基于語義的設計理性片段提取方法

敬石開，劉繼紅，王 寬，周競濤

（1．北京理工大學 機械與車輛學院，北京 100081；2．北京航空航天大學 機械工程及自動化學院，北京 100191；3．西北工業(yè)大學 現(xiàn)代設計與集成制造技術教育部重點實驗室，陜西 西安 710072）

0 引言

設計理性指設計過程中設計者深層次的設計意圖、設計依據(jù)和設計決策等思維信息及其邏輯關系，是對設計對象不斷演進過程的描述［1－2］。有效重用已有設計理性對引導設計者的思維，進而提升設計效率與設計質量均有重要的作用［3］。對于設計理性知識的重用過程主要包括：①搜索出相似的問題或設計實例；②識別設計理性模型中可重用的部分；③借鑒檢索得到的知識，根據(jù)新需求完成設計任務［4］。由此，包括①和②兩過程的設計理性檢索成為設計理性知識重用中最重要的一步［5］。

早期的設計理性研究和設計理性系統(tǒng)主要集中在理性知識的表達與獲取方面，較少關注理性知識的檢索重用。這一階段重用的主要策略為以設計者主導設計理性回溯，即設計者由檢索得到的節(jié)點開始，根據(jù)已有的鏈接遍歷設計理性模型。包括REMAP/MM，PHIDIAS，Dred以及 Compendium 等理性系統(tǒng)均采用基于關鍵詞匹配的檢索方法［5］，將匹配結果在圖形化的設計理性模型中高亮顯示以返回給用戶，供用戶回溯和重用。近年來，越來越多的設計理性系統(tǒng)開始關注理性知識的檢索過程，并通過為原有系統(tǒng)設計專門的檢索插件或用戶界面，以支持有效的檢索操作。Zhang［6］等針對設計理性模型缺乏語義表達的問題，建立了基于本體的設計理性語義表達模型ISAA（Issue，Solution，Artifact and Argument Model），因為ISAA在表達上已經(jīng)可以顯性地指明元素間的語義關系，所以可支持基于語義的檢索重用，也成為Zhang等下一步研究的重點?；贒red，Wang等［7］針對設計理性模型以結構化的形式存在、元素彼此間存在確定的從屬關系的特點，提出對于設計理性模型的結構化檢索方法，從而提高了檢索效果。然而，過分追求節(jié)點間的從屬關系影響到了檢索的查全率；Kim［4］等認為設計人員在檢索時最常問的問題為“如果…，則…”和“為什么…”，基于這一認識，通過對自然語言處理和監(jiān)督式機器學習技術，對設計理性進行語義規(guī)則標注，用戶可以通過預先定義的關系進行語義檢索。Liang等［8］在ISAL（issue，solution and artifact layer model）模型的基礎上開發(fā)了設計理性檢索工具，以支持多種查詢方式，如按照時間或創(chuàng)建人查詢；提供了對查詢結果的分析功能，通過分析可以發(fā)現(xiàn)某種產(chǎn)品存在的主要問題或技術發(fā)展趨勢。然而該方法只能按照系統(tǒng)預先定義好的類別和角度進行篩選、展示和分析，檢索結果與基于關鍵詞的檢索并無區(qū)別。

總之，對于設計理性檢索的研究仍處于初期［9－10］。上文提到的相關檢索方法在知識重用過程中主要存在如下問題：檢索結果以節(jié)點記錄（下文統(tǒng)稱為“結果節(jié)點”）列表的形式展現(xiàn)給用戶，對應每條節(jié)點記錄的內容為該節(jié)點的詳細屬性或該節(jié)點所在的完整設計理性模型實例。對于前者，由于設計理性模型是對設計過程的記錄，單一的元素節(jié)點沒有結合設計過程中的上下文信息，即它包含的知識并不完整，使得設計者很難理解和重用。而對于完整的實例，其結構通常十分復雜，知識含量過大，體現(xiàn)在由大量的節(jié)點與關系組成，而對設計者真正需要的往往只是部分模型，設計者還需要花費大量的時間遍歷并提取對自己有用的部分，從而影響了設計重用的效率。因此，單一的節(jié)點或完整的實例均給設計者理解和重用理性知識造成了困難。

