RU2707917C1 - Method of searching for methods of resolving technical contradictions and a system based on a trained neural network for its implementation - Google Patents
Method of searching for methods of resolving technical contradictions and a system based on a trained neural network for its implementation Download PDFInfo
- Publication number
- RU2707917C1 RU2707917C1 RU2019101965A RU2019101965A RU2707917C1 RU 2707917 C1 RU2707917 C1 RU 2707917C1 RU 2019101965 A RU2019101965 A RU 2019101965A RU 2019101965 A RU2019101965 A RU 2019101965A RU 2707917 C1 RU2707917 C1 RU 2707917C1
- Authority
- RU
- Russia
- Prior art keywords
- module
- neural network
- request
- input
- user
- Prior art date
Links
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- 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
- G06F16/248—Presentation of query results
-
- 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
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)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
Изобретение относится к компьютерным системам, а именно к системам, синтезирующим интеллектуальные решения в виде нахождения нужного решения или пути к нему из заданной области знания.The invention relates to computer systems, and in particular to systems synthesizing intelligent solutions in the form of finding the desired solution or the path to it from a given field of knowledge.
Для оценки новизны заявленного решения рассмотрим ряд известных технических средств аналогичного назначения, характеризуемых совокупностью сходных с заявленным устройством признаков.To assess the novelty of the claimed solution, we consider a number of well-known technical devices of a similar purpose, characterized by a combination of features similar to the claimed device.
Известна система семантического анализа и отбора документов со способностью получения знаний, «DOCUMENT SEMANTIC ANALYSIS/ SELECTION WITH KNOWLEDGE CREATIVITY CAPABILITY)), см. пат. US 2001/0014852. Система состоит из компьютера, машиночитаемого носителя знаний, устройства считывания, средства связи с локальными сетями и Интернет и машины логического вывода в виде отдельного семантического процессора. Последний включает блок подготовки текстов для моделирования, блок получения анализируемых САО-структур, блок синтеза ключевых слов/ фраз для рефератов на естественном языке, блок синтеза рефератов, а также, блок базы знаний для САО-структур, блок БД исходных текстов, блок БД обобщений текстов на естественном языке, блок БД новых концептов на естественном языке, блок БД ключевых слов и фраз для рефератов. Пользователь, используя принятые термины, вводит в систему запросы с клавиатуры компьютера. Система моделирует запросы пользователя в виде САО-структур с выделением ключевых слов и фраз, на основе которых в локальных БД и Интернет подбирает подходящие исходные тексты-кандидаты. В текстах-кандидатах также выделяются САО-структуры. Если они соответствуют САО-структурам запросов пользователя, то тексты-кандидаты запоминаются для просмотра в БД текстов на естественном языке. Тексты-кандидаты, не имеющие запрашиваемых САО-структур, удаляются. На основе наиболее частых ключевых слов, фраз и грамматических правил составляются рефераты отобранных текстов. Имеется возможность синтеза новых концептов знаний на основе синтеза подобранных САО-структур с учетом словарей синонимов компонентов САО-структур.A known system of semantic analysis and selection of documents with the ability to obtain knowledge, “DOCUMENT SEMANTIC ANALYSIS / SELECTION WITH KNOWLEDGE CREATIVITY CAPABILITY)), see US Pat. US 2001/0014852. The system consists of a computer, a machine-readable medium of knowledge, a reader, a means of communication with local networks and the Internet, and an inference machine in the form of a separate semantic processor. The latter includes a block for preparing texts for modeling, a block for obtaining analyzed SAO-structures, a block for synthesizing keywords / phrases for abstracts in a natural language, a block for synthesizing essays, and also a block for a knowledge base for SAO-structures, a block for a database of source texts, a block for a database of generalizations texts in a natural language, a database block of new concepts in a natural language, a database block of keywords and phrases for abstracts. Using accepted terms, the user enters into the system requests from the computer keyboard. The system simulates user requests in the form of CAO structures with the selection of keywords and phrases, on the basis of which, in local databases and the Internet, it selects suitable source candidates. Candidate texts also highlight CAO structures. If they correspond to the CAO structures of user queries, then the candidate texts are remembered for viewing in the database of texts in natural language. Candidate texts that do not have the requested CAO structures are deleted. Abstracts of selected texts are compiled based on the most common keywords, phrases, and grammar rules. It is possible to synthesize new concepts of knowledge based on the synthesis of selected SAO structures taking into account dictionaries of synonyms of components of SAO structures.
