Please wait a minute...
Advanced Search
现代图书情报技术  2014, Vol. 30 Issue (9): 44-50    DOI: 10.11925/infotech.1003-3513.2014.09.06
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
复杂产品设计知识智能检索研究
马绪凯, 丁晟春
南京理工大学经济管理学院 南京 210094
Research on Intelligent Retrieval of Complex Product Design Knowledge
Ma Xukai, Ding Shengchun
College of Economics & Management, Nanjing University of Science and Technology, Nanjing 210094, China
全文: PDF(610 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的] 快速、准确获取产品设计知识,以满足复杂产品设计过程中的知识需求。[方法] 以本体作为知识表示模型,对产品设计知识进行组织、表示。利用贝叶斯算法识别设计人员检索问句类型,减少候选问题集的范围。基于TF(Term Frequency)及余弦相似性度量检索问句与候选问题集的关键词相似度,基于问句的词形与句长计算检索问句与候选问题集的句法相似度。[结果] 利用该方法在国防领域身管产品设计知识上进行测试,实验结果查准率为91.3%,查全率为86.2%,查准率优于其他算法。[局限] 检索结果依赖于候选问题集的数量,在大规模问题集的情况下,相似度算法运算量很大,需进一步优化。[结论] 测试结果表明该方法在复杂产品设计知识检索中是有效的,对问句类型识别、问句相似度计算具有积极意义。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
马绪凯
丁晟春
关键词 复杂产品本体知识表示相似度知识检索身管    
Abstract

[Objective] Product design knowledge is obtained as fast and accurate as possible in order to meet complex product design process needs. [Methods] Use Ontology as knowledge representation model to organize and represent product design knowledge so as to provide a common understand of product design knowledge. Use Bayesian algorithm to identify the type of retrieval questions in order to reduce the scope of the candidate questions calculate keywords similarity between retrieval question and candidate questions based on TF and cosine similarity, calculate syntax similarity based on word forms and sentence length of retrieval question. [Results] Test result shows that accuracy rate is 91.3%, the recall rate is 86.2%, and accuracy rate better than other algorithms. [Limitations] Search result depends on the number of candidate questions. For large-scale data, complexity of similarity algorithm is very high, and the algorithm needs further optimization. [Conclusions] The method is effective and has a positive significance for identifying the type of questions and similarity computation.

Key wordsComplex product    Ontology    Knowledge representation    Similarity    Knowledge retrieval    Barrel
收稿日期: 2014-03-24     
:  TP391  
基金资助:

本文系国防科技工业局基础科研项目“基于知识工程的******智能设计”(项目编号:A2620133003)、国家社会科学基金重大项目“基于语义的馆藏资源深度聚合与可视化展示研究”(项目编号:11&ZD152)和中央高校基本科研业务专项资金项目“移动互联网服务使用偏好学习机制研究”(项目编号:30920140111006)的研究成果之一。

通讯作者: 马绪凯 E-mail:maxukai2008@163.com     E-mail: maxukai2008@163.com
作者简介: 作者贡献声明:马绪凯:提出研究思路,设计研究方案,完成实验,起草撰写论文;丁晟春:提出研究课题,修改论文框架、修订论文。
引用本文:   
马绪凯, 丁晟春. 复杂产品设计知识智能检索研究[J]. 现代图书情报技术, 2014, 30(9): 44-50.
Ma Xukai, Ding Shengchun. Research on Intelligent Retrieval of Complex Product Design Knowledge. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2014.09.06.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2014.09.06

