用于提供推荐器系统的方法和设备技术方案

提供了用于提供推荐器系统的方法和设备。本发明专利技术涉及提供一种要在工程工具的上下文中使用的推荐器系统。通过使用推荐器，在工程工具中提供了可能在下一个步骤中与工程工具中设计的工程项目连接的事项列表。设计的工程项目连接的事项列表。设计的工程项目连接的事项列表。

【技术实现步骤摘要】
用于提供推荐器系统的方法和设备


[0001]本专利技术涉及一种用于为设计过程提供推荐器系统的计算机实现的方法。本专利技术进一步涉及对应的计算机程序和推荐设备。

技术介绍

[0002]a)复杂系统的设计
[0003]对于工业应用，工程师通常需要设计包括众多的互连组件的复杂系统。
[0004]复杂系统可以是例如工程项目，例如电气或电子电路、ASIC(专用集成电路)、具有一个或多个FPGA(现场可编程门阵列)的电路、处理器、SoC(片上系统)、嵌入式系统、物质、生产单元等。
[0005]这样的复杂系统的设计通常在运行于计算机上的工程工具中执行，并且可以被描述为如下迭代过程：标识其相互作用将满足整个系统的意图应用所产生的功能要求的组件，将所标识的组件引入到项目中，并且将它们彼此连接，使得所得的互连组件允许意图的真实世界应用。
[0006]b)复杂系统作为图形的表示
[0007]这样的复杂系统可以用图形的形式很好地表示，其中每个组件表示为节点，并且组件之间存在的连接表示为可能被类型化的边，即描述连接的类型。作为简单的示例，考虑印刷电路板(PCB)，其中电子组件充当节点，并且它们之间的导电迹线充当边，即链路。
[0008]c)用于设计复杂系统的工程工具
[0009]设计和配置这样的系统是一个迭代过程，其通常使用专门为此目的设计的软件工具来完成。这样的工具的示例是例如Xpedition xDX Designer，其中工程师递增地选择组件，这些组件组合满足所有功能要求，同时彼此兼容。这些组件中的每一个拥有静态技术特征集合，所述静态技术特征影响它们的能力以及与其他组件的兼容性。
[0010]d)用于使用GNN的工程软件的ML解决方案
[0011]由于可用组件或事项的绝对数量以及它们的连接方式、要考虑在内的标准数量和要考虑的替代方案，因此该过程是耗时的，需要技术专长、领域知识和努力才能正确完成。在此过程中支持工程师的一种方式是将推荐器系统集成到工程工具中，该推荐器系统将建议把适当且兼容的组件添加到工程项目中。换句话说，支持工程师在设计或/和配置过程的每一步处标识合适的事项。
[0012]当牵涉到设计用于这样的工程工具的机器学习(ML)解决方案、例如用于在配置工程系统的过程中向工程师建议合适组件的推荐器系统时，主要挑战之一是找到一种方式来编码图形的不规则的、固有的非欧几里德拓扑，使得它们可以容易地被机器学习模型用于各种下游任务。在存在某些模型部署约束的情况下，这项任务变得甚至更加困难。
[0013]编码图形结构的最常用方法是使用图形神经网络，其在本申请中标示为GNN。在使用GNN时的目标是克服信息过载，信息过载例如是由大量可用事项经由个性化排序和过滤方法引起的。
[0014]通常，可能的是引入所谓的“推荐系统”，其在历史项目示例上进行训练以推荐接下来要添加到部分配置的项目的事项。问题是——当部分配置的项目与训练数据中看到的任何内容都不相似时——典型推荐系统的输出很可能是不可靠的。这甚至可能导致混淆的增加和更高的错误概率、尤其是对于可能过度依赖于支持系统的经验不足的工程师。
[0015]因此，本专利技术的目的是提供改进工程工具的推荐器系统的可能性。