Недостатки данной системы заключаются в следующем:The disadvantages of this system are as follows:
- при каждом запросе пользователя система последовательно рассматривает весь объем доступных текстов во внешних и внутренних сетях, что требует значительных затрат машинного времени;- at each user request, the system sequentially considers the entire amount of available texts in external and internal networks, which requires a significant amount of computer time;
- возможности системы ограничены доступными источниками;- system capabilities are limited by available sources;
- разбиение предложений исходных текстов на САО-структуры приводит к разрыву весьма сложных семантических структур, которые присутствуют внутри предложений и разделов текста;- the division of sentences of source texts into SAO-structures leads to the breakdown of very complex semantic structures that are present inside sentences and sections of the text;
- система может применяться только подготовленным экспертом-пользователем.- The system can only be used by a trained expert user.
Известна система управления знаниями для разрешения ситуаций по патенту РФ №2480826, которая предназначена для поддержки разрешения проблемных ситуаций, связанных с неудовлетворительным качеством конкретных объектов. Система управления знаниями для разрешения ситуаций содержит блок создания знаний, блок организации знаний, с входом которого соединен выход блока создания знаний, блок локализации знаний, с входом которого соединен выход блока организации знаний, блок позиционирования знаний, с входом которого соединен выход блока локализации знаний, и блок повторного использования знаний, с входами которого соединены выходы блоков локализации и позиционирования знаний. Блок системной интеграции, входы и выходы которого соединены, соответственно, с входами и выходами блоков создания знаний, организации знаний, локализации знаний, позиционирования знаний, повторного использования знаний, и блок системной визуализации, вход которого соединен с выходом блока системной интеграции. Технический результат заключается в улучшении характеристик обрабатываемой информации, а также в повышении качества визуализации ситуацийKnown knowledge management system for resolving situations according to the patent of the Russian Federation No. 2480826, which is designed to support the resolution of problem situations associated with the unsatisfactory quality of specific objects. The knowledge management system for resolving situations contains a knowledge creation unit, a knowledge organization unit, with the input of which the output of the knowledge creation unit, a knowledge localization unit, with the input of which the output of the knowledge organization unit, a knowledge positioning unit with the input of the output of the knowledge localization unit connected, and a knowledge reuse unit, with the inputs of which the outputs of knowledge localization and positioning units are connected. A system integration block, the inputs and outputs of which are connected, respectively, with the inputs and outputs of the blocks for creating knowledge, organizing knowledge, localizing knowledge, positioning knowledge, reusing knowledge, and a system visualization block, the input of which is connected to the output of the system integration block. The technical result consists in improving the characteristics of the processed information, as well as in improving the quality of visualization of situations
Известна интеллектуальная информационная система выбора знаний «Оптимэль» по патенту РФ №2564641, обеспечивающая предоставление пользователю доступа к предварительно систематизированным знаниям, выбранным путем анализа найденных источников информации, а также обеспечение эффективного выбора наиболее подходящего метода решения оптимизационной задачи. Техническим результатом является уменьшение времени решения оптимизационных задач. Указанный технический результат достигается моделированием базы знаний при помощи бинарного дерева системы вопросов и ответов. Данная модель представления знаний позволяет упростить не только реализацию всей системы, ее использование, но и дальнейшее заполнение базы знаний новыми знаниями. Специфика задач выбора требует периодического наполнение базы знаний новыми знаниями, иначе данная система перестанет быть актуальной.Known intellectual information system for the selection of knowledge "Optimal" according to the patent of the Russian Federation No. 2564641, providing the user with access to pre-systematized knowledge selected by analysis of the found information sources, as well as ensuring the effective selection of the most suitable method for solving the optimization problem. The technical result is to reduce the time to solve optimization problems. The specified technical result is achieved by modeling the knowledge base using the binary tree of the system of questions and answers. This model of knowledge representation allows us to simplify not only the implementation of the entire system, its use, but also the further filling of the knowledge base with new knowledge. The specifics of the selection tasks requires periodic filling of the knowledge base with new knowledge, otherwise this system will cease to be relevant.
