CN102662929A - 一种基于本体的问题智能分析处理的方法和装置 - Google Patents
一种基于本体的问题智能分析处理的方法和装置 Download PDFInfo
- Publication number
- CN102662929A CN102662929A CN2012100738721A CN201210073872A CN102662929A CN 102662929 A CN102662929 A CN 102662929A CN 2012100738721 A CN2012100738721 A CN 2012100738721A CN 201210073872 A CN201210073872 A CN 201210073872A CN 102662929 A CN102662929 A CN 102662929A
- Authority
- CN
- China
- Prior art keywords
- solving
- user
- computing machine
- type
- knowledge base
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于本体的问题智能分析处理的方法和装置。该方法基于自然语言理解技术、问题分析理解与求解的一般过程、知识管理及表示方法和本体理论，首先从本体论的角度构建了可通用的知识库概念结构，用于计算机对用户所面临的问题相关信息进行维护和存储；然后将用户所提交的问题表述语句转换成计算机可处理的信息，并通过计算机荧屏与用户进行交互，从用户处获取相关基础信息；最后采用自动推理机制，自动完成对问题类型及其求解方法的智能识别。该装置包括三部分数据维护和存储装置及问题智能分析处理与显示装置。本发明具有更高的智能性和准确性，用户的操作过程轻松自如，具有良好的技术效果和应用价值。
Description
技术领域
本发明涉及计算机分析处理问题的技术，尤其涉及一种基于本体的问题智能分析处理的方法和装置。
背景技术
计算机科学技术的快速发展和推广应用，极大地影响了企业的经营活动和个人的行为方式。在经济管理领域，计算机应用技术主要应用于对企业、个人的管理问题的分析处理和求解，以辅助企业、个人制定问题的解决方案。尤其是自20世纪70年代首次提出决策支持系统以来，计算机对用自然语言表述的问题的智能分析处理一直是研究的热点和难点。
对问题分析处理的最终目的是识别出问题的类型及其求解方法，以服务于问题的求解。然而问题的高度复杂性，加大了计算机对问题的处理难度。虽然关于计算机处理问题的研究成果已有很多，但在问题类型及求解方法的智能识别方面仍然存在很多难题没有得到解决，如问题和求解方法知识库的合理性和通用性、识别方法的智能性和有效性。
在进行问题类型及求解方法的识别时，传统的方法主要有统计方法和知识库方法。统计方法的原理是采用文本挖掘技术，在对大量用文本表示的问题进行训练学习后，挖掘出能表征问题类型的特征词汇，并形成产生式规则，用于对新问题的类型识别。如公开日为2008年8月27日，公开号为CN 101251862A的中国专利，其采用基于向量空间模型的相似度方法，通过训练大量的问题后实现对新问题类型的判断；公开日为2008年12月10日，公开号为CN 101320374A的中国专利，其从句法结构和领域特征等属性出发，采用改进贝叶斯分类算法，通过分类训练后对问题进行分类。以上专利的核心在于问题的分类，但在经济管理领域中计算机对问题的智能分析处理除了准确识别问题的类型以外，还需要识别出解决该类型问题可用的求解方法。而且，以上专利所描述的技术方案均是采用关键字的相似匹配来识别问题类型，并不能从问题的语义层面对类型进行识别。在问题类型识别过程中，往往更多地依赖于问题的语义信息，如问题考察的时间、目标等。
知识库方法则是通过构建问题及求解方法知识结构，通过专家录入的方式将相关知识存储到计算机中，并采用知识规则，实现对问题类型及求解方法的识别。中南大学胡东滨教授在其所著的《决策问题管理系统开发研究》（2009.6）一书中对问题进行了系统的分析研究，提供了一种基于知识库的问题智能分析方法。其中，在对问题类型的识别过程中，该方法通过双关键词来实现对特定问题类型的识别。但这种方法还存在一些缺陷，例如不能从语义层面对问题类型进行识别、知识库共享性和通用性不高、识别方法的智能性和有效性还有待改善等。如公开日为2011年7月6日，公开号为CN 102117282A的中国专利，其提供了一种用于获取问题解决方案的系统和方法，针对问题产生的原因及效应，利用本体库获取问题的语义信息，以避免问题初步信息输入的不足，最终对问题的解决方案进行检索。此专利所描述的技术方案是用于解决存在原因的问题，如机械故障问题等，不同于经济管理领域中的需求解的问题。公开日为2011年12月7日，公开号为CN 102270190A的中国专利，其提供了一种复杂决策问题的计算机建模与求解处理方法，通过人机不断交互，辅助用户完成问题的自然语言理解，在此基础上对问题进行智能化建模。此专利所描述的技术方案中对问题类型的判断是通过人机不断交互，利用所获得的信息逐步匹配知识词典库中的问题类型，直至用户认同识别结果。可见，其问题类型识别过程的智能性还存在一定的不足。同时，对于不同类型的问题，在人机交互过程中要求交互的信息也所不同。此专利在如何更好地兼容其他类型问题要求的交互信息方面还存在一定的局限性。
