚变知识图谱的任务执行方法及装置 | |
CN117494068B (zh) | 一种结合深度学习与因果推断的网络舆情分析方法及装置 | |
CN117290587A (zh) | 兴趣点变更信息的查找方法、查找装置和计算机设备 |
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 |