Известна компьютерная система для решения изобретательских задач «Изобретающая машина» (В.М. Цуриков. Проект «Изобретающая машина». Современное состояние и реальные перспективы. - Научно-практическая конференция «Теория и практика обучения техническому творчеству», Миасс, 23-27 мая, 1988. - С. 37-43), которая состоит из компьютера, машиночитаемого носителя, программного средства (ПС) и пользователя и предназначена для решения технических задач. Здесь используются разные модели знаний, объединенные в базу знаний, а также используется машина логического вывода. Данная система производит поиск документов в локальных базах данных (БД) и в сети Интернет, используя семантический анализ. Последний вариант системы известен как Invention Machine Goldfire. См. информационный буклет «Invention Machine Goldfire. Data sheet/». 2009).A well-known computer system for solving inventive problems “Inventing machine” (V. M. Tsurikov. Project “Inventing machine”. Current state and real prospects. - Scientific-practical conference “Theory and practice of teaching technical creativity”, Miass, May 23-27 , 1988. - S. 37-43), which consists of a computer, computer-readable medium, software (PS) and user and is designed to solve technical problems. Different knowledge models are used here, combined into a knowledge base, and a logical inference machine is also used. This system searches for documents in local databases (DB) and on the Internet using semantic analysis. The latest version of the system is known as the Invention Machine Goldfire. See the Invention Machine Goldfire Information Booklet. Data sheet / ". 2009).
Используется в компьютерной системе - компьютер - машиночитаемый носитель - программное средство (ПС) - пользователь для решения интеллектуальных задач для одного направления - решения технических задач. Представляет собой гибридную экспертную систему (ЭС) с использованием моделей знаний, объединенных в базу знаний, и имеющей машину логического вывода. Имеется возможность искать подходящие документы по запросам на основе семантического анализа, как в локальных базах данных (БД), так и в сети Интернет.«Изобретающая машина» обладает знаниями (и выдает ответы), в своей части превосходящими знания наиболее квалифицированных специалистов. В ней содержатся мощные информационные базы - технических спецэффектов из разных областей знаний, каталог методов решения задач, используются некоторые расчетные модели, в частности, функционально-стоимостного анализа. Некоторые из этих баз построены с использованием моделей знаний, в частности семантических сетей, продукционных моделей и моделей «субъект - акция - объект» (САО-модели). Также применяются визуальные и графические образы - графики, изображения, чертежи для повышения эффективности работы, подключенные к некоторым моделям знаний.It is used in a computer system - computer - computer-readable medium - software (PS) - a user for solving intellectual problems in one direction - solving technical problems. It is a hybrid expert system (ES) using knowledge models combined into a knowledge base and having a logical inference machine. It is possible to search for suitable documents on the basis of semantic analysis, both in local databases (DB) and on the Internet. “Inventing machine” has knowledge (and provides answers), in its part exceeding the knowledge of the most qualified specialists. It contains powerful information databases - technical special effects from different fields of knowledge, a catalog of problem solving methods, some calculation models are used, in particular, functional-cost analysis. Some of these bases are built using knowledge models, in particular semantic networks, production models, and “subject-share-object” models (CAO-models). Visual and graphic images are also used - graphs, images, drawings to improve work efficiency, connected to some knowledge models.
Данное техническое решение, как наиболее близкое к заявленному по техническому существу и достигаемому результату, принято в качестве его прототипа.This technical solution, as closest to the claimed technical substance and the achieved result, was adopted as its prototype.
