基于情境树相似性的知识检索技术

• 论文 •

基于情境树相似性的知识检索技术

郭树行，兰雨晴，金茂忠，高静，李红娟

1.北京航空航天大学软件工程研究所，北京100191；2.内蒙古农业大学计算机信息与工程学院，内蒙古呼和浩特010018

出版日期:2008-12-15 发布日期:2008-12-25

Knowledge retrieval technology based on situation tree similarity

GUO Shu-hang, LAN Yu-qing, JIN Mao-zhong, GAO Jing, LI Hong-juan

1.Software Engineering Institute, Beihang University, Beijing 100191, China; 2.College of Computer Information & Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China

Online:2008-12-15 Published:2008-12-25

摘要/Abstract

摘要： 为更好地共享与复用工程知识，提出一种将情境特征作为共享与复用基础的知识检索技术。在该技术中，知识的情境特征被表示为分层和树状模型，每一种工程知识都关联具体的情境树模型。为使当前情境获得适用性高的知识，首先利用情境树相似性进行历史情境的相似性排序，以便在所有历史情境中得到与当前情境最为相似的历史情境，进而逆向根据情境与知识的关联关系，输出选定历史情境所关联的知识。此外，为了改善无序树的树相容匹配算法时间复杂度，提出了一种新的树相容匹配算法KTreeMatch代替传统图论中的无序树匹配算法，从而保证知识检索结果在查全率和查准率上的质量。

关键词: 情境树, 相似性, 知识检索, 树匹配, 知识复用, 知识管理

Abstract: To improve engineering knowledge sharing and reuse, a knowledge retrieval technology was proposed based on knowledge situation characteristics. The situation characteristics of engineering knowledge were expressed as one tree hierarchy model, and each knowledge was associated with concrete situations. In order to retrieve the highly applicable knowledge for the current situation, historical situation similar to current situation could be sorted by its value, and the knowledge could be determined and output based on the association between the highly similar historical situation and the engineering knowledge. In addition, a new tree intersection-matching algorithm, named KTreeMatch was presented upon its models to improve the time complexity of traditional non-ordered tree matching, which ensured the retrieval results with higher recalling and precision.

Key words: situation tree, similarity, knowledge retrieval, tree matching, knowledge reuse, knowledge management

中图分类号:

TP315

郭树行，兰雨晴，金茂忠，高静,，李红娟. 基于情境树相似性的知识检索技术[J]. .

GUO Shu-hang, LAN Yu-qing, JIN Mao-zhong, GAO Jing,, LI Hong-juan. Knowledge retrieval technology based on situation tree similarity[J]. .

[1]	王春雨,蒋祖华,王福华,吉永军,江辉. 面向工业软件开发的半结构化知识语义检索方法[J]. 计算机集成制造系统, 2021, 27(8): 2371-2381.
[2]	余志强,欧阳森山,孙炜. 基于球谐函数的三维装配体模型相似性分析方法[J]. 计算机集成制造系统, 2021, 27(7): 1974-1980.
[3]	王临科,蒋祖华,李心雨. 面向工程领域的主题多样性知识推荐方法[J]. 计算机集成制造系统, 2021, 27(1): 215-228.
[4]	闫志强,李少鹏,胡磊,闻立杰,刘从屹,高迎,陈一,刘克强. 标签匹配方法对业务流程模型相似性影响的分析[J]. 计算机集成制造系统, 2019, 25(第4): 985-992.
[5]	林泽东,曾庆田,段华,鲁法明,邹杰. 支持活动语义度量的用户行为相似度计算方法[J]. 计算机集成制造系统, 2018, 24(第7): 1806-1815.
[6]	梁泽明,姜洪权,周秉直,高建民,高智勇,王荣喜,姜朋. 多参数相似性信息融合的剩余寿命预测[J]. 计算机集成制造系统, 2018, 24(第4): 813-819.
[7]	罗仕鉴,董烨楠. 面向文化创意设计的器物知识集成与管理[J]. 计算机集成制造系统, 2018, 24(第4): 964-977.
[8]	王亚辉,余隋怀,陈登凯,初建杰,王淑侠. 案例驱动的协同设计知识管理模型及实现[J]. 计算机集成制造系统, 2018, 24(第3): 741-751.
[9]	徐昌鸿,张树生,黄波,李秀玲. 面向数控工艺重用的三维CAD模型局部结构检索[J]. 计算机集成制造系统, 2017, 23(第8期): 1652-1661.
[10]	肖宗水,孟令童,孔兰菊,钱进. 基于数据库日志关联规则挖掘的业务流程优化[J]. 计算机集成制造系统, 2017, 23(第5期): 993-999.
[11]	刘海滨,刘国华,方巍,柴朝华,谢会芹. 以Artifact为中心的业务流程扩展二部图模型及其相似性度量方法[J]. 计算机集成制造系统, 2017, 23(第5期): 1050-1059.
[12]	林泽东,鲁法明,段华. 基于序列移动距离的用户行为挖掘与相似度计算[J]. 计算机集成制造系统, 2017, 23(第5期): 1060-1068.
[13]	曹斌,王佳星,安卫士,范菁,程时伟. ProBench:一种评估流程相似性查询算法的基准数据集[J]. 计算机集成制造系统, 2017, 23(第5期): 1069-1079.
[14]	胡旭洁,侯永柱,刘继红. 三维模型知识标注技术研究与实现[J]. 计算机集成制造系统, 2017, 23(第4期): 695-700.
[15]	谷梦瑶,陈友玲,罗凯. 多退化变量下基于灰色生成率序列的相似性寿命预测方法[J]. 计算机集成制造系统, 2017, 23(第3期): 525-533.