[发明专利]一种基于本体语义的云制造服务供需智能匹配方法

权利要求书

1.一种基于本体语义的云制造服务供需智能匹配方法，其特征在于，包括以下

步骤：

步骤1.搜集整理制造业语义词汇，建立本体语义词库；

步骤2.需方发布需求信息，通过等级选择反映对服务资源的要求；

步骤3.查询本体语义词库，计算语义相似度和相关度，找到支持语义搜索的节点语义词，实现语义扩展；

步骤4.将节点语义词映射到云数据库进行检索，输出对应的服务资源，为供需匹配度计算提供对象；

步骤5.计算供需信息之间的综合匹配度；

步骤6.比较匹配度，确定输出对象。

2.根据权利要求1所述一种基于本体语义的云制造服务供需智能匹配的方法，其特征在于，所述的步骤1包括以下子步骤：

步骤1.1搜集整理制造业中具有语义相似、语义蕴含、语义外延、语义相关关系的服务词汇，实现语义横向扩展；

步骤1.2将服务词汇按照行业、业务、服务进行纵向建模分类，形成初步的语义本体；

步骤1.3在语义本体的横向扩展和纵向分类间添加关系属性描述各个语义词汇之间的关系，形成本体语义词库。

3.根据权利要求1所述一种基于本体语义的云制造服务供需智能匹配的方法，其特征在于，所述的步骤2包括以下子步骤：

步骤2.1需方在云制造服务平台需求信息管理模块，输入服务资源名称、所需数量、交货期、特殊要求来发布所需服务资源；

步骤2.2需方通过选择价格等级、交货期等级、信用等级、规模等级、品质等级、特殊要求等级来描述对服务资源上述各因素的要求。

4.根据权利要求1所述一种基于本体语义的云制造服务供需智能匹配的方法，其特征在于：所述的步骤3包括以下子步骤：

步骤3.1分析需求信息中的服务名称语义，查询本体语义词库，找到节点语义词汇；

步骤3.2计算输入词汇与节点语义词之间的语义相似度和相关度，进行语义扩展。

5.根据权利要求4所述一种基于本体语义的云制造服务供需智能匹配的方法，其特征在于，所述的步骤3.2语义相似度计算如下：

Sim(S1i,S2j)=Σi=14βiΠj=1iSimj(S1,S2)]]>

其中，Sim(S_1i,S_2j)为概念相似度，S₁是输入信息的某个概念描述，S₂是本体语义词库的某个概念描述，β_i(1≤i≤4)是可调节的概念映射到服务描述文档中的各个参数，同时，β₁+β₂+β₃+β₄＝1，β₁＞β₂＞β₃＞β₄；

Sim(X1,X2)=maxi=1...n,j=1...mSim(S1i,S2j)]]>

其中，输入信息与节点语义词分别为X₁和X₂，X₁有n个概念S₁₁,S₁₂,…,S_1n，X₂有m个概念S₂₁,S₂₂,…,S_2m，则X₁和X₂的相似度是各个概念的相似度的最大值，若Sim(X₁,X₂)大于阈值γ，则节点语义词直接进行语义映射；若Sim(X₁,X₂)小于阈值γ，则通过语义相关度计算来补充挖掘两者之间的语义关系；

语义相关度计算如下：

Rel(S_1i,S_2j)＝a/(ShortestPath(S_1i,S_2j)+a)

其中，Rel(S_1i,S_2j)为概念相关度，α是一个可调节的参数；即语义相关度为γ时概念间的最短距离ShortestPath(X,Y)表示从X到Y的最短路径长度，当X，Y不连通时，ShortestPath(X,Y)的值为∞；

Rel(X1,X2)=maxi=1...n,j=1...mRel(S1i,S2j)]]>

其中，输入信息与节点语义词分别为X₁和X₂，X₁有n个概念S₁₁,S₁₂,…,S_1n，X₂有m个概念S₂₁,S₂₂,…,S_2m，则X₁和X₂的相关度是各个概念语义相关度的最大值，若Rel(X₁,X₂)大于阈值，支持语义搜索，若Rel(X₁,X₂)小于阈值，不支持语义搜索，此节点语义词汇将被跳过，进行下一个节点语义词汇计算。