Данная система обладает знаниями о технических спецэффектах из разных областей знаний, оснащена методами решения изобретательских задач, применяет визуальные и графические образы для повышения эффективности работы. Выполнена система на стандартных машиночитаемых носителях, защищенных от копирования кодами доступа без специальных устройств чтения машиночитаемых носителей и их защиты. Она подключается к компьютерам через устройства считывания, а при работе ядро ПС считывается в компьютер и работа выполняется в оперативной памяти компьютера с подкачкой объемов информации с машиночитаемого носителя.This system has knowledge about technical special effects from different fields of knowledge, is equipped with methods for solving inventive problems, and uses visual and graphic images to increase work efficiency. The system was implemented on standard machine-readable media, protected against copying by access codes without special devices for reading machine-readable media and their protection. It is connected to computers through readers, and during operation, the PS core is read into the computer and the work is performed in the computer's RAM with pumping volumes of information from computer-readable media.
Недостатками данного технического решения являются:The disadvantages of this technical solution are:
- система производит поиск документов в локальных базах данных (БД) и в сети Интернет, используя семантический анализ, но пользователю все равно приходится самостоятельно прорабатывать найденный материал, с целью выбора подходящего варианта для решения конкретной задачи;- the system searches for documents in local databases (DB) and on the Internet using semantic analysis, but the user still has to independently work through the material found in order to select the appropriate option for solving a specific problem;
- используются неэффективные способы представления данных в БД и БЗ, которые не позволяют отказаться от лишних манипуляций с данными;- ineffective methods of presenting data in the database and KB are used, which do not allow to abandon unnecessary data manipulations;
- «Изобретающая машина» использует технологию теории решения изобретательских задач (ТРИЗ), в которой новые технические решения ищутся при помощи одного и того же набора типовых приемов разрешения технических противоречий.- “Inventing machine” uses the technology of the theory of solving inventive problems (TRIZ), in which new technical solutions are sought using the same set of typical techniques for resolving technical contradictions.
Задачей заявляемого изобретения является создание технологии, позволяющей по запросу пользователя находить разрешение любого технического противоречия в виде нахождения их решений с помощью системы на основе обучаемой нейронной сети, использующей принципы морфологического анализа и нечеткой логики и формирующей устойчивые взаимосвязи характеристик предмета запроса, что является базой для обучения нейросети и основой материала для формирования детализированного ответа на запрос.The objective of the claimed invention is to create a technology that allows, at the request of the user, to find a solution to any technical contradiction in the form of finding their solutions using a system based on a trained neural network that uses the principles of morphological analysis and fuzzy logic and forms stable relationships between the characteristics of the subject of the request, which is the basis for training neural networks and the basis of the material for the formation of a detailed response to the request.
Сущность первого независимого объекта заявленного технического решения выражается в следующей совокупности существенных признаков, достаточной для решения указанной заявителем технической проблемы и получения обеспечиваемого изобретением технического результата.The essence of the first independent object of the claimed technical solution is expressed in the following set of essential features, sufficient to solve the technical problem indicated by the applicant and obtain the technical result provided by the invention.
Согласно изобретению способ поиска методов разрешения технических противоречий, включающий анализ известных сведений о технических противоречиях из разных областей техники, методов решения изобретательских задач с использованием логического анализа и выдачу рекомендаций на запрос пользователя, который характеризуется тем, что вводят в систему запрос пользователя на языке интерфейса, распознают язык интерфейса с запросом пользователя и переводят его в код запроса, затем создают алгоритм для формирования кода запроса, формируют приоритеты для обучения нейронной сети, после чего осуществляют дообучение нейронной сети по параметрам, соответствующим коду запросу, и осуществляют поиск методов разрешения технических противоречий с помощью дообученной нейронной сети, использующей принципы морфологического анализа и нечеткой логики, для чего в соответствующем коду запроса изделии или объекте выделяют группу основных технических и/или социальных и/или экономических характеристик, при этом нейронная сеть формирует устойчивые взаимосвязи характеристик соответствующего коду запроса предмета с его техническими и/или социальными и/или экономическими характеристиками, затем нейронная сеть устанавливает взаимосвязи между исследуемым предметом и упоминанием его в базах патентов и каждая совокупность взаимосвязей формируется в своем информационном пространстве, после чего с помощью метода морфологического проектирования формируют совокупность матриц, каждая из которых сформирована путем упорядоченных переборов по исчерпывающему и конечному перечню технических и/или социальных и/или экономических, характеристик предмета, учитываемых при применении технических решений с установлением типа зависимости между ними, после чего на основе зафиксированных взаимосвязей создают систему ранжирования, которая является базой для формирования детализированного ответа на запрос, после чего формируют код ответа, переводят его в язык интерфейса и выдают ответ пользователю системы.According to the invention, a method for finding methods for resolving technical