支持生物激励设计的跨领域知识元聚类方法

为了解决现有生物激励设计过程存在的跨领域知识获取难的问题,提出了面向生物激励设计的基于功能特征语义相关性的功能语义聚类和基于环境特征约束适应性的环境约束聚类组成的两阶段知识元聚类算法。将生物激励设计过程跨领域实例知识检索问题转化为对离散的生物领域或工程领域知识元的聚类检索。根据跨领域术语知识表示的不同确定跨领域检索功能词,执行基于功能特征语义相关性的功能语义的一阶段聚类,结合生物领域功能与环境特征约束间的相关性,完成基于不同类型环境特征约束的二阶段聚类。一方面,将模糊理论与模糊数学引入知识元聚类算法中,提出基于模糊隶属度函数的语义相似度计算方法,实现了基于功能关键字的语义聚类;另一方面,将FCM聚类算法引入到知识元聚类过程中,结合给出的不同类型环境特征约束相似性算法,提出了AFCM算法,实现了基于环境特征约束适应性的环境约束聚类。最后,开发了相应的原型系统,并且以视觉假体装置设计为例进行测试。结果表明,聚类时间和准确率得到极大改善,聚类效率得到显著提升。该算法有效地避免了跨领域知识分布的离散性,减少了设计过程中研究对象的数量,能够合理地获取已有设计知识,为深入研究奠定了基础。

生物激励的知识建模与创新类推方法

生物激励设计作为最具活力的设计创新方法之一,是工程领域创新设计解方案产生的重要途径。针对生物激励设计中缺乏系统的跨领域实例获取和类推方法以支持将生物领域实例映射到工程领域激励创新解方案生成的问题,提出了规范化的生物领域功能-行为-结构(Fbio-Bbio-Sbio)知识元模型和基于知识元模型的解/问题驱动的转换-聚类检索-关联映射-设计综合(Transformation-clustering-mapping-synthesis,TCMS)创新类推过程模型。在解/问题驱动类推过程中,首先根据公理化设计的原则构建类推实例的非耦合知识元模型,完成设计需求/实例到功能模型的转换,然后根据生物功能与依存环境密切相关的特点,进行基于环境特征的聚类检索,以知识元模型功能基为桥梁建立生物与工程领域知识元间映射关系,最后通过对功能分解路径的回溯实现对工程领域知识元模型的设计综合,该类推模型的可能性和有效性在视觉假体装置的设计中得到了验证。

基于文本挖掘的生物领域实例获取

面向以自然语言描述的生物领域实例,基于自然语言的向量表示模型,研究与设计相关的生物领域实例获取问题,提出了基于文本挖掘的生物领域实例获取方法.通过对语料库文本向量空间的构建和知识挖掘,研究生物领域文本的特征选择、相似性度量和实例检索方法,为设计需求驱动的生物领域实例获取提供技术支持.实例分析表明:一方面,基于向量空间模型的生物领域文本挖掘方法在精度和召回率两方面均较基线法具有较大的优势;另一方面,基于向量空间的文本检索机制具有很好的适应性和扩展性,可以满足不同环境下语义检索的需要.