利用计算机对问题类型及求解方法进行智能识别，需要广泛应用知识工程的相关技术。随着人工智能技术的发展，本体论被引入到知识工程研究中来，实现同一个领域中的概念知识的共享和重用，并形成了基于本体的知识表示和推理方法。
因此，本发明从本体概念出发，自主构建了经济管理领域中可通用的问题、求解方法知识库结构。在此基础上，本发明给出了计算机智能分析处理问题的方法。本发明不仅能从语义层面对问题类型进行识别，相应的识别方法具有更高的智能性和准确性，还能提供可共享的知识库，具有更好的可扩展性和重用性，在基于云计算的计算机应用系统（尤其是决策支持系统）中具有很好应用前景。
发明内容
本发明所解决的技术问题在于针对上述现有技术在解决经济管理领域问题时所存在的缺陷提供一种基于本体的问题智能分析处理的方法和装置，帮助用户解决在问题求解过程中因知识缺乏而产生的困难，并尽可能减少与用户的交互，以辅助用户快速、准确地制定问题的解决方案。
本发明所解决的技术问题采用以下技术方案来实现：
一种基于本体的问题智能分析处理的方法，基于自然语言理解技术、问题分析理解与求解的一般过程、知识管理及表示方法和本体理论，用计算机及其相关设备取代人工的方式，来识别用中文自然语言表述的问题的类型及求解方法，本发明首先从本体论的角度构建了可通用的知识库概念结构，用于计算机对用户所面临的问题相关信息进行维护和存储；然后将用户所提交的问题表述语句转换成计算机可处理的信息，并通过计算机荧屏与用户进行交互，从用户处获取相关基础信息；最后采用自动推理机制，自动完成对问题类型及其求解方法的智能识别，从而帮助用户快速、准确地求解问题。
具体智能分析处理过程如下：
A．知识库构建模块，按照自主构建的知识库本体概念结构，专家构建专用的问题知识库；
B．用户通过键盘和鼠标提交问题表述语句；
C．计算机预处理模块，对用户提交的问题表述语句进行分词、子句划分以及双关键词识别，从表述语句中获取基本信息，将问题表述语句转换成计算机可处理的信息；
D．计算机获取问题的其他相关信息，按照通用的问题知识库结构，通过荧屏和键盘与用户进行交互，从用户处获取隐含的基本信息，避免用户初步输入问题信息的不足；
E．计算机智能识别模块，利用所获得的问题信息对问题类型及求解方法进行智能识别；
F．计算机推荐问题求解方法，将所识别的问题类型及求解方法通过计算机荧屏显示给用户。
所述的知识库构建模块包括对问题分类知识库、求解方法分类知识库和考察对象基础数据库的构建。
自主构建的求解方法分类知识库本体概念结构如下：
<求解方法链>：：=<求解方法父类><求解方法类型><所属链级><分类条件约束>|{<求解方法父类><求解方法类型><所属链级><分类条件约束>}
<分类条件约束>：：=<分类条件名称><分类条件约束值>
自主构建的问题分类知识库本体概念结构如下：
<问题类型链>：：=<问题父类><问题类型><所属链级><分类条件约束>|{<问题父类><问题类型><所属链级><分类条件约束>}
<分类条件约束>：：=<分类条件名称><分类条件约束值>
自主构建的考察对象基础数据库本体概念结构如下：
<考察对象>：：=<对象名称><对象类型><资源><资源消耗><状态时间>
<对象类型>：：=“个人”|“团体”
<资源>：：=<资源名称><资源类型><资源属性>
<资源类型>：：=<输入资源>|<输出资源>
<资源属性>：：=<资源属性名称><资源属性值>
<资源属性值>：：=<整数>|<实数>
<资源消耗>：：=<输出资源><输入资源><消耗值>
<消耗值>：：=<整数>|<实数>
自主构建的问题分析结果知识库本体概念结构是本发明所采用的智能分析处理原理的基础，包含上述三类知识库本体概念结构，其定义如下：
<问题>：：=<考察对象><考察时间><考察目标><二元词组><问题类型链><求解方法链>
<考察时间>：：=<参考时间><目标时间><目标时间参照类型>
<目标时间参照类型>：：=“过去”|“现在”|“未来”
<考察目标>：：=<求解目标><优化目标>
<二元词组>：：=<关键主题词><关键动词>|{关键主题词}{关键动词}
上述的计算机智能识别模块全部由计算机自主完成，在某属性不明确的时候，计算机会通过人机交互从用户处获取；整个识别过程如下：
E1．输入预处理模块所获得的问题基本信息，包括双关键词、考察目标、考察时间等；
E2．计算机调用专家构建的问题分类知识库，将问题的基本信息与知识库中的问题类型信息进行匹配，识别出问题所属大类；
E3．针对所识别出的问题大类，进行问题子类识别；
E4．通过人机交互确认后，计算机存储问题类型链集合；
E5．针对问题类型链集合，计算机调用专家构建的求解方法分类知识库，识别问题求解方法大类；
E6．针对所识别出的问题求解方法大类，进行求解方法子类识别；
E7．通过人机交互确认后，计算机存储问题求解方法链集合。
上述的问题子类识别过程如下：
E31．输入所识别出的问题大类；
E32．计算机调用问题分类知识库和考察对象基础数据库，识别当前问题类型下一级细分类型的分类属性、取值集合及对应的子类集合；如果分类属性个数为0，表示不存在下一级细分类型，过程转至E35；否则表示存在下一级细分类型，过程转至E33；
E33．识别该分类属性在该目标问题中的取值；
E34．将目标问题分类属性的取值与识别出的分类属性取值进行匹配，识别问题的细分类型；当前问题类型被替换为所识别出的问题类型，过程转至E32；