[1] 余旭, 刘继红, 何苗. 基于领域本体的复杂产品设计知识检索技术[J]. 计算机集成制造系统, 2011, 17(2): 225-231. (Yu Xu, Liu Jihong, He Miao. Design Knowledge Retrieval Technology Based on Domain Ontology for Complex Products [J]. Computer Integrated Manufacturing System, 2011, 17(2): 225-231.)
[2] 张功杰, 赵向军, 陈克建. 面向本体的语义相似度计算及在检索中的应用[J]. 计算机工程与应用, 2010, 46(29): 131-133. (Zhang Gongjie, Zhao Xiangjun, Chen Kejian. Ontology Oriented Semantic Similarity Calculation and Application in Retrieval [J]. Computer Engineering and Applications, 2010, 46(29): 131-133.)
[3] Jin H M, Peng W L. Study on Product Design and Development Based on Design Knowledge Base [C]. In: Proceedings of the 2nd International Symposium on Computational Intelligence and Design. 2009: 463-467.
[4] Chen S, Yan Y, Wang G. Product-Design Knowledge Retrieval Based on Ontology and Rule [C]. In: Proceedings of the 2nd International Conference on Computer Engineering and Application. 2011: 285-290.
[5] 贾雪峰, 王建新, 齐建东, 等. 基于领域本体的智能检索模型[J]. 计算机工程, 2010, 36(23): 171-174. (Jia Xuefeng, Wang Jianxin, Qi Jiandong, et al. Intelligent Retrieval Model Based on Domain Ontology [J]. Computer Engineering, 2010, 36(23): 171-174.)
[6] 孟红伟, 张志平, 张晓丹. 基于领域本体的文献智能检索模型研究[J]. 情报杂志, 2013, 32(9): 180-184. (Meng Hongwei, Zhang Zhiping, Zhang Xiaodan. Research on Intelligent Information Retrieval Model Based on Domain Ontology [J]. Journal of Intelligence, 2013, 32(9): 180-184.)
[7] 曹灵莉, 陈扬, 张雷. 基于本体的产品绿色设计知识检索方法研究[J]. 合肥工业大学学报: 自然科学版, 2013, 36(5): 513-518. (Cao Lingli, Chen Yang, Zhang Lei. Study of Knowledge Retrieval During Product Green Design Based on Ontology [J]. Journal of Hefei University of Technology: Natural Science, 2013, 36(5): 513-518.)
[8] Wang R, Wang X H, Chi Z R, et al. Chinese Sentence Similarity Measure Based on Words and Structure Information [C]. In: Proceedings of International Conference on Advanced Language Processing and Web Information Technology. 2008: 27-31.
[9] 董自涛, 包佃清, 马小虎. 智能问答系统中问句相似度计算方法[J]. 武汉理工大学学报: 信息与管理工程版, 2010, 32(1): 31-34. (Dong Zitao, Bao Dianqing, Ma Xiaohu. Question Similarity Computing in Intelligent Question Answering System [J]. Journal of WUT: Information & Management Engineering, 2010, 32(1): 31-34.)
[10] Moreda P, Llorens H, Saquete E, et al. Combining Semantic Information in Question Answering Systems [J]. Information Processing and Management, 2011, 47(6): 870-885.
[11] 张亮, 冯冲, 陈肇雄, 等. 基于语句相似度计算的FAQ自动回复系统设计与实现[J]. 小型微型计算机系统, 2006, 27(4): 720-723. (Zhang Liang, Feng Chong, Chen Zhaoxiong, et al. Design and Implementation of FAQ Automatic Answering System Based on Similarity Computing [J]. Journal of Chinese Computer Systems, 2006, 27(4): 720-723.)
[12] 吴鹏, 王曰芬, 丁晟春, 等. 基于本体的机械产品设计知识表示研究[J]. 情报理论与实践, 2013, 36(10): 91-95. (Wu Peng, Wang Yuefen, Ding Shengchun, et al. Research of Machine Product Design Knowledge Presentation Based on Ontology [J]. Information Studies: Theory & Application, 2013, 36(10): 91-95.)
[13] 张宇, 刘挺, 文勖. 基于改进贝叶斯模型的问题分类[J]. 中文信息学报, 2005, 19(2): 100-105. (Zhang Yu, Liu Ting, Wen Xu. Modified Bayesian Model Based Question Classification[J]. Journal of Chinese Information Processing, 2005, 19(2): 100-105.)
[14] 覃世安, 李法运. 文本分类中TF-IDF方法的改进研究[J]. 现代图书情报技术, 2013(10): 27-30. (Qin Shian, Li Fayun. Improved TF-IDF Method in Text Classification [J]. New Technology of Library and Information Service, 2013(10): 27-30.)
[15] 张华平, 刘群. 基于角色标注的中国人名自动识别研究[J]. 计算机学报, 2004, 27(1): 85-91. (Zhang Huaping, Liu Qun. Automatic Recognition of Chinese Personal Name Based on Role Tagging [J]. Chinese Journal of Computers, 2004, 27(1): 85-91.)

[1] 关鹏,王曰芬,傅柱. 基于LDA的主题语义演化分析方法研究 * ——以锂离子电池领域为例[J]. 数据分析与知识发现, 2019, 3(7): 61-72.
[2] 邓诗琦,洪亮. 面向智能应用的领域本体构建研究*——以反电话诈骗领域为例[J]. 数据分析与知识发现, 2019, 3(7): 73-84.
[3] 高广尚. 用户画像构建方法研究综述*[J]. 数据分析与知识发现, 2019, 3(3): 25-35.
[4] 张佩瑶,刘东苏. 基于词向量和BTM的短文本话题演化分析*[J]. 数据分析与知识发现, 2019, 3(3): 95-101.
[5] 王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[6] 何有世,何述芳. 基于领域本体的产品网络口碑信息多层次细粒度情感挖掘*[J]. 数据分析与知识发现, 2018, 2(8): 60-68.
[7] 吴丹,陆柳杏. 跨设备搜索中设备转移前后查询式语义变化研究*[J]. 数据分析与知识发现, 2018, 2(8): 69-78.
[8] 孙海霞,王蕾,吴英杰,华薇娜,李军莲. 科技文献数据库中机构名称匹配策略研究*[J]. 数据分析与知识发现, 2018, 2(8): 88-97.
[9] 唐慧慧,王昊,张紫玄,王雪颖. 基于汉字标注的中文历史事件名抽取研究*[J]. 数据分析与知识发现, 2018, 2(7): 89-100.
[10] 王道平,蒋中杨,张博卿. 基于灰色关联分析和时间因素的协同过滤算法*[J]. 数据分析与知识发现, 2018, 2(6): 102-109.
[11] 庞贝贝,苟娟琼,穆文歆. 面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究*[J]. 数据分析与知识发现, 2018, 2(6): 92-101.
[12] 李琳,李辉. 一种基于概念向量空间的文本相似度计算方法[J]. 数据分析与知识发现, 2018, 2(5): 48-58.
[13] 花凌锋,杨高明,王修君. 面向位置的多样性兴趣新闻推荐研究*[J]. 数据分析与知识发现, 2018, 2(5): 94-104.
[14] 刘俊婉,杨波,王菲菲. 基于引证行为与学术相似度的学者影响力领域排名方法研究*[J]. 数据分析与知识发现, 2018, 2(4): 59-70.
[15] 丁晟春,刘梦露,傅柱. 概念设计中基于知识流的多维设计知识统一建模技术研究*[J]. 数据分析与知识发现, 2018, 2(2): 11-19.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn