一种面向语义融合业务模型的语义关系自动发现方法与流程

计算;推算;计数设备的制造及其应用技术1.本发明主要涉及业务模型构建技术领域，尤其涉及一种面向语义融合业务模型的语义关系自动发现方法。背景技术：2.目前电力行业通常利用本体相关技术来构建电力业务域的语义融合业务模型，进而构建数字孪生电网，实现电网管理智能化、可视化。构建电力业务域的语义融合业务模型，首先需构建一个电力领域的本体，该本体包含电力领域内的多个概念、多个对象、概念与对象之间的层级关系以及对象之间的语义关系，然后才能够使用该本体来构建语义融合业务模型。可见，本体是构建语义融合业务模型的先决条件，但是在构建本体时，需要用户逐个定义对象并逐个为对象配置关联对象及语义关系，效率低下。技术实现要素：3.本发明所要解决的技术问题是如何实现本体智能化构建，提高构建效率。4.由于逐个为对象配置关联对象及语义关系的工作量巨大，考虑到两个同类对象，其关联对象及语义关系可能存在相似性，为减轻操作人员的工作量，提高工作效率，发明人提出根据同类已有对象拥有的关联关系，推出新定义的同类对象可能拥有的关联关系。5.为了解决上述技术问题，本发明提供了一种面向语义融合业务模型的语义关系自动发现方法，包括以下步骤：6.步骤a：当本体中定义了新对象时，按照预设规则判断当前本体中是否有该新对象的同类对象，所述预设规则具体为：属于同一概念类型且属性集相似度高于预设阈值，则属于同类对象；7.步骤b：若有同类对象，则根据该同类对象在上述本体中的关联对象及语义关系，生成新对象的关联对象及语义关系推荐列表；8.步骤c：把上述推荐列表输出给用户选择；9.步骤d：根据用户选择的关联对象及语义关系，自动在上述本体中为上述新对象配置关联对象及语义关系；10.步骤e：配置好新对象的关联对象及语义关系之后，按照用户的操作指令，使用本体中的对象来构建语义融合业务模型。11.进一步地：12.步骤b中，还在上述关联对象及语义关系推荐列表中设置输入框，供用户输入该推荐列表以外的关联对象及语义关系；13.步骤d中，还根据用户所输入的关联对象及语义关系，自动在本体中为上述新对象配置关联对象及语义关系。14.进一步地，步骤b中，上述推荐列表中每个关联对象旁侧设有删除选项，供用户选择删除。15.进一步地，配置好新对象的关联对象及语义关系之后，执行如下步骤：16.步骤f：判断该新对象是否与已有语义融合业务模型中的对象节点在本体中存在语义关系，若存在语义关系，则提示用户是否选择将该新对象添加至该已有语义融合业务模型中；17.步骤g：若是，则将该新对象作为一个对象节点添加至该已有语义融合业务模型中，并在该语义融合业务模型中添加该新对象与关联对象节点之间的语义关系边。18.进一步地，所述预设阈值为80％。19.进一步地，所述属性集相似度采用欧几里得距离计算公式来计算。20.上述面向语义融合业务模型的语义关系自动发现方法可根据概念类型和属性集相似度获取同类对象，利用同类对象拥有的关联关系，实现自动发现并配置新对象的关联对象及语义关系，减轻用户配置关联对象及语义关系的工作量，提高效率。附图说明21.图1是本发明提供的面向语义融合业务模型的语义关系自动发现方法的流程图。22.图2是应用了本发明提供的面向语义融合业务模型的语义关系自动发现方法的语义融合业务模型平台与用户、客户端之间的交互序列图。23.图3是应用本发明提供的面向语义融合业务模型的语义关系自动发现方法时，本体在新定义对象时的变化过程示意图。具体实施方式24.以下结合具体实施方式对本发明创造作进一步详细说明。25.本发明的面向语义融合业务模型的语义关系自动发现方法如图1所示，包括以下步骤：26.步骤a：当本体中定义了新对象时，按照预设规则判断当前本体中是否有该新对象的同类对象，所述预设规则具体为：属于同一概念类型且属性集相似度高于预设阈值，则属于同类对象；27.步骤b：若有同类对象，则根据该同类对象在上述本体中的关联对象及语义关系，生成新对象的关联对象及语义关系推荐列表；28.步骤c：把上述推荐列表输出给用户选择；29.步骤d：根据用户选择的关联对象及语义关系，自动在上述本体中为上述新对象配置关联对象及语义关系；30.步骤e：配置好新对象的关联对象及语义关系之后，按照用户的操作指令，使用本体中的对象来构建语义融合业务模型；31.步骤f：判断该新对象是否与已有语义融合业务模型中的对象节点在本体中存在语义关系，若存在语义关系，则提示用户是否选择将该新对象添加至该已有语义融合业务模型中；32.