E35．计算机显示问题类型链，待用户确认；若用户确认，过程转换至E36；若用户不确认，待用户修改某一级类型后进行重新识别，过程转至E32；
E36．计算机保存问题类型链集合。
上述的求解方法子类识别过程如下：
E61．输入所识别出的求解方法大类；
E62．计算机调用求解方法分类知识库和考察对象基础数据库，识别当前求解方法类型下一级细分类型的分类属性、取值集合及对应的子类集合；如果分类属性个数为0，表示不存在下一级细分类型，过程转至E65；否则表示存在下一级细分类型，过程转至E63；
E63．识别该分类属性在该目标问题中的取值；
E64．将目标问题分类属性的取值与识别出的分类属性取值进行匹配，识别问题求解方法的细分类型；当前问题求解方法类型被替换为所识别出的问题求解方法类型，过程转至E62；
E65．计算机显示问题求解方法类型链，待用户确认。若用户确认，过程转换至E66；若用户不确认，待用户修改某一级类型后进行重新识别，过程转至E62；
E66．计算机保存求解方法类型链集合。
一种基于本体的问题智能分析处理的装置，包括三部分数据维护和存储装置及问题智能分析处理与显示装置，所述三部分数据维护和存储装置分别为求解方法分类数据维护和存储装置、问题分类数据维护和存储装置及考察对象基础数据维护和存储装置。所述三部分数据维护和存储装置具体为计算机可接受的存储介质和存储形式，且存储内容可被用户所维护，每部分数据维护和存储装置都有一个独立的数据维护系统。所述求解方法分类数据维护和存储装置包括求解方法分类知识库，按照求解方法分类知识库本体概念结构，对求解问题有关的方法及分类体系进行存储和维护；所述问题分类数据维护和存储装置包括问题分类知识库，按照问题分类知识库本体概念结构，对问题类型及分类体系进行存储和维护；所述考察对象基础数据维护和存储装置包括考察对象基础数据库，按照考察对象基础数据库本体概念结构，对问题所考察的对象实体的基础数据的存储和维护。所述问题智能分析处理与显示装置包括问题分析结果知识库，并通过与求解方法分类知识库、问题分类知识库和考察对象基础数据库连接实现数据共享。问题智能分析处理与显示装置是计算机的输入输出装置，具有问题智能分析、推理识别功能。问题智能分析处理与显示装置的输入接受以自然语言表达的问题，以问题分析结果知识库本体概念结构为依据对问题进行智能分析，自动完成对问题类型及求解方法的智能识别。外部计算机也可通过网络直接调用该装置对问题进行分布式处理。
有益效果：
本发明帮助用户解决在问题求解过程中因知识缺乏而产生的困难，其能借助计算机帮助用户自主地求解问题，以便快速、准确地制定问题的解决方案，具有良好的技术效果和应用价值。本发明自动完成对问题表述语句的分析，并通过荧屏交互获取与问题类型识别有关的基础信息，自动完成对问题类型和求解方法的智能推理识别过程，减少了用户的参与，具有更高的智能性和准确性。用户在使用过程中操作轻松自如，比较人性化。另外，本发明提供了可共享的知识库，该装置可以被外部计算机调用，在基于云计算的计算机应用系统（尤其是决策支持系统）中具有广阔的应用前景。
附图说明
图1是本发明的问题智能分析处理方法的流程图。
图2是本发明的计算机智能识别原理总流程图。
图3是本发明的计算机智能识别原理中问题类型识别流程图。
图4是本发明的计算机智能识别原理中问题求解方法识别流程图。
图5是本发明的问题智能分析处理装置的结构关系图。
图6是依据本发明解决规划类和预测类问题的求解方法分类图。
图7是依据本发明解决规划类和预测类问题的问题分类图。
具体实施方式
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
一种基于本体的问题智能分析处理的方法，基于自然语言理解技术、问题分析理解与求解的一般过程、知识管理及表示方法和本体理论，用计算机及其相关设备取代人工的方式，来识别用中文自然语言表述的问题的类型及求解方法，本发明首先从本体论的角度构建了可通用的知识库概念结构，用于计算机对用户所面临的问题相关信息进行维护和存储；然后将用户所提交的问题表述语句转换成计算机可处理的信息，并通过计算机荧屏与用户进行交互，从用户处获取相关基础信息；最后采用自动推理机制，自动完成对问题类型及其求解方法的智能识别，从而帮助用户快速、准确地求解问题。
如图1所示，具体智能分析处理过程如下：
A．知识库构建模块，按照自主构建的知识库本体概念结构，专家构建专用的问题知识库；
B．用户通过键盘和鼠标提交问题表述语句；
C．计算机预处理模块，对用户提交的问题表述语句进行分词、子句划分以及双关键词识别，从表述语句中获取基本信息，将问题表述语句转换成计算机可处理的信息；
D．计算机获取问题的其他相关信息，按照通用的问题知识库结构，通过荧屏和键盘与用户进行交互，从用户处获取隐含的基本信息，避免用户初步输入问题信息的不足；
E．计算机智能识别模块，利用所获得的问题信息对问题类型及求解方法进行智能识别；
F．计算机推荐问题求解方法，将所识别的问题类型及求解方法通过计算机荧屏显示给用户。
所述的知识库构建模块包括对问题分类知识库、求解方法分类知识库和考察对象基础数据库的构建。
自主构建的求解方法分类知识库本体概念结构如下：
<求解方法链>：：=<求解方法父类><求解方法类型><所属链级><分类条件约束>|{<求解方法父类><求解方法类型><所属链级><分类条件约束>}
<分类条件约束>：：=<分类条件名称><分类条件约束值>
自主构建的问题分类知识库本体概念结构如下：
