基于推理-情境感知激活模型的设计知识推荐

针对个性化产品设计任务下的知识资源检索和利用效率低、知识推荐结果有效性和准确性侧重失衡的问题,提出个性化设计知识推荐服务架构.该架构以产品设计文献数据、手册数据为核心,结合产品设计场景特征,确定设计知识类别.采用新的深度学习模型ALBERT-BiLSTM-IDCNN-CRF,对数据中蕴含的设计对象、设计任务、设计性能、设计方法、设计工具、设计原理、设计参数、计算公式、设计图这9类知识元进行有效抽取.结合由企业内部员工和文献作者组成的设计人员知识元,建立五维设计知识关联模型,以该模型为基础,运用本体和推理规则建立完善的产品设计知识库.提出基于推理-情境感知激活模型的设计知识推荐服务模式.以液压机设计为例进行验证.结果表明,所提的深度学习模型在设计知识抽取中获得了优于其他基准模型的效果.所提的知识推荐服务模式在维持较高的知识推荐结果准确性的同时,提升了输出推荐结果的有效性,可以快速、准确地为特定对象属性、任务属性和性能要求属性下的个性化设计任务求解推荐所需的知识资源.

基于情境感知生成对抗网络模型的工程知识推荐方法

针对现有知识推荐方法因稀疏矩阵和冷启动导致推荐性能不佳的问题,提出一种基于情境感知生成对抗网络模型的知识推荐方法(CGKR)。提出任务相似度概念,同时考虑内容相似度和任务相似度构建知识相关性网络,基于知识相关性网络构建语义激活扩散模型,扩展用户历史评分,以全面探知用户兴趣;基于用户个人背景信息和历史行为信息构造用户情境和任务情境;引入生成对抗网络模型,并结合情境信息构建情境感知生成对抗网络模型(CxtGAN);基于训练完成的CxtGAN,为特定任务情境下的目标用户提供个性化知识推荐服务。以某船厂知识管理系统数据为例,进行实例分析与实验研究,结果表明CGKR方法具有较好的知识推荐性能,能够为企业用户提供优质知识推荐服务。

一种基于规则的情境感知系统设计与实现

情境感知系统能够感知用户所处的情境,以及情境的变化,并根据情境信息去提供用户需要的服务.针对情境信息复杂性和实效性双重特点,本文基于面向对象的情境建模方法,在情境信息分类的基础上,提出了一个LUTERS情境对象模型.在情景信息模型化的基础上,本文阐述了情境推理规则的定义,提出了基于规则引擎的情境推理框架,有效的提升了情景感知系统的灵活性.

类别型状态不确定独立否定句的加工机制:来自眼动实验的证据

探讨类别型状态不确定独立否定句(如"裙子不是蓝色的")的动态表征过程。实验1和实验2分别仅给被试提供"与事件备择选项一致的图片"(红色裙子)和"含有否定标签的与事件否定状态一致的图片"(含有否定标签的蓝色裙子);实验3同时提供以上两种选项。结果发现:3个实验中被试在早期均对"与事件否定状态一致的图片"注视概率更高,在晚期阶段,实验1仅对"与事件备择选项一致的图片"注视概率更高,实验2和实验3均仅对"含有否定标签的与事件否定状态一致的图片"注视概率更高,并且选择为事件的最终状态;实验4的评定结果表明,当被试有充裕时间完成任务时,37名评定者中有30名选择"与事件备择选项一致的图片"为事件的最终状态。4个实验的结果为锚激活与限制满足模型和抑制假设提供了进一步证据。