以上理性知識重用中出現(xiàn)的問題，究其實質，是因為目前設計理性重用相關研究的重點集中在如何提高檢索結果節(jié)點的準確性，沒有對檢索得到的節(jié)點進行必要的處理，即沒有考慮檢索結果的結構形式對于設計重用的影響。而對于設計理性這類過程知識，結果的結構恰恰對設計者有效理解模型所表達的知識具有重要影響。實際上，這些過程中設計者依然需要對結果節(jié)點進行人工追溯，以理解檢索結果所表達的內容?；谝陨戏治?，本文聚焦于檢索結果的結構形式方面，目的是通過計算機輔助為設計者提供適合設計重用的理性知識結構。因此，在考慮設計理性節(jié)點間語義關系的基礎上，本文提出設計理性片段的概念及其提取方法，通過理性片段代替離散的節(jié)點或完整模型，而作為檢索的最終結果供設計重用。設計理性片段是能夠獨立且完整地表達某一設計過程的理性子模型，因此可以方便設計者更快捷地理解和掌握檢索得到的理性知識，提高設計重用效率。設計理性片段提取方法的思路為：檢索過程中引入理性元素間的語義信息，在結果節(jié)點的基礎上，通過語義推理得到包含結果節(jié)點的核心最小設計理性片段；對核心最小片段進行聚類擴展，得到包含核心最小片段及其上下位信息的理性片段；將重復片段進行合并，得到最終的滿足檢索需求且能完整表達某一設計過程的理性片段。

1 意圖驅動的設計理性模型

設計理性根據(jù)表達方式的不同可以分為基于論證的表達和意圖驅動的表達?；谡撟C的表達以IBIS（issue－based information system）模 型 為 代表［5］，是目前設計理性研究領域最成熟的模型。但IBIS認為設計過程僅僅是一個解決問題的技術過程，建模過程建立在設計者對設計問題已有準確和充分認識的基礎上。而實際上，設計問題在大多數(shù)情況下是一種病構問題，具有不明確的初始狀態(tài)、不清晰的目的以及不確定的策略。因此，基于論證的設計理性表達不能充分反映設計認知、設計迭代等設計活動的典型特征。Liu［2，11，13］等提出的意圖驅動的設計理性（Intent－Driven DR model，IDDR）模型能夠較好地解決IBIS模型的不足，是本文研究設計理性片段提取操作的對象。

意圖驅動的設計理性模型旨在對設計者為滿足設計意圖而利用專業(yè)技能和知識產(chǎn)生設計概念，進行設計決策和求解設計問題的過程進行詳細和完整的記錄。模型由設計意圖（design intent）、設計選項（design option）、設計決策（design decision）、設計理性（justification/criteria/rules）和設計操作 （design operation）五種元素組成。元素間的關系包括：分解關系（decomposed－into〈意圖，意圖〉）、滿足關系（achieved－by〈意圖，選項〉）、決策關系（decided－by〈選項，決策〉）、依據(jù)關系（refer－to〈選項/決策，設計理性〉）、實現(xiàn)關系（realized－by〈決策/意圖，操作〉）、推動關系（promote－to〈決策/操作，意圖/操作〉）、演進關系 （return－to/evolve－to〈決策/意圖，決策/意圖〉）和 觸 發(fā) 關 系 （remotivate－to〈操 作/決 策，意圖〉），具體請參見文獻［11］。

2 設計理性片段結構

IDDR在表達上比IBIS等模型更加詳細和復雜，因此，從方便設計人員理解和重用的角度考慮人的認知特點，設計理性片段在結構上應滿足以下原則：

原則1 獨立完整性原則。設計理性片段應為相對獨立的設計理性信息，具有合理的組織結構，并能完整地表達和反映某一設計過程。這一原則保證了設計者只需要理解該片段即可準確地把握其表達的知識，無需依賴過多的上下文信息。

原則2 檢索需求匹配原則。設計理性重用建立在理性知識檢索的基礎上，作為檢索結果的最終表現(xiàn)形式，要求設計理性片段應匹配設計者的檢索需求。

原則3 知識含量適度性原則。若理性片段過于復雜或簡單，則也會產(chǎn)生如單個節(jié)點或完整實例相同的重用問題。因此，設計理性片段的知識含量應控制在一定范圍內。