<问题类型链>：：=<问题父类><问题类型><所属链级><分类条件约束>|{<问题父类><问题类型><所属链级><分类条件约束>}
<分类条件约束>：：=<分类条件名称><分类条件约束值>
自主构建的考察对象基础数据库本体概念结构如下：
<考察对象>：：=<对象名称><对象类型><资源><资源消耗><状态时间>
<对象类型>：：=“个人”|“团体”
<资源>：：=<资源名称><资源类型><资源属性>
<资源类型>：：=<输入资源>|<输出资源>
<资源属性>：：=<资源属性名称><资源属性值>
<资源属性值>：：=<整数>|<实数>
<资源消耗>：：=<输出资源><输入资源><消耗值>
<消耗值>：：=<整数>|<实数>
自主构建的问题分析结果知识库本体概念结构是本发明所采用的智能分析处理原理的基础，包含上述三类知识库本体概念结构，其定义如下：
<问题>：：=<考察对象><考察时间><考察目标><二元词组><问题类型链><求解方法链>
<考察时间>：：=<参考时间><目标时间><目标时间参照类型>
<目标时间参照类型>：：=“过去”|“现在”|“未来”
<考察目标>：：=<求解目标><优化目标>
<二元词组>：：=<关键主题词><关键动词>|{关键主题词}{关键动词}
上述的计算机智能识别模块全部由计算机自主完成，在某属性不明确的时候，计算机会通过人机交互从用户处获取；如图2所示，整个识别过程如下：
E1．输入预处理模块所获得的问题基本信息，包括双关键词、考察目标、考察时间等；
E2．计算机调用专家构建的问题分类知识库，将问题的基本信息与知识库中的问题类型信息进行匹配，识别出问题所属大类；
E3．针对所识别出的问题大类，进行问题子类识别；
E4．通过人机交互确认后，计算机存储问题类型链集合；
E5．针对问题类型链集合，计算机调用专家构建的求解方法分类知识库，识别问题求解方法大类；
E6．针对所识别出的问题求解方法大类，进行求解方法子类识别；
E7．通过人机交互确认后，计算机存储问题求解方法链集合。
如图3所示，上述的问题子类识别过程如下：
E31．输入所识别出的问题大类；
E32．计算机调用问题分类知识库和考察对象基础数据库，识别当前问题类型下一级细分类型的分类属性、取值集合及对应的子类集合；如果分类属性个数为0，表示不存在下一级细分类型，过程转至E35；否则表示存在下一级细分类型，过程转至E33；
E33．识别该分类属性在该目标问题中的取值；
E34．将目标问题分类属性的取值与识别出的分类属性取值进行匹配，识别问题的细分类型；当前问题类型被替换为所识别出的问题类型，过程转至E32；
E35．计算机显示问题类型链，待用户确认；若用户确认，过程转换至E36；若用户不确认，待用户修改某一级类型后进行重新识别，过程转至E32；
E36．计算机保存问题类型链集合。
如图4所示，上述的求解方法子类识别过程如下：
E61．输入所识别出的求解方法大类；
E62．计算机调用求解方法分类知识库和考察对象基础数据库，识别当前求解方法类型下一级细分类型的分类属性、取值集合及对应的子类集合；如果分类属性个数为0，表示不存在下一级细分类型，过程转至E65；否则表示存在下一级细分类型，过程转至E63；
E63．识别该分类属性在该目标问题中的取值；
E64．将目标问题分类属性的取值与识别出的分类属性取值进行匹配，识别问题求解方法的细分类型；当前问题求解方法类型被替换为所识别出的问题求解方法类型，过程转至E62；
E65．计算机显示问题求解方法类型链，待用户确认。若用户确认，过程转换至E66；若用户不确认，待用户修改某一级类型后进行重新识别，过程转至E62；
E66．计算机保存求解方法类型链集合。
本发明按照上述自主构建的知识库本体概念结构，对问题表述语句进行自动分析，并通过荧屏交互获取与问题类型识别有关的基础信息，自动完成对问题类型和求解方法的智能推理识别过程，最后将识别出问题类型以及求解方法显示在荧屏上，以方便用户查看和修改。用户在使用过程中操作轻松自如，比较人性化。
如图5所示，一种基于本体的问题智能分析处理的装置，包括三部分数据维护和存储装置及问题智能分析处理与显示装置1，所述三部分数据维护和存储装置分别为求解方法分类数据维护和存储装置2、问题分类数据维护和存储装置3及考察对象基础数据维护和存储装置4。所述三部分数据维护和存储装置具体为计算机可接受的存储介质和存储形式，且存储内容可被用户所维护，每部分数据维护和存储装置都有一个独立的数据维护系统。所述求解方法分类数据维护和存储装置2包括求解方法分类知识库21，按照求解方法分类知识库21本体概念结构，对求解问题有关的方法及分类体系进行存储和维护；所述问题分类数据维护和存储装置3包括问题分类知识库31，按照问题分类知识库31本体概念结构，对问题类型及分类体系进行存储和维护；所述考察对象基础数据维护和存储装置4包括考察对象基础数据库41，按照考察对象基础数据库41本体概念结构，对问题所考察的对象实体的基础数据的存储和维护。所述问题智能分析处理与显示装置1包括问题分析结果知识库11，并通过与求解方法分类知识库21、问题分类知识库31和考察对象基础数据库41连接实现数据共享。问题智能分析处理与显示装置1是计算机的输入输出装置，具有问题智能分析、推理识别功能。问题智能分析处理与显示装置1的输入接受以自然语言表达的问题，以问题分析结果知识库11本体概念结构为依据对问题进行智能分析，自动完成对问题类型及求解方法的智能识别。外部计算机也可通过网络直接调用该装置对问题进行分布式处理。
