基于推理-情境感知激活模型的设计知识推荐

针对个性化产品设计任务下的知识资源检索和利用效率低、知识推荐结果有效性和准确性侧重失衡的问题,提出个性化设计知识推荐服务架构.该架构以产品设计文献数据、手册数据为核心,结合产品设计场景特征,确定设计知识类别.采用新的深度学习模型ALBERT-BiLSTM-IDCNN-CRF,对数据中蕴含的设计对象、设计任务、设计性能、设计方法、设计工具、设计原理、设计参数、计算公式、设计图这9类知识元进行有效抽取.结合由企业内部员工和文献作者组成的设计人员知识元,建立五维设计知识关联模型,以该模型为基础,运用本体和推理规则建立完善的产品设计知识库.提出基于推理-情境感知激活模型的设计知识推荐服务模式.以液压机设计为例进行验证.结果表明,所提的深度学习模型在设计知识抽取中获得了优于其他基准模型的效果.所提的知识推荐服务模式在维持较高的知识推荐结果准确性的同时,提升了输出推荐结果的有效性,可以快速、准确地为特定对象属性、任务属性和性能要求属性下的个性化设计任务求解推荐所需的知识资源.     

基于关联矩阵模型的产品故障知识服务研究

针对产品故障分析与维修过程过于依赖专家知识，而没有充分利用历史故障数据的问题，为了提高产品故障处理效率和水平，文中从产品故障处理过程的流程决策和知识建模视角出发，利用数据挖掘技术，提出一种基于关联矩阵的产品故障处理知识服务模型，用以辅助维修人员进行产品故障处理决策，以提高产品故障处理效率与水平。首先，利用故障处理流程、故障处理内容及人工经验知识，构建包含故障件、故障现象、故障原因、技术方案的故障处理知识模型。针对产品故障文本的特性，综合使用FP-Growth算法及K-means聚类算法进行知识提取。基于词袋模型，采用词频统计方法构建故障件与故障现象之间的关联矩阵，运用模糊分析法构建产品故障现象与故障原因之间的关联矩阵，并在此基础上构建故障原因与技术方案之间的关联矩阵，向故障处理人员提供相应的技术方案组合，进而对整个故障处理过程提供相应的知识服务，最后采用汽车轮胎故障处理案例验证了该模型的有效性。