[发明专利]一种面向复杂定制产品设计的知识检索方法

说明书

本发明公开了一种面向复杂定制产品设计的知识检索方法。本发明将查询语句与复杂定制产品设计知识输入，生成对应的词向量，再对词向量进行处理，转换为文本语义特征向量，然后通过余弦相似度计算查询语句与复杂定制产品设计知识的文本语义特征向量的相关性，最后根据相关性排序，输出相关性最高的若干条复杂定制产品设计知识作为知识检索的结果。本发明有利于从语义层面对查询语句与复杂定制产品设计知识进行匹配，使得知识检索结果的准确率得到提高，更能满足设计人员的检索需求。

技术领域

本发明属于产品智能设计知识检索领域的一种知识检索方法，具体涉及了一种面向复杂定制产品设计的知识检索方法。

背景技术

复杂定制产品是为满足用户特定需求而设计制造的产品，有别于规模化生产的产品，具有小批量个性化定制、设计周期长、成本高等特点。在复杂定制产品的设计过程中，设计人员需要结合自身设计经验，检索设计知识来完成相应的设计任务。随着复杂定制产品的设计需求越来越复杂多样，导致设计任务越来越重，设计过程中涉及的知识越来越多，设计人员需要耗费大量的时间用于设计知识的检索。目前对于复杂定制产品知识的检索以基于关键词匹配的方式为主，对于查询信息输入的准确性要求高，难以获取设计人员的真实需求，检索结果并不理想。

知识检索是一种全新的信息检索方式，不同于基于关键词的匹配，知识检索对于查询信息与被检索信息的在语义层面进行匹配，能较好地从查询信息中捕获设计人员的需求，从而提高复杂定制产品设计知识的重用效率，缩短复杂定制产品的设计周期。目前国内关于知识检索的研究较为分散，在不同领域中知识检索的策略、算法都各有不同，对于复杂定制产品设计的知识检索方法还有所欠缺，在知识检索过程中面临一词多义和长文本依赖等问题。

发明内容

为了解决上述现有技术中存在的问题，本发明提出一种面向复杂定制产品设计的知识检索方法。

本发明的技术方案如下：

步骤1：将查询语句与复杂定制产品设计知识库中的复杂定制产品设计知识数据分别进行分词处理，分别生成对应的词向量；

步骤2：将查询语句与复杂定制产品设计知识数据对应的词向量分别进行特征向量处理，分别获得对应的文本语义特征向量；

步骤3：计算查询语句与复杂定制产品设计知识库中复杂定制产品设计知识数据对应的文本语义特征向量之间的相关性并排序，获得相关性排序结果；

步骤4：根据相关性排序结果，输出复杂定制产品设计知识库中相关性较高的预设条复杂定制产品设计知识数据并作为当前查询语句的知识检索结果。

所述步骤1中，采用基于Transformers的双向编码表示模型分别对查询语句和复杂定制产品设计知识库中的复杂定制产品设计知识数据进行分词处理。

所述步骤2中，采用加入窥探孔的长短期记忆网络模型分别对查询语句和复杂定制产品设计知识库中的复杂定制产品设计知识数据进行特征向量处理。

所述步骤3中，查询语句与复杂定制产品设计知识数据对应的文本语义特征向量之间的相关性具体为余弦相似度，余弦相似度的计算公式如下：

其中，S(X，Z)表示查询语句与复杂定制产品设计知识对应的文本语义特征向量之间的余弦相似度，y_X表示查询语句的文本语义特征向量，y_Z表示复杂定制产品设计知识数据的文本语义特征向量，T表示向量转置，‖.‖表示向量的模长。

本发明的有益效果是：

本发明引入了BERT模型和LSTM模型，能有效解决知识检索中的一词多义和长文本依赖问题，将查询语句与复杂定制产品设计知识进行语义层面的关联匹配，提高复杂定制产品设计知识的检索效果，更能满足设计人员在设计过程中的检索需求。

附图说明