本发明的使用方法是通过操作相关软件，专家用户首先操作键盘等输入设备，按照荧屏提示维护和存储相应的求解方法、问题类型、考察对象等知识；然后在这个基础上，普通用户通过键盘等输入设备提交问题；计算机自动分析问题，并通过荧屏交互获取与问题类型识别有关的基础信息，采用自动推理机制，对问题类型和求解方法进行智能识别；最后将识别出问题类型以及求解方法显示在荧屏上，以方便用户查看和修改。
本发明所存在和运行使用的硬件基础构成可为以下四种情况之一。
第一种，安装有该装置所有软件内容的独立的电脑设备。此种情况下，各装置部件及其相关的知识库均安装在同一电脑设备上。
第二种，电脑设备和包含有该装置所有软件内容的光盘。此种情况下，各装置部件及其相关的知识库均存储在在同一光盘内。
第三种，互联网环境下安装有该装置所有软件内容的电脑设备网络服务器和连接着该服务器的网络终端电脑设备。此种情况下，各装置部件及其相关的知识库可分别安装不同的电脑设备上，并通过网络进行数据通信。
第四种，作为一个组件集成到具体的计算机应用系统中，与计算机应用系统的其他部件配合运行，完成计算机应用系统的整个问题处理过程。此种情况下，各装置的部件及其相关的知识库视所依附的计算机应用系统结构而定。
为了简化说明，现以本发明解决规划类和预测类两类问题为例，进一步说明本发明的技术原理和操作过程，下面将进行详细说明。
在求解方法分类数据维护和存储装置2中，所存储的规划类和预测类求解方法如图6所示的多叉树结构。该装置中，对求解方法分类数据维护的操作主要是对每一个求解方法按照相应的知识库结构进行管理。具体操作为：
1．打开计算机；
2．启动求解方法分类数据维护软件；
3．通过键盘输入当前模型名称、模型链级、选择模型父类和当前分类属性及取值；
4．存储求解方法分类数据。
求解方法分类知识库中保存的数据记录如表1所示。
表1 规划方法数据存储记录
| 分类号 | 方法类型名称 | 父类号 | 链级 | 分类属性名 | 分类属性值 |
| SPM1001 | 规划方法 | SPM0 | 1 | 求解问题 | PPM1001 |
| SPM2001 | 线性规划方法 | SPM1001 | 2 | 求解问题 | PPM2001 |
| SPM2002 | 非线性规划方法 | SPM1001 | 2 | 求解问题 | PPM2002 |
| SPM3001 | 整数线性规划方法 | SPM2001 | 3 | 求解问题 | PPM3001 |
| …… | …… | …… | … | …… | …… |
在问题分类数据维护和存储装置3中，所存储的规划类和预测类问题如图7所示的多叉树结构。该装置中，对问题分类数据维护的操作主要是对每一个问题类型按照相应的知识结构进行管理。具体操作为：
1．打开计算机；
2．启动问题分类数据维护软件；
3．通过键盘输入当前问题类型名称、问题类型链级、选择问题父类和当前分类属性及取值；
4．存储问题分类数据。
问题分类知识库中保存的数据记录如表2所示。
表2 规划类问题数据存储记录
| 分类号 | 问题类型名称 | 父类号 | 链级 | 分类属性名 | 分类属性值 |
| PPM1001 | 规划问题 | PPM0 | 1 | 优化目标 | 有 |
| PPM2001 | 线性规划问题 | PPM1001 | 2 | 线性 | 是 |
| PPM2002 | 非线性规划问题 | PPM1001 | 2 | 线性 | 否 |
| PPM3001 | 整数线性规划问题 | PPM2001 | 3 | 变量全为小数 | 否 |
| …… | …… | …… | …… | …… | …… |
在考察对象基础数据维护和存储装置4中，专家用户能够按照上述相应的知识结构对问题考察对象的背景知识进行维护和存储。具体操作为：
1．打开计算机；
2．启动考察对象数据维护软件；
3．通过键盘、荧屏等交互设备，输入考察对象名称、类型、资源属性及取值等数据；
4．存储考察对象数据。
问题智能分析处理与显示装置1是本发明的核心部件。在该装置中，用户可打开问题智能分析软件，通过键盘等输入设备提交问题，并通过荧屏进行人机交互，最终对所识别出的问题类型及求解方法进行判断和修改。
为了更直观地说明本发明的技术原理，现以本发明解决一个企业问题为例。某用户针对所在企业，产生了如下问题：2012年公司该如何安排各个产品的产量？
问题产生背景：该用户所在的某公司生产家用电器：电冰箱和空调。2011年底，该用户根据对市场的分析，为获取最大利润，拟定2012年的生产计划。这些背景知识（如历年来的产品价格、销量）等数据将通过上述考察对象基础数据维护和存储装置4维护。
针对上述问题，用户操作问题智能分析处理与显示装置1的具体步骤为：
1．打开计算机；
2．启动问题智能分析软件；
3．用户通过键盘提交问题；
4．计算机对问题表述语句进行预处理，识别已有的属性值（如求解目标等）；
5．计算机按照问题分析结果知识库概念结构的基本属性，通过荧屏提示用户未能识别的属性，如考察目标中的优化目标及优化类型等；
6．用户通过键盘输入未知属性的状态值，计算机重复步骤5，直至基本属性全部识别，识别结果如表3所示；
7．计算机获取到属性值以后，对问题类型进行智能识别，并通过荧屏与用户进行必要的交互，识别的迭代分析过程如表4所示；
8．计算机识别的问题类型链为：“规划问题”→“线性规划问题”→“整数线性规划问题”→“生产计划问题”，用户对识别的结果进行确认或修改；
