机械产品设计文档的推荐系统及方法技术方案

本发明专利技术公开了一种机械产品设计文档的推荐系统及方法，现有推荐系统及方法以用户兴趣模型为推荐基础，不能适应用户需求快速变化的情况。本发明专利技术系统括任务监听模块、本体解释模块、推荐规则学习模块、推荐模块、推荐规则库、用户活动日志、决策表、本体库；本发明专利技术方法包括如下五个步骤：1.创建本体模型、2.收集用户活动日志、3.推荐规则生成、4.捕获新分配的设计任务、5推荐设计文档。本发明专利技术考虑了推荐对象的特点，并采用本体建立相关模型，为推荐对象增加了语义信息，提高了推荐规则的精确度；对用户的设计活动进行监听，使文档推荐和用户的工作流程紧密结合；能迅速适应用户文档需求的变化，保证文档推荐的质量。

【技术实现步骤摘要】

本专利技术属于计算机应用
，尤其涉及一种机械产品设计文档的推荐系统和方法。
技术介绍
机械产品设计活动已经从过去的以经验为主过渡到现如今的以知识为主，具有知识高度密集、分布式、协同工作的特点。为辅助机械产品设计，一些计算机辅助软件应用于设计活动中，主要有 AutoCAD、IntelliCAD、Pro_Engineer、Windchill PDMlink。同时，为了对产品设计流程进行控制，工作流引擎如jBPM、K2. Net系列等也大量采用。随着市场需求 的快速变化，机械产品的设计周期越来越短，给设计人员带来了巨大的工作压力。设计文档作为知识的重要载体有着极高的价值，它们对设计活动有着強烈的支撑作用，能帮助设计人员更好地完成设计任务。而在机械企业中，文档往往来源于不同的设计阶段、保存在不同的设计系统中，缺乏统一的表示、一致性差，在加上数量的巨大，设计人员为获取知识往往需要花费大量时间去查找文档，甚至根本查找不到。这不仅造成企业知识资源的浪费，也严重阻碍了设计人员设计水平的发挥、设计效率的提高。推荐技术能有效解决机械产品设计过程中文档泛滥的问题，帮助设计人员节约时间，找到合适的文档。目前，推荐系统已经被应用于社会的多个行业中，如电子商务、SNS社交网站和视频网站等。在电子商务应用中，主要有淘宝网、京东商城、Amazon, com、eBay等。在SNS社交网站中，如人人网、Facebook以及朋友网等。现有推荐技术的基本原理是对用户的历史活动记录进行统计分析，归纳总结出用户的兴趣模型，以此作为信息推荐的依据并完成推荐，如授权公开号为CN101334792B、CN100412870C的专利技术专利。但在机械产品的设计活动中，设计人员对文档的需求随着设计人员当前从事的设计任务的变化而变化，而用户兴趣模型具有一定时间内的稳定性，所以并不能简单以用户兴趣进行设计文档的推荐。已有的信息推荐技术较难直接应用于产品设计文档的推荐中，因此有必要提出一种针对机械产品设计文档的推荐方法。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种。机械产品设计文档的推荐系统，包括任务监听模块、本体解释模块、推荐规则学习模块、推荐模块、推荐规则库、用户活动日志、决策表、本体库； 所述任务监听模块，用于获取当前用户的设计任务和所阅览文档的信息，并形成记录，为推荐规则学习模块提供原始数据；同时在用户接收到新的产品设计任务时，触发推荐模块为该用户推荐设计文档； 所述本体解释模块，包括设计任务解释子模块和设计文档解释子模块，它们通过文档或任务标识符找出对应的本体表达，并查询出特定属性的值以及其所属的本体类； 所述推荐规则学习模块，将用户的活动日志经本体解释模块处理成决策表的形式，且在推荐规则学习模块控制下，调用基于变精度粗糙集理论的约简算法对决策表进行机器学习以生成推荐规则，经筛选后的推荐规则保存至推荐规则库； 所述推荐模块，包括文档查找子模块和熟悉度计算子模块，文档查找子模块调用本体解释模块解释规则后件，查找符合推荐规则的文档；熟悉度计算子模块通过艾宾浩斯(H. Ebbinghaus)遗忘曲线计算用户对文档的熟悉程度，最后推荐熟悉度低于熟悉度阈值的文档； 所述用户活动日志，用于存放任务监听模块收集到的用户活动信息； 所述决策表以设计文档本体表达的属性作为条件属性，以设计任务本体表达的属性作为决策属性； 所述推荐规则库，用于保存推荐规则，推荐规则前件和后件的值均为本体实例值或本体类； 所述本体库，保存所有设计任务、设计文档的本体表达形式。