技术实现思路

[0016]这通过独立权利要求中公开的内容来实现。有利的实施例是从属权利要求的主题。
[0017]根据第一方面，本专利技术涉及一种用于提供推荐器系统的计算机实现的方法。
[0018]该推荐器系统用于复杂系统的设计过程中，例如工程项目，例如电气或电子电路。
[0019]推荐器系统通过使用基于图形神经网络的复杂系统的模型来生成。
[0020]为此，复杂系统由表示复杂系统的组件(例如电阻器)的节点来描述，并且由表示组件之间的连接(例如电气连接或机械连接)的边来描述。
[0021]在设计过程的设计步骤期间，事项被添加到中间或部分设计的节点，例如尚未完成或非最终的设计。该节点被标示为源节点。
[0022]推荐器系统从各种事项(例如设计程序中预见的事项)中计算出所有候选事项的排序列表。例如，为了不使用户混淆，仅将该排序列表的子集作为推荐提供给用户。
[0023]通过以下步骤确定排序列表：
[0024]对于每个事项，确定校准分数，其指示特定事项在下一个设计步骤中是否被添加的可能性。
[0025]阈值被用于分数，并且确定是否至少一个事项高于所应用的阈值。
[0026]根据有利的实施例，如果存在具有高于阈值的校准分数的事项，则这些事项形成向用户提供(例如显示)的排序列表的子集。
[0027]如果不是这种情况，即不存在具有高于阈值的分数的事项，则使用信息：事项的至少一个属性是否是期望的。例如，接收用户的信息：他或她是否将希望该事项被引入到部分设计中。然后，利用拥有期望属性的事项，形成排序列表的子集。
[0028]利用推荐器系统，为子集确定校准分数。如果现在存在至少一个高于阈值的事项，则该子集被用作排序列表，并且该子集的其分数高于阈值的事项被提供给用户。
[0029]根据有利的实施例，如果没有具有高于阈值的校准分数的事项，该事项可能是新的或相同的，则使用关于事项的另外属性是否是期望的信息，在该信息的基础上形成另外的子集，针对该子集确定校准分数。可以迭代该过程，直到来自排序列表的高于阈值的事项可以被提供给用户。
[0030]根据有利的实施例，应用于子集的阈值可以优选地关于为第一子集确定的分数保持相同或者可以被适配。
[0031]本专利技术进一步涉及对应的计算机程序和对应的推荐设备，其例如集成在工程工具中。
附图说明
[0032]结合附图，从后续的描述和从属权利要求中，本专利技术的另外实施例、特征和优点将变得清楚，附图中示出了：
[0033]图1是当通过如下方式设计或/和创建包括表示组件的若干互连节点的复杂系统时的过程的示例：在每一个步骤处添加另外的组件或事项并将其连接到现有组件或事项，由此从排序列表中选择组件。
[0034]图2示意性地示出了基础校准图形推荐器的输入和输出，输入是部分设计和候选事项集合，输出是具有优选校准分数的排序列表。
[0035]图3示出了如何创建排序列表的流程图。
具体实施方式
[0036]针对所提出的方法及其优点的概述
[0037]本专利技术的一个目的是提出一种改进的基于GNN的推荐器系统。基于GNN在这里意味着推荐器为由图形描述的复杂系统提供推荐，并且该图形使用GNN编码。
[0038]根据有利的实施例，提供了一种在工程工具的上下文中使用的推荐器系统。通过使用推荐器，在工程工具中提供了可能要在下一个步骤中与工程工具中设计的工程项目相连接的事项列表。
[0039]根据本专利技术的一个方面，提出了一种用于支持复杂工程系统的设计或/和配置过程的半交互式系统。“半交互式”意味着仅在某些情况下——即如果没有具有高于阈值的分数的事项才需要输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于提供在复杂系统的设计过程中使用的推荐器系统(CGR)的计算机实现的方法，由此推荐器系统(CGR)通过使用复杂系统的模型生成，所述模型基于图形神经网络(GNN)，对于所述模型，复杂系统由表示复杂系统的组件的节点和表示组件之间的连接的边来描述，其中设计过程包括设计步骤，在每个设计步骤中至少一个事项被添加到部分设计的源节点(SN)，由此所述推荐器系统(CGR)从各种事项中计算所有候选事项(x
i
)的排序列表(RL)，并向用户提供排序列表(RL)的子集作为在后续设计步骤中向源节点(SN)添加哪个事项的推荐，所述推荐的提供包括以下步骤：a)针对每个事项(x
i
)确定校准分数(s
i
)，所述校准分数(s
i
)指示特定事项将在后续设计步骤中被添加的可能性；b)应用关于分数的阈值(T)；c)确定是否至少一个事项(x
i
)具有高于所应用的阈值(T)的分数(s
i
)；d)如果不存在具有高于阈值的校准分数(s
i
)的事项(x
i
)，则使用事项(x
i
)的至少一个属性(p)是否是期望的信息；e)形成拥有期望属性(p)的事项的子集；f)由推荐器系统(CGR)对所述子集执行包含在所述子集中的事项的校准分数(s
i
)的计算；g)将阈值应用于所述子集；h)如果所述子集的至少一个事项(x
i
)具有高于应用于所述子集的阈值(T)的校准分数(s
i
)，则使用所述子集的排序列表(RL)作为排序列表(RL)，并且向用户提供排序列表(RL)中高于阈值的部分作为要在下一个设计步骤中添加的事项的推荐。2.根据前述权利要求所述的方法，其中重复步骤d至g，直到至少一个事项(x
i
)具有高于相应子集的阈值(T)的分数(s
i
)。3.根据前述权利要求中任一项所述的方法，其中阈值(T)在应用于子集时保持恒定或被适配。4.根据前述权利要求中任一项所述的方法，其中对于分数的校准，应用以下方法中的至少一种：
‑
温度缩放；
‑
直方图分箱；
‑
保序回归。5.根据前述权利要求中任一项所述的方法，其中为了选择阈值(T)，执行以下各项中的至少一个：
‑
选择预定数并将其取作阈值，
‑
计算F1值作为阈值，
‑
根据校准分数确定阈值，使得向用户提供预定数量的事项。6.根据前述权利要求中任一项所述的方法，其中分数由下式计算
s＝Z*h
SN
其中s标示分数，Z标示通过针对各种事项中的所有事项计算事项与每个其他组件相连接的概率而获得的嵌入矩阵，h
SN
是源节点的嵌入向量，其通过取得源节点及其相邻节点的特征向量v∈V来获得。7.根据前述权利要求中任一项所述的方法，其中偏好查询包括以下步骤：i)从用户请求属性(p)是否与设计目标或/和要求一致的信息；ii)如果接收到的回答是肯定的，则从用户请求属性(p)的期望值。8.根据前述权利要求中任一项所述的方法，其中选择其信息用于形成所述子集的属性(p)，使得所述子集和互补子集——后者不拥有所述属性——通过由下式最大化基尼指数G而具有近似相同数量的子集成员p＝argmax
p∈P
G(p)其中p是相应的属性，P是适用于各种事项中至少一个事项...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：