contradictions, including analyzing known information about technical contradictions from different fields of technology, methods for solving inventive problems using logical analysis and issuing recommendations for a user request, which is characterized by the fact that a user request is entered into the system in an interface language, recognize the interface language with the user's request and translate it into the request code, then create an algorithm for generating the request code, form tests for training the neural network, after which they retrain the neural network according to the parameters corresponding to the request code, and search for methods for resolving technical inconsistencies with the help of a trained neural network using the principles of morphological analysis and fuzzy logic, for which they highlight in the corresponding request code of the product or object a group of basic technical and / or social and / or economic characteristics, while the neural network forms stable relationships of the characteristics accordingly about the request code of the subject with its technical and / or social and / or economic characteristics, then the neural network establishes the relationship between the subject under study and its mention in the patent databases and each set of relationships is formed in its information space, after which, using the method of morphological design, they form the set matrices, each of which is formed by ordered sorting according to an exhaustive and final list of technical and / or social and / or economic, the characteristics of the subject, taken into account when applying technical solutions with establishing the type of dependence between them, after which, based on the recorded relationships, create a ranking system, which is the basis for generating a detailed response to the request, then generate the response code, translate it into the interface language and give the answer to the user system.
Кроме того, первый независимый объект заявленного технического решения характеризуется наличием ряда дополнительных факультативных признаков, а именно:In addition, the first independent object of the claimed technical solution is characterized by the presence of a number of additional optional features, namely:
- код запроса формируют с учетом произведенных пользователем фильтраций входных данных.- the request code is formed taking into account user input filtering.
Сущность второго независимого объекта заявленного технического решения выражается в следующей совокупности существенных признаков, достаточной для решения указанной заявителем технической проблемы и получения обеспечиваемого изобретением технического результата.The essence of the second independent object of the claimed technical solution is expressed in the following set of essential features, sufficient to solve the technical problem indicated by the applicant and obtain the technical result provided by the invention.
Согласно изобретению система поиска методов разрешения технических противоречий выполнена в виде распределенной иерархической морфологической структуры, включающей модуль приема запроса пользователя системы, выход которого соединен со входом модуля распознавания языка интерфейса с запросом пользователя, выход которого соединен со входом модуля создания алгоритма для формирования кода запроса, выход которого соединен со входом модуля формирования кода запроса, выход которого соединен со входом модуля формирования соответствующей коду запроса структуры баз данных, выход которого соединен со входом модуля формирования приоритетов для обучения нейронной сети, один выход которого непосредственно соединен со входом нейронной сети, а второй его выход соединен со входом нейронной сети через модуль дообучения нейронной сети по соответствующим коду запроса параметрам, при этом выход нейронной сети соединен со входом модуля формирование кода ответа, выход которого соединен со входом модуля перевода кода ответа на язык интерфейса, выход которого соединен со входом модуля выдачи ответа пользователю системы.According to the invention, the search system for methods of resolving technical contradictions is made in the form of a distributed hierarchical morphological structure, including a system user request receiving module, the output of which is connected to the input of the interface language recognition module with the user request, the output of which is connected to the input of the algorithm creation module for generating the request code, output which is connected to the input of the request code generation module, the output of which is connected to the input of the corresponding formation module a database structure request code, the output of which is connected to the input of the priority formation module for training the neural network, one output of which is directly connected to the input of the neural network, and its second output is connected to the input of the neural network through the neural network retraining module according to the relevant request code parameters, when The output of the neural network is connected to the input of the module forming a response code, the output of which is connected to the input of the module for translating the response code into the interface language, the output of which is connected to the mode input I issue a response to the user system.
Заявленная совокупность существенных признаков обеспечивает достижение технического результата, который заключается в том, что заявленный способ позволяет по запросу пользователя находить разрешение любого технического противоречия в виде нахождения их решений с помощью системы на основе обучаемой нейронной сети, использующей принципы морфологического анализа и нечеткой логики.The claimed combination of essential features ensures the achievement of a technical result, which consists in the fact that the claimed method allows, upon user request, to find a solution to any technical contradiction in the form of finding their solutions using a system based on a trained neural network that uses the principles of morphological analysis and fuzzy logic.