9．在得到问题类型链以后，计算机对问题求解方法链进行智能识别，并通过荧屏与用户进行必要的交互，识别的迭代分析过程如表5所示；
10．计算机识别的求解方法链为：“规划方法”→“线性规划方法”→“整数线性规划方法”，用户对识别的结果进行确认或修改；
11．计算机保存识别的问题类型链和求解方法链。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制。上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于本体的问题智能分析处理的方法，其特征在于，基于自然语言理解技术、问题分析理解与求解的一般过程、知识管理及表示方法和本体理论，首先从本体论的角度构建了可通用的知识库概念结构，用于计算机对用户所面临的问题相关信息进行维护和存储；然后将用户所提交的问题表述语句转换成计算机可处理的信息，并通过计算机荧屏与用户进行交互，从用户处获取相关基础信息；最后采用自动推理机制，自动完成对问题类型及其求解方法的智能识别；具体智能分析处理过程如下：
A．知识库构建模块，按照自主构建的知识库本体概念结构，专家构建专用的问题知识库；
B．用户通过键盘和鼠标提交问题表述语句；
C．计算机预处理模块，对用户提交的问题表述语句进行分词、子句划分以及双关键词识别，从表述语句中获取基本信息，将问题表述语句转换成计算机可处理的信息；
D．计算机获取问题的其他相关信息，按照通用的问题知识库结构，通过荧屏和键盘与用户进行交互，从用户处获取隐含的基本信息，避免用户初步输入问题信息的不足；
E．计算机智能识别模块，利用所获得的问题信息对问题类型及求解方法进行智能识别；
F．计算机推荐问题求解方法，将所识别的问题类型及求解方法通过计算机荧屏显示给用户。
2.根据权利要求1所述的一种基于本体的问题智能分析处理的方法，其特征在于，所述的知识库构建模块包括对问题分类知识库、求解方法分类知识库和考察对象基础数据库的构建。
3.根据权利要求3所述的一种基于本体的问题智能分析处理的方法，其特征在于，问题子类识别过程如下：
E31．输入所识别出的问题大类；
E32．计算机调用问题分类知识库和考察对象基础数据库，识别当前问题类型下一级细分类型的分类属性、取值集合及对应的子类集合；如果分类属性个数为0，表示不存在下一级细分类型，过程转至E35；否则表示存在下一级细分类型，过程转至E33；
E33．识别该分类属性在该目标问题中的取值；
E34．将目标问题分类属性的取值与识别出的分类属性取值进行匹配，识别问题的细分类型；当前问题类型被替换为所识别出的问题类型，过程转至E32；
E35．计算机显示问题类型链，待用户确认；若用户确认，过程转换至E36；若用户不确认，待用户修改某一级类型后进行重新识别，过程转至E32；
E36．计算机保存问题类型链集合。
4.根据权利要求3所述的一种基于本体的问题智能分析处理的方法，其特征在于，求解方法子类识别过程如下：
E61．输入所识别出的求解方法大类；
E62．计算机调用求解方法分类知识库和考察对象基础数据库，识别当前求解方法类型下一级细分类型的分类属性、取值集合及对应的子类集合；如果分类属性个数为0，表示不存在下一级细分类型，过程转至E65；否则表示存在下一级细分类型，过程转至E63；
E63．识别该分类属性在该目标问题中的取值；
E64．将目标问题分类属性的取值与识别出的分类属性取值进行匹配，识别问题求解方法的细分类型；当前问题求解方法类型被替换为所识别出的问题求解方法类型，过程转至E62；
E65．计算机显示问题求解方法类型链，待用户确认。
5.根据权利要求3所述的一种基于本体的问题智能分析处理的方法的智能分析处理的装置，其特征在于，包括三部分数据维护和存储装置及问题智能分析处理与显示装置，所述三部分数据维护和存储装置分别为求解方法分类数据维护和存储装置、问题分类数据维护和存储装置及考察对象基础数据维护和存储装置，所述三部分数据维护和存储装置具体为计算机可接受的存储介质和存储形式，且存储内容可被用户所维护，每部分数据维护和存储装置都有一个独立的数据维护系统；所述求解方法分类数据维护和存储装置包括求解方法分类知识库，所述问题分类数据维护和存储装置包括问题分类知识库，所述考察对象基础数据维护和存储装置包括考察对象基础数据库；所述问题智能分析处理与显示装置包括问题分析结果知识库，并与求解方法分类知识库、问题分类知识库和考察对象基础数据库连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100738721A CN102662929A (zh) | 2012-03-20 | 2012-03-20 | 一种基于本体的问题智能分析处理的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012100738721A CN102662929A (zh) | 2012-03-20 | 2012-03-20 | 一种基于本体的问题智能分析处理的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102662929A true CN102662929A (zh) | 2012-09-12 |
Family