針對以上原則，片段提取的思路是在檢索到結果節(jié)點后，通過關系推理劃分并提取設計理性片段，從而保證了原則2。對于如何保證片段知識含量適度與片段的完整性與獨立性，給出如下定義：

定義1 最小長度設計理性片段（Minimum Length DR Segment，MLS）。設計理性模型中的任一元意圖與其操作之間包含的所有認知元素節(jié)點及相互關系，稱為一個最小長度設計理性片段。如圖1所示，對應元意圖SI12“分離紙幣”的最小長度設計理性片段指從SI12節(jié)點至Op1之間所有的元素節(jié)點及其關系。MLS具備一定的完整性與獨立性。為便于介紹片段提取算法，本文將單獨的意圖節(jié)點（如圖1中的I1，I3）也作為MLS的一種形式。

定義2 設計脈絡（Design Context，DC）。設計理性模型中任一意圖的完整實現(xiàn)過程中包含的所有認知元素節(jié)點及其交互關系，稱為一個設計脈絡。如圖2所示，對應元意圖SI21“確定真空源”的設計脈絡指從SI21節(jié)點至Op5之間所有的元素節(jié)點及其關系。由定義可知，設計脈絡由一個或多個MLS及設計意圖組成。

基于以上定義，確定設計理性片段的基本組成單元為MLS。最理想情況下，設計理性片段為設計脈絡，以保證表達完整獨立的設計信息。但是DC通常情況也很復雜，因此僅需要保留與結果節(jié)點語義距離較近的MLS，以滿足片段知識含量的適度性原則。

3 設計理性片段提取方法

設計理性片段提取的最重要的問題是保證片段具有合適的知識含量，即片段的結構復雜度適中。片段提取方法步驟如下：

步驟1 確定核心MLS。核心MLS即結果節(jié)點所在的MLS?？紤]到MLS中的起始元素為設計意圖，且MLS與設計意圖之間存在一對一的關系。因此，將設計意圖節(jié)點作為對應MLS的語義中心，并用于表示對應的MLS，同時，將兩MLS間的語義距離通過對應設計意圖間的語義距離表示。具體參見3．1節(jié)。

步驟2 劃分設計理性片段。以步驟1中得到的MLS為中心，通過推理擴展，將同一實例中語義距離較近的多個MLS聚合并提取為一個設計理性片段。具體參見3．2節(jié)。

步驟3 合并設計理性片段。通過步驟2形成的多個設計理性片段間可能存在重疊，影響重用的效率。通過計算兩片段中MLS的重疊程度，可以合并重疊度大的片段。合并的過程是求兩片段并集的過程，從而得到最終的設計理性片段集合。具體參見3．3節(jié)。

步驟4 計算檢索需求匹配度。經(jīng)過片段提取后的多個片段，需要計算各個片段對于檢索需求的匹配程度，作為片段排序的依據(jù)。本文從片段節(jié)點中結果節(jié)點的數(shù)量、節(jié)點的元素類型以及片段的復雜程度三個方面考慮計算設計理性片段的匹配度。具體參見3．4節(jié)。

IDDR建模過程中，建立了基于Web本體語言（Ontology Web Language，OWL）的設計理性表達語言［14］，使得設計理性模型可以被計算機理解和推理。本文采用基于OWL描述邏輯的知識推理實現(xiàn)設計理性片段的提取。首先定義推理方向RD：〈E，PT〉；其中：E是設計理性模型中的一個節(jié)點，是推理的起始點；PT是一組關系方向〈P，n〉的集合，P是與E相關的一類關系；n指推理深度，取值－1，1或∞，當n＜0時為逆向推理，當n為∞時，推理包含從E開始P關系的傳遞閉包。

3．1 核心MLS確定

核心MLS確定過程分兩步，首先確定結果節(jié)點的最近設計意圖祖先節(jié)點，然后提取該意圖節(jié)點所在的MLS。以上兩步分別通過算法1與算法2實現(xiàn)。