Сущность заявляемого технического решения поясняется чертежом, на котором на представлена блок схема заявленной системы.The essence of the claimed technical solution is illustrated by the drawing, which shows a block diagram of the claimed system.
На блок- схеме позициями обозначены:On the block diagram, the positions indicated:
1 - модуль приема запроса пользователя системы, 2 - модуль распознавания языка интерфейса с запросом пользователя 3 - модуль создания алгоритма для формирования кода запроса, 4 - модуль формирования кода запроса, 5 - модуль формирования соответствующей коду запроса структуры баз данных, 6 - модуль формирования приоритетов для обучения нейронной сети, 7 - модуль дообучения нейронной сети по соответствующим коду запроса параметрам 1-n, 8 - нейронная сеть, 9 - модуль формирование кода ответа, 10 - модуль перевода кода ответа в язык интерфейса, 11 - модуль выдачи ответа пользователю.1 - module for receiving a user request from a system, 2 - module for recognizing an interface language with a user request 3 - module for creating an algorithm for generating a request code, 4 - module for generating a request code, 5 - module for generating a database structure corresponding to the request code, 6 - module for generating priorities for training a neural network, 7 - a module for training a neural network according to the relevant request code parameters 1-n, 8 - a neural network, 9 - a module for generating a response code, 10 - a module for translating a response code into an interface language, 11 - a module in issuing a response to the user.
Заявленная нами система работает следующим образом. С помощью модуля 1 вводят в систему запрос пользователя в виде текста интерфейса. После этого модуль 2 распознает язык интерфейса с запросом пользователя, модуль 3 создает алгоритм для формирования кода запроса, а модуль 4 формирует код запроса. Модуль 5 формирует соответствующей коду запроса структуру баз данных, а модуль 6 формирует приоритеты для обучения нейронной сети. Дообучение нейронной сети 8 по соответствующим коду запросу параметрам осуществляют с помощью модуля 7. Далее нейронная сеть 8 осуществляет поиск методов разрешения технических противоречий с использованием принципов морфологического анализа и нечеткой логики. Метод морфологического анализа основан на комбинаторике. Суть его состоит в идее получения детального описания всех существующих и возможных (допустимых) технических систем исследуемого класса с последующим поиском на этом множестве описания технической системы, наиболее полно соответствующего поставленной цели. Для этого в интересующем изделии или объекте выделяют группу основных технических и/или социальных и/или экономических, характеристик. Для каждой характеристики выбирают альтернативные варианты, то есть возможные варианты исполнения объекта. Комбинируя их между собой, получают множество различных решений, в том числе представляющих практический интерес. Предварительно нейронная сеть 8 формирует устойчивые взаимосвязи характеристик соответствующего коду запроса предмета с его техническими и/или социальными и/или экономическими, характеристиками в виде наслоения псевдоплоскостей, обучается на полученных взаимосвязях и осуществляет поиск решения преодоления того или иного технического противоречия или технической проблемы и уточняет различными видами фильтров направление их решения, затем нейронная сеть устанавливает взаимосвязи между исследуемым предметом и упоминанием его в базах патентов и каждая совокупность формируется в своем информационном пространстве, после чего с помощью метода морфологического проектирования формируют совокупность матриц, каждая из которых сформирована путем упорядоченных переборов по исчерпывающему и конечному перечню технических и/или социальных и/или экономических, характеристик, учитываемых при применении технических решений с установлением типа зависимости между ними, после чего на основе зафиксированных взаимосвязей осуществляют работу с четкой и нечеткой логикой, создают систему ранжирования, которая является базой для обучения нейросети и основой материала для формирования детализированного ответа на запрос. Далее модуль 9 формирует код ответа, модуль 10 переводит код ответа в язык интерфейса, а модуль 11 выдает ответ пользователю.The system we claimed works as follows. Using module 1, a user request is entered into the system in the form of an interface text. After that, module 2 recognizes the interface language with the user's request, module 3 creates an algorithm for generating the request code, and module 4 generates the request code. Module 5 generates a database structure corresponding to the request code, and module 6 forms priorities for training a neural network. Further training of the neural network 8 according to the relevant