步骤g：若是，则将该新对象作为一个对象节点添加至该已有语义融合业务模型中，并在该语义融合业务模型中添加该新对象与关联对象节点之间的语义关系边。33.上述面向语义融合业务模型的语义关系自动发现方法应用于如图2所示的语义融合业务模型平台。该平台上已初步构建有本体，该本体中已定义有多个概念、多个对象、概念之间的层级关系以及对象之间的语义关系，如图3中的左上方所示的本体。下文以用户在语义融合业务模型平台上的本体中定义新对象的过程为例，说明该语义关系自动发现方法的具体过程。34.如图2所示，用户需要在本体中定义新的对象时，就在客户端上登录语义融合业务模型平台，然后在客户端上输入新对象名称，语义融合业务模型平台接收新对象名称并保存到本体中，从而实现了定义新对象。例如，如图3所示，用户在本体中定义新对象b2，语义融合业务模型平台将新对象b2添加到本体中，如此则本体更新为如图3中右上方所示的那样。与此同时，语义融合业务模型平台按照预设规则判断当前本体中是否有新对象b2的同类对象，具体地：35.先确定新对象b2属于概念2类型下，然后查找出本体中同属于概念2类型的其他对象，有对象b1和对象d，然后采用欧几里得距离计算公式来分别计算对象b2与对象b1、对象d的属性集相似度。本实施例中，对象b2和对象b1都具有形状属性、习性属性、行为特征属性，采用欧几里得距离计算公式计算得出对象b2与对象b1的属性集相似度高达100％。本实施例预设阈值设为80％，该属性集相似度高于80％，如此则判断出对象b1是对象b2的同类对象。而对象d只具有形状属性，没有习性属性和行为特征属性，计算得出这两者的属性集相似度为30％，低于80％，如此则判断出对象d不是对象b2的同类对象。36.同类对象b1在本体中拥有关联对象a及语义关系，语义融合业务模型平台根据同类对象b1所拥有的关联对象a及语义关系，如图2所示地生成新对象b2的关联对象及语义关系推荐列表“对象a→对象b2”，并输出给用户选择。用户在列表中选定“对象a→对象b2”，语义融合业务模型平台就根据“对象a→对象b2”，自动在本体中为上述新对象b2配置关联对象a及语义关系，如此则本体更新为如图3中左下方所示的那样。37.以上举例的新对象b2只有一个同类对象b1，对于其他新对象，按照上述流程找到的同类对象可能会有很多个，因此本实施例在关联对象及语义关系推荐列表中的每个关联对象旁侧设有删除选项(未图示)。用户可以浏览该列表中的关联对象，若列表中某个关联对象与新对象实际上是不相干的，两者之间不存在语义关系，那么就点击该关联对象旁侧的删除选项，将该关联对象及语义关系从列表中删除。38.此外，语义融合业务模型平台可能无法自动发现新对象的全部关联对象及语义关系，因此，本实施例在关联对象语义关系推荐列表中设置有输入框。在剔除了不相干的关联对象以及相应的语义关系之后，假若用户发现有关联对象未在此列表中列出，那么就在输入框中输入关联对象及语义关系，从而往列表中增加新对象的关联对象及语义关系。用户输完之后，点击确认，语义融合业务模型平台接收该列表，然后按此列表中的各个关联对象及语义关系，在本体中为新对象配置关联对象及语义关系。39.按照上述流程，本实施例的面向语义融合业务模型的语义关系自动发现方法，可根据概念类型和属性集相似度获取同类对象，利用同类对象拥有的关联关系，实现自动发现并配置新对象的关联对象及语义关系，减轻用户配置关联对象及语义关系的工作量，提高效率。40.在配置好新对象b2的关联对象及语义关系之后，用户就可以使用本体中的新对象b2来构建语义融合业务模型。本实施例的语义融合业务模型平台已构建了语义融合业务模型数据库，该数据库中存有多个语义融合业务模型。配置好新对象b2的关联对象及语义关系之后，如图2所示，语义融合业务模型平台判断出新对象b2与已有语义融合业务模型m1中的对象节点a存在语义关系，则弹窗提示用户是否选择将新对象b2添加至已有语义融合业务模型m1中。若用户选择将新对象b2添加至已有语义融合业务模型m1中，语义融合业务模型平台就在已有语义融合业务模型m1添加新对象b2，并添加新对象b2与对象节点a之间的语义关系边。通过以上方式，本实施例的面向语义融合业务模型的语义关系自动发现方法实现了在本体定义新对象时，自动更新已有语义融合业务模型，无需用户手动往已有语义融合业务模型添加该新对象。41.如上所述仅为本发明创造的实施方式，不以此限定专利保护范围。本领域技术人员在本发明创造的基础上作出非实质性的变化或替换，仍落入专利保护范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!