算法1 最近設計意圖祖先節(jié)點確定方法。

輸入：節(jié)點N；

輸出：最近設計意圖祖先元素節(jié)點I。

步驟1 若輸入節(jié)點為設計操作Op，則轉步驟2；若輸入節(jié)點為設計決策D，則轉步驟3；若輸入節(jié)點為設計選項O，則轉步驟4；若輸入節(jié)點為設計理性R，則轉步驟5；若輸入節(jié)點為設計意圖I，則轉步驟6。

步驟2 以Op為起始點，按照推理方向RD1＝〈Op，PT1〉 推 理，PT1＝ ｛〈p，n〉〈 realized＿by，－1〉｝。若推理結果為決策D，則轉步驟3；否則，按照推理方向RD2＝〈Op，PT2〉推理，其中PT1＝｛〈p，n〉〈 promote＿to，－1〉｝，得到推理結果為一個或多個設計操作Op，依次重復步驟2。

步驟3 以D為起始點，按照推理方向RD3＝〈D，PT3〉推理，PT1＝｛〈p，n〉〈 decided＿by，－1〉｝。得到該設計決策的父設計選項節(jié)點集，任取其中某一選項O1。

步驟4 以O1為起始點，按照推理方向RD3＝〈O1，PT3〉 推 理，PT3＝ ｛〈p，n〉〈 achieved＿by，－1〉｝。提取該設計選項的父節(jié)點設計意圖I，算法結束。

步驟5 以R為起始點，按照推理方向RD4＝〈R，PT4〉推理，PT4＝｛〈p，n〉〈 refer＿to，－1〉｝。推理結果為節(jié)點N，轉步驟1。

步驟6 提取I，算法結束。

算法2 最小長度設計理性片段提取方法。

輸入：設計元意圖節(jié)點I；

輸出：最小長度設計理性片段MLS（I）。

步驟1 若I非元意圖，則按照推理方向RD1＝〈I，PT1〉推理，PT1＝｛〈p，n〉〈 evolve＿to，∞〉｝。提取初始設計意圖的演進過程，算法結束；若I為元意圖，則轉步驟2。

步驟2 以I為起始點，按照推理方向RD1＝〈I，PT1〉推理。提取初始設計意圖的演進過程。

步驟3 若推理結果不為?，則將I及其后各個版本的意圖Ic（I，I′，…）提取存入 MLS；否則，將I提取存入MLS。對Ic中的各意圖，依次進行步驟4～步驟10。

步驟4 按照推理方向RD2＝〈I，PT2〉推理，PT2＝｛〈p，n〉〈 achieved＿by，1〉｝。依次提取各設計意圖對應的設計選項Oi（i＝1，2，3，…），將Oi存入MLS。

步驟5 對步驟4所得的設計選項按照推理方向RD3＝〈O，PT3〉推理，PT3＝｛〈p，n〉〈 refer＿to，1〉｝。提取對應每個設計選項的設計理性Ri（i＝1，2，3，…），存入 MLS。

步驟6 對步驟4所得的設計選項按照推理方向RD4＝〈O，PT4〉推理，其中 PT4＝｛〈p，n〉〈 decided＿by，1〉｝，提取對應每個意圖的設計決策D，存入MLS。

步驟7 對步驟6所得的設計決策D按照推理方向RD5＝〈D，PT3〉推理，提取對應每個設計決策的設計理性Ri（i＝1，2，3，…），存入 MLS。

步驟8 對步驟6所得的設計決策D按照推理方向RD6＝〈D，PT1〉推理，若結果為決策D′，則將D′存入MLS，轉步驟7；若推理結果為?，則轉步驟9。

步驟9 對MLS中的設計決策按照推理方向RD7＝〈D，PT5〉推理，PT5＝｛〈p，n〉〈 realized＿by，1〉｝。提取對應每個設計決策Di的設計操作Opi（i＝1，2，3，…），將Opi存入 MLS。

步驟10 對與操作Oi，按照推理方向RD8＝〈Op，PT6〉推理，PT6＝｛〈p，n〉〈 promote＿to，1〉｝。若推理結果為設計操作Opi′，則將Opi′存入S，重復步驟10；若結果為設計意圖I或為?，則輸出MLS，算法結束。