ID=46772424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012100738721A Pending CN102662929A (zh) | 2012-03-20 | 2012-03-20 | 一种基于本体的问题智能分析处理的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102662929A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970535A (zh) * | 2014-04-22 | 2014-08-06 | 北京航空航天大学 | 一种视觉虚拟智能系统 |
| CN104199809A (zh) * | 2014-04-24 | 2014-12-10 | 江苏大学 | 一种专利文本向量的语义表示方法 |
| CN105117387A (zh) * | 2015-09-21 | 2015-12-02 | 上海智臻智能网络科技股份有限公司 | 一种智能机器人交互系统 |
| CN106202270A (zh) * | 2016-06-28 | 2016-12-07 | 广州幽联信息技术有限公司 | 基于自然语言的人机对话方法及装置 |
| CN107329967A (zh) * | 2017-05-12 | 2017-11-07 | 北京邮电大学 | 基于深度学习的问答系统以及方法 |
| CN107704506A (zh) * | 2017-08-30 | 2018-02-16 | 华为技术有限公司 | 智能应答的方法和装置 |
| CN114547570A (zh) * | 2022-02-11 | 2022-05-27 | 新奥数能科技有限公司 | 一种知识库的管理权限配置方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1752966A (zh) * | 2004-09-24 | 2006-03-29 | 北京亿维讯科技有限公司 | 使用本体论和用户查询处理技术解决问题的方法 |
| CN1794233A (zh) * | 2005-12-28 | 2006-06-28 | 刘文印 | 一种网上用户交互问答方法及其系统 |
| CN101373532A (zh) * | 2008-07-10 | 2009-02-25 | 昆明理工大学 | 旅游领域faq中文问答系统实现方法 |
-
2012
- 2012-03-20 CN CN2012100738721A patent/CN102662929A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1752966A (zh) * | 2004-09-24 | 2006-03-29 | 北京亿维讯科技有限公司 | 使用本体论和用户查询处理技术解决问题的方法 |
| CN1794233A (zh) * | 2005-12-28 | 2006-06-28 | 刘文印 | 一种网上用户交互问答方法及其系统 |
| CN101373532A (zh) * | 2008-07-10 | 2009-02-25 | 昆明理工大学 | 旅游领域faq中文问答系统实现方法 |
Non-Patent Citations (2)
| Title |
|---|
| DONG-BIN HU: "Study on Similar Engineering Decision Problem Identification Based On Combination of Improved Edit-Distance and Skeletal Dependency Tree with POS", 《SYSTEMS ENGINEERING PROCEDIA》 * |
| 马莉: "基于动态本体知识库的问答系统的研究与实现", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970535A (zh) * | 2014-04-22 | 2014-08-06 | 北京航空航天大学 | 一种视觉虚拟智能系统 |
| CN104199809A (zh) * | 2014-04-24 | 2014-12-10 | 江苏大学 | 一种专利文本向量的语义表示方法 |
| CN105117387A (zh) * | 2015-09-21 | 2015-12-02 | 上海智臻智能网络科技股份有限公司 | 一种智能机器人交互系统 |
| CN106202270A (zh) * | 2016-06-28 | 2016-12-07 | 广州幽联信息技术有限公司 | 基于自然语言的人机对话方法及装置 |
| CN107329967A (zh) * | 2017-05-12 | 2017-11-07 | 北京邮电大学 | 基于深度学习的问答系统以及方法 |
| CN107329967B (zh) * | 2017-05-12 | 2019-09-24 | 北京邮电大学 | 基于深度学习的问答系统以及方法 |
| CN107704506A (zh) * | 2017-08-30 | 2018-02-16 | 华为技术有限公司 | 智能应答的方法和装置 |
| CN107704506B (zh) * | 2017-08-30 | 2021-03-30 | 华为技术有限公司 | 智能应答的方法和装置 |