本专利技术还提供了机械产品设计文档的推荐方法，步骤如下 步骤(I).用本体语言OWL分别定义设计任务和设计文档的模型，对设计任务进行本体标注,添加设计目标、设计内容等信息,并保存设计任务标识符和设计任务本体表达之间的关联；对设计文档添加本体标注，标注后的设计文档包含文档类型、文档知识领域等属性，并保存设计文档标识符和设计文档本体表达之间的关联； 所述的设计任务本体表达，包括“设计目标”、“设计内容”和“设计约束”父本体类，其中父本体类包括子类；设计任务本体表达由“设计目标”、“设计内容”和“设计约束”三个父本体类及“父任务”、“任务标识符”、“任务描述”属性组成； 步骤(2).收集所有用户的用户活动日志，作为推荐规则学习模块的原始学习数据； 所述的收集用户活动日志，即识别用户当前正在进行的设计任务，记录下用户标识符、任务标识符；当正在完成设计任务的用户浏览设计文档时，记录下阅览时间、用户标识符、文档标识符等； 步骤(3).将步骤(2)收集到的原始学习数据经本体解释模块处理，形成包含条件属性和决策属性的决策表，使用基于变精度粗糙集理论的约简算法对决策表进行机器学习以生成推荐规则，并筛选出推荐规则強度高于强度阈值的推荐规则，并保存至推荐规则库；所述的条件属性为设计文档信息，包括文档类型、文档来源、文档知识领域；决策属性为为设计任务信息，包括设计内容、设计目标或设计约束； 所述的本体解释模块处理方式，即根据用户活动日志先以本体实例值填充，形成ー张决策表；再以本体类填充，再形成一张决策表；若本体类存在本体父类，则以本体父类再次填充，再次形成一张决策表，若不存在本体父类，则停止填充，不再形成决策表； 所述的推荐规则強度计算如下权利要求1.机械产品设计文档的推荐系统，其特征在于包括任务监听模块、本体解释模块、推荐规则学习模块、推荐模块、推荐规则库、用户活动日志、决策表、本体库； 所述任务监听模块，用于获取当前用户的设计任务和所阅览文档的信息，并形成记录，为推荐规则学习模块提供原始数据；同时在用户接收到新的产品设计任务时，触发推荐模块为该用户推荐设计文档； 所述本体解释模块，包括设计任务解释子模块和设计文档解释子模块，它们通过文档或任务标识符找出对应的本体表达，并查询出特定属性的值以及其所属的本体类； 所述推荐规则学习模块，将用户的活动日志经本体解释模块处理成决策表的形式，且在推荐规则学习模块控制下，调用基于变精度粗糙集理论的约简算法对决策表进行机器学习以生成推荐规则，经筛选后的推荐规则保存至推荐规则库； 所述推荐模块，包括文档查找子模块和熟悉度计算子模块，文档查找子模块调用本体解释模块解释规则后件，查找符合推荐规则的文档；熟悉度计算子模块通过艾宾浩斯遗忘曲线计算用户对文档的熟悉程度，最后推荐熟悉度低于熟悉度阈值的文档； 所述用户活动日志，用于存放任务监听模块收集到的用户活动信息； 所述决策表以设计文档本体表达的属性作为条件属性，以设计任务本体表达的属性作为决策属性； 所述推荐规则库，用于保存推荐规则，推荐规则前件和后件的值均为本体实例值或本体类； 所述本体库，保存所有设计任务、设计文档的本体表达形式。·2.2.机械产品设计文档的推荐方法，其特征在于包括如下步骤 步骤(I).用本体语言分别定义设计任务和设计文档的模型，对设计任务进行本体标注，添加设计目标、设计内容信息，并保存设计任务标识符和设计任务本体表达之间的关联；对设计文档添加本体标注，标注后的设计文档包含文档类型、文档知识领域属性，并保存设计文档标识符和设计文档本体表达之间的关联； 所述的设计任务本体表达，本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：吉祥，顾新建，代风，陈芨熙，纪杨建，张勇为，
申请(专利权)人：浙江大学，
类型：发明
国别省市：