算法2的流程如圖2所示。

3．2 設計理性片段劃分

本文借鑒基于密度聚類的思想，以核心MLS為中心，將語義距離處于閾值范圍內的MLS劃分為一個設計理性片段。

算法3 設計理性片段劃分方法。

輸入：設計意圖節(jié)點集合IS＝｛I1，I2，I3，…，In｝，閾值μf、μc、μb；

輸出：設計理性片段集合SS＝｛S1，S2，S3，…，Sn｝。

步驟1 取IS中的節(jié)點Ii，以Ii為中心進行前向與后向推理。通過前向推理得到語義距離D（Im，Ii）＜μf的全部設計意圖的集合ISf；通過后向推理得到語義距離D（Im，Ii）＜μb的全部設計意圖的集合ISb。

步驟2 對于ISf中的意圖節(jié)點If，通過后向推理計算與聚類中心MLS同級的兄弟MLS且語義距離D（Im，If）＜μc的意圖集合，存入ISb中。

步驟3 對ISf與ISb中的意圖節(jié)點按照其層次結構依次執(zhí)行算法2，得到以Ii所在MLS為中心的多MLS組成的設計理性片段。

步驟4 重復步驟1～步驟3，直到IS中的節(jié)點全部執(zhí)行完成，算法結束。

算法3中，MLS間的語義相關度通過兩者意圖節(jié)點的語義距離表示，映射到模型中為兩意圖節(jié)點在模型中的最短路徑所包含的邊數(shù)n，改進的語義距離

式中pi表示IDDR中第i個關系的權重，主要由關系的類型確定。在進行距離計算時，涉及到的關系包括 decomposed－into，achieved－by，decided－by，realized－by，promote－to五種類型。一般而言，后四種關系的權重可保持一致，decomposed－into關系設定較小的權重。IDDR模型中，意圖元素及其相互間的decomposed－into關系組成的結構稱為意圖樹。在意圖樹中，意圖出現(xiàn)的層次越高，越抽象；反之，越具體。因此，高層的decomposed－into關系距離應高于低層次的decomposed－into關系。定義其關系權重為

式中：等號右側的p表示其余四種關系的權重，取p＝1；Level（I）表示意圖I所在的層次；Depth表示意圖樹的深度。

算法3另外需要考慮的是確定閾值μf，μc與μb。對于意圖節(jié)點，通過前向推理得到的是該意圖的父意圖，表達該意圖的背景信息。因此，前向推理μf保持在較小范圍內，使設計人員對意圖提出的背景有基本了解即可；對于后向推理，得到的是該意圖的實現(xiàn)過程，可以適當增大后向推理的范圍?；谝陨戏治?，結合前期試驗得出：前向推理一般取上兩級父意圖或前一級 MLS，對應的μf＜5、μc＜3；后向推理一般取3～5級后代MLS，相應的20＜μb＜30。

3．3 設計理性片段合并

片段由多個MLS組成，因此兩片段的重疊程度定義為相同MLS分別在兩個片段中所占較大的比重。即

合并的策略借鑒凝聚式聚類算法［15］，合并時應同時滿足重疊度高于閾值和合并后片段復雜程度適中兩個條件，具體算法為：

算法4 重復設計理性片段合并方法。

輸入：設計理性片段集合SiS＝｛Si1，Si2，Si3，…，Sin｝；

輸出：合并后的設計理性片段集合SoS＝｛So1，So2，So3，…，Som｝（m≤n）。

步驟1 分別計算輸入任意兩個片段間的重復度Rep（Si1，Si2），將重復度大于閾值μ的兩個片段聚類，其余的單個片段看作只有其一個成員的類。

步驟2 判斷將類中包含的兩個片段合并后的復雜度C，若C＜μc，則將片段合并，作為新的輸入片段。

步驟3 重復步驟1和步驟2，直到片段不再發(fā)生變化，輸出最終的片段集合，算法結束。

3．4 設計理性片段檢索需求匹配度計算

文獻［7］指出，設計理性重用的場景主要包括兩種：①設計人員面對設計問題，尋找類似問題曾經(jīng)的解決方案；②針對某一設計問題的解決方案，查詢是否曾經(jīng)使用過類似的方案。IDDR中，設計問題通過設計意圖體現(xiàn)，而問題的解決方案通過設計決策體現(xiàn)。因此，設計理性元素在檢索過程中的重要程度按照設計意圖、設計決策、設計理性、設計選項和設計操作依次降低，據(jù)此賦予不同的權重值。則設計理性片段S的匹配度

式中：Sim（Q，S）表示片段與檢索需求的相似度，

n Sim（Q，S）＝ ∑wi，n表示片段S中共有n個結果

l＝1節(jié)點，wi表示第i個結果節(jié)點元素類型的權值。Size（S）′指片段S中除設計理性元素節(jié)點的其他所有節(jié)點數(shù)量。由式（3）可知，當兩個片段與檢索需求的相似度值相同時，片段結構越簡單，匹配度越高，從而可以優(yōu)先推薦給設計人員。

4 實例驗證

本章以ATM機紙幣處理機構設計過程（部分）為例，驗證本文提出的片段提取方法及片段重用的有效性。圖2所示為根據(jù)IDDR模型對ATM機紙幣處理機構設計過程（部分）記錄的圖形化展示。該設計的設計意圖為“ATM機紙幣處理機構”（I1），為實現(xiàn)這一意圖，設計者分析后通過decomposedinto關系將其分解為“運送紙幣”（SI11）、“分離紙幣”（SI12）、“識別紙幣”（SI13）和“存儲紙幣”（SI14）四個子意圖；以實現(xiàn)子意圖SI12為例，設計者將“摩擦分離機構”（O1）或“真空吸附分離機構”（O2）兩個備選方案作為選項，理性分別為“摩擦原理”（E1）和“真空原理”（E2）；通過分析權衡，選擇O2作為最終決策（D1），理由為“結構簡單”（C1）、“成本低”（C2）且“不易損害紙幣”（C3）；針對設計決策D1畫出相關草圖；草圖完成后進而引出意圖“真空紙幣分離機構設計”（I2），通過promote－to關系表達。如此往復，直至完成對整個設計過程及理性知識的結構化記錄。

實例驗證過程中，選擇“真空發(fā)生器設計”作為檢索語句，這是由于篇幅限制，圖2只給出了紙幣處理機構的部分設計過程，相對簡單，而這一實例中對真空發(fā)生器選型過程的記錄相對完整，并且有對應的上下文信息。

4．1 核心MLS確定

對于檢索語句“真空發(fā)生器設計”，通過基于關鍵詞檢索得到的檢索結果節(jié)點包括O3“真空發(fā)生器”、D2“選擇真空發(fā)生器為真空源”、I3“真空發(fā)生器型號確定”以及Op6“確定真空發(fā)生器型號”4個。確定以上四個節(jié)點所在MLS的過程即確定其最近意圖祖先節(jié)點的過程。根據(jù)算法1，確定O3，D2，I3和Op6對應的最近意圖祖先節(jié)點如表1所示。

結果節(jié)點N 最近意圖祖先節(jié)點I O3 SI21“真空源確定”D2 SI21“真空源確定”I3 I3“真空發(fā)生器型號確定”SI31“計算真空度”O(jiān)p6EI1“確定抽出空氣體積”EI2“確定工作頻率”

4．2 設計理性片段劃分

算法3的輸入閾值為μf＝4，μc＝3和μb＝25，輸入的意圖結合IS＝｛SI21，I3，SI31，EI1，EI2｝。執(zhí)行算法3，對于SI21：通過前向推理，Distance（SI21，I2）＝2×2/（2＋1）＝1．33，Distance（SI21，SI12）＝5．33，Distance（I2，SI24）＝Distance（I2，SI23）＝1；通過后向推理，Distance（SI21，I3）＝4，Distance（SI21，SI31）＝Distance（SI21，SI32）＝6，Distance（SI21，EI1）＝Distance（SI21，EI2）＝7．2。因此通過對SI21推理所得的意圖集合為ISf＝｛I2，SI22，SI23｝，ISb＝｛I3，SI31，SI32，EI1，EI2｝。同理，IS 中各意圖通過推理得到的意圖集合如表2所示，由于SI31，EI1和E2無后續(xù)MLS，其對應的ISb為?。