| CN114547570A (zh) * | 2022-02-11 | 2022-05-27 | 新奥数能科技有限公司 | 一种知识库的管理权限配置方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109493166B (zh) | 一种针对电子商务导购场景任务型对话系统的构建方法 | |
| De Bie et al. | Automating data science | |
| Pardillo et al. | Using ontologies for the design of data warehouses | |
| Wątróbski | Ontology learning methods from text-an extensive knowledge-based approach | |
| CN102662929A (zh) | 一种基于本体的问题智能分析处理的方法和装置 | |
| CN112559766A (zh) | 一种法律知识图谱构建系统 | |
| Jiang et al. | Application intelligent search and recommendation system based on speech recognition technology | |
| CN116467291A (zh) | 一种知识图谱存储与搜索方法及系统 | |
| Jeon et al. | Identification of metrics for the Purdue index for construction using latent Dirichlet allocation | |
| Hasegawa et al. | Extracting conceptual graphs from Japanese documents for software requirements modeling | |
| CN119127913A (zh) | 基于大模型的sql语句生成方法、系统及设备 | |
| CN109408592B (zh) | 一种决策型分布式数据库系统中ai的特征工程知识库及其实现方法 | |
| Zemmouchi-Ghomari et al. | Ontology versus terminology, from the perspective of ontologists | |
| Wei et al. | A Data-Driven Human–Machine Collaborative Product Design System Toward Intelligent Manufacturing | |
| Liang et al. | Sharing architecture knowledge through models: quality and cost | |
| Shi et al. | A knowledge graph–based structured representation of assembly process planning combined with deep learning | |
| Confort et al. | Learning ontology from text: a storytelling exploratory case study | |
| Iren et al. | Leveraging business process improvement with natural language processing and organizational semantic knowledge | |
| Wang et al. | Question answering system of discipline inspection laws and regulations based on knowledge graph | |
| Hsu et al. | Similarity search over personal process description graph | |
| US20160103836A1 (en) | System for, and method of, ranking search results | |
| Álvarez-Rodríguez et al. | Towards a stepwise method for unifying and reconciling corporate names in public contracts metadata: The CORFU technique | |
| Huang | Intelligent Decision‐Making Model of Enterprise Management Based on Random Forest Algorithm | |
| US12210994B2 (en) | Intelligent systems and methods for managing application portfolios | |
| CN116451787B (zh) | 内容风险识别方法、装置、系统及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120912 |