request code parameters is carried out using module 7. Next, the neural network 8 searches for methods for resolving technical contradictions using the principles of morphological analysis and fuzzy logic. The method of morphological analysis is based on combinatorics. Its essence is the idea of obtaining a detailed description of all existing and possible (permissible) technical systems of the class under study, followed by a search on this set of descriptions of the technical system that most fully meets the goal. To do this, in the product or object of interest, a group of basic technical and / or social and / or economic characteristics is distinguished. For each characteristic, alternative options are chosen, that is, possible options for the execution of the object. By combining them with each other, they receive many different solutions, including those of practical interest. Preliminarily, neural network 8 forms stable interconnections of the characteristics of the subject corresponding to the request code with its technical and / or social and / or economic, characteristics in the form of layering of pseudo-planes, learns from the obtained interconnections and searches for a solution to overcome one or another technical contradiction or technical problem and clarifies various types of filters, the direction of their solution, then the neural network establishes the relationship between the studied subject and its mention in the databases x patents and each set is formed in its information space, after which, using the method of morphological design, a set of matrices is formed, each of which is formed by ordered enumeration according to an exhaustive and final list of technical and / or social and / or economic, characteristics taken into account when applying technical decisions with establishing the type of dependence between them, after which, on the basis of fixed relationships, they work with clear and fuzzy logic, I create ranking system, which is the base for training the neural network and the base material for forming a detailed response to the request. Next, module 9 generates a response code, module 10 translates the response code into the interface language, and module 11 issues a response to the user.
Заявленное устройство может быть реализовано с использованием известного оборудования, технических и технологических средств в виде известных универсальных нейросетевых пакетов для моделирования широкого круга искусственных нейронных сетей, менеджеров обучаемых искусственных нейронных сетей и т.п.The claimed device can be implemented using well-known equipment, technical and technological means in the form of well-known universal neural network packages for modeling a wide range of artificial neural networks, managers of trained artificial neural networks, etc.
Claims (3)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019101965A RU2707917C1 (en) | 2019-01-24 | 2019-01-24 | Method of searching for methods of resolving technical contradictions and a system based on a trained neural network for its implementation |
| PCT/RU2019/050133 WO2020153872A1 (en) | 2019-01-24 | 2019-08-19 | Method and system for searching for methods for resolving technical contradictions |
| EA202092614A EA202092614A1 (en) | 2019-01-24 | 2019-08-19 | METHOD FOR SEARCHING METHODS FOR RESOLVING TECHNICAL CONTRADICTIONS AND SYSTEM BASED ON TRAINING NEURAL NETWORK FOR ITS IMPLEMENTATION |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019101965A RU2707917C1 (en) | 2019-01-24 | 2019-01-24 | Method of searching for methods of resolving technical contradictions and a system based on a trained neural network for its implementation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2707917C1 true RU2707917C1 (en) | 2019-12-02 |
Family
ID=68836419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019101965A RU2707917C1 (en) | 2019-01-24 | 2019-01-24 | Method of searching for methods of resolving technical contradictions and a system based on a trained neural network for its implementation |
Country Status (3)
| Country | Link |
|---|---|
| EA (1) | EA202092614A1 (en) |
| RU (1) | RU2707917C1 (en) |
| WO (1) | WO2020153872A1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010014852A1 (en) * | 1998-09-09 | 2001-08-16 | Tsourikov Valery M. | Document semantic analysis/selection with knowledge creativity capability |
| US20080294658A1 (en) * | 2007-05-21 | 2008-11-27 | National Taiwan University Of Science & Technology | Clustering triz analysis method |
| US20090271701A1 (en) * | 2008-04-29 | 2009-10-29 | Bayerische Motoren Werke Aktiengesellschaft | Method for Systematically Identifying Technology-Based Solutions |
| RU2480826C2 (en) * | 2011-07-22 | 2013-04-27 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина" | Knowledge control system for resolving situations |