表2 滿足條件的意圖集合

輸入意圖 意圖集合ISf 意圖集合ISb SI21 I2，SI22，SI23 I3，SI31，SI32，EI1，EI2 I3 SI21 SI31，SI32，EI1，EI2 SI31 I3，SI32 EI1 SI32，I3，SI31EI2_SI32，I3，SI31

根據(jù)算法2，分別提取意圖集合中各意圖對應的MLS，并組合成完整的片段。以SI21為例，組成其對 應 片 段 SI21的 MLS 包 括I2，SI22，SI23，I3，SI21，SI31，SI32，EI1和EI2九個，如圖3所示。最終聚合得到的片段SI21如圖4所示。同理，可以提取I3，SI31，EI1和EI2對應片段。

4．3 重復設計理性片段合并

按照算法4進行重復設計理性片段的合并，計算重復度時設定閾值μ＝0．75。則Rep（SI21，I3）＝max（1，0．67）＝1，同理可以計算任意兩個片段的重復度。由于圖2相對簡單，檢索得到的結果節(jié)點相對集中，造成片段間重疊度較大，最終合并完成后得到的片段為3．2節(jié)中的片段SI21，如圖4所示。

4．4 實例分析

為驗證片段SI21在重用過程中的有效性，從以下三方面進行討論：

（1）片段結構復雜性 初始模型共有66個元素節(jié)點和80個關系，而片段SI21共有32個元素節(jié)點和35個關系。顯然，設計者能夠更加快捷地理解復雜模型中真正有效的信息。

（2）檢索結果的數(shù)量 與先前的檢索結果相比，本例中的檢索結果僅為一個設計理性片段，而非4個節(jié)點或實例。檢索結果的數(shù)量大大降低，設計者無需查看重復的理性信息，提高了設計重用的效率。

（3）圖4片段包含了真空發(fā)生器設計的完整過程，在降低模型結構復雜度的同時并沒有損失該子過程的任何設計步驟，同時保留了必要的背景信息。通過該片段，設計者既可以理解之前完整的真空發(fā)生器設計過程，同時也可以了解其設計的情景信息，從而有助于設計者判斷已有設計是否適用于當前的重用場景。

5 結束語

本文在已有設計理性建模研究的基礎上，結合設計人員在設計重用中的具體操作過程，提出了從檢索結果的結構角度出發(fā)，提高設計理性知識重用效果的方法。即為設計重用提供既滿足檢索需求又能完整表達某一設計過程的理性子模型——設計理性片段，作為重用的對象。設計理性片段的提取過程是在關鍵詞檢索的基礎上，通過對結果節(jié)點進行基于語義的推理得到的?；谡Z義的設計理性片段提取為設計理性重用的研究開拓了新的思路，實現(xiàn)了通過計算機輔助設計者快速且準確理解和重用設計理性知識，同時也符合對過程類知識重用的特殊性。

下一步工作將集中在兩方面：①建立描述設計理性片段的復雜度的量化指標體系和方法，在此基礎上通過實驗等手段研究設計人員在重用過程中適合的片段結構復雜度，以指導設計理性片段的提取操作；②將設計理性片段提取與基于語義的檢索結合，即在檢索過程中，通過語義手段解決基于關鍵詞檢索的不足，提高檢索的效果，而在檢索結果表達過程中通過片段提取為設計者提供適合重用的理性知識結構，實現(xiàn)兩者的優(yōu)勢互補。

［1］ NOMAGUCHI Y，TOMIYAMA T．Design knowledge management based on a model of synthesis［C］//Proceedings of the IFIP TC5/WG5．25th Workshop on Knowledge Intensive CAD．Norwell，Mass．，USA：Kluwer Academic Publishers，2002：131－149．

［2］ SUN Zhaoyang，LIU Jihong．Representation of design intents in design thinking process model［J］．Journal of Mechanical Engineering，2009，45（8）：182－189（in Chinese）．［孫兆洋，劉繼紅．設計理性模型中設計意圖的表達［J］．機械工程學報，2009，45（8）：182－189．］

［3］ DORST K．The core of‘design thinking’and its application［J］．Design Studies，2011，32（6）：521