| RU2564641C1 (en) * | 2014-05-27 | 2015-10-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Кубанский государственный технический университет" (ФГБОУ ВПО "КубГТУ") | Intelligent information selection system "optimel" |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2016134474A (en) * | 2016-08-23 | 2018-03-01 | Алексей Александрович Руин | METHOD FOR SOLVING TASKS ON THE NETWORK |
-
2019
- 2019-01-24 RU RU2019101965A patent/RU2707917C1/en active
- 2019-08-19 WO PCT/RU2019/050133 patent/WO2020153872A1/en active Application Filing
- 2019-08-19 EA EA202092614A patent/EA202092614A1/en unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010014852A1 (en) * | 1998-09-09 | 2001-08-16 | Tsourikov Valery M. | Document semantic analysis/selection with knowledge creativity capability |
| US20080294658A1 (en) * | 2007-05-21 | 2008-11-27 | National Taiwan University Of Science & Technology | Clustering triz analysis method |
| US20090271701A1 (en) * | 2008-04-29 | 2009-10-29 | Bayerische Motoren Werke Aktiengesellschaft | Method for Systematically Identifying Technology-Based Solutions |
| RU2480826C2 (en) * | 2011-07-22 | 2013-04-27 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина" | Knowledge control system for resolving situations |
| RU2564641C1 (en) * | 2014-05-27 | 2015-10-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Кубанский государственный технический университет" (ФГБОУ ВПО "КубГТУ") | Intelligent information selection system "optimel" |
Also Published As
| Publication number | Publication date |
|---|---|
| EA202092614A1 (en) | 2021-06-02 |
| WO2020153872A1 (en) | 2020-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271505B (en) | Question-answering system implementation method based on question-answer pairs | |
| CN111353310B (en) | Named entity identification method and device based on artificial intelligence and electronic equipment | |
| CN109271506A (en) | A kind of construction method of the field of power communication knowledge mapping question answering system based on deep learning | |
| CN109271537B (en) | Text-to-image generation method and system based on distillation learning | |
| CN105393265A (en) | Active featuring in computer-human interactive learning | |
| WO2020010834A1 (en) | Faq question and answer library generalization method, apparatus, and device | |
| CN111897944B (en) | Knowledge graph question-answering system based on semantic space sharing | |
| CN116127095A (en) | Question-answering method combining sequence model and knowledge graph | |
| CN118170894B (en) | Knowledge graph question-answering method, knowledge graph question-answering device and storage medium | |
| CN117743315B (en) | Method for providing high-quality data for multi-mode large model system | |
| CN112328800A (en) | System and method for automatically generating programming specification question answers | |
| CN110659357B (en) | Geographic knowledge question-answering system based on ontology semantic similarity | |
| CN109885665A (en) | A kind of data query method, apparatus and system | |
| CN117648984A (en) | Intelligent question-answering method and system based on domain knowledge graph | |
| CN114004237A (en) | Intelligent question-answering system construction method based on bladder cancer knowledge graph | |
| CN117909466A (en) | Domain question-answering system, construction method, electronic device and storage medium | |
| CN118132719A (en) | Intelligent dialogue method and system based on natural language processing | |
| CN112084312A (en) | Intelligent customer service system constructed based on knowledge graph | |
| Bazaga et al. | Translating synthetic natural language to database queries with a polyglot deep learning framework | |
| Mylonas et al. | An attention matrix for every decision: Faithfulness-based arbitration among multiple attention-based interpretations of transformers in text classification | |
| Song et al. | Efficient and self-adaptive rationale knowledge base for visual commonsense reasoning | |
| CN118260717A (en) | Internet low-orbit satellite information mining method, system, device and medium | |
| Korade et al. | Strengthening Sentence Similarity Identification Through OpenAI Embeddings and Deep Learning. | |
| CN116991976A (en) | Model training method, device, electronic equipment and readable storage medium | |
| RU2707917C1 (en) | Method of searching for methods of resolving technical contradictions and a system based on a trained neural network for its implementation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PD4A | Correction of name of patent owner | ||
| QB4A | Licence on use of patent |
Free format text: LICENCE FORMERLY AGREED ON 20201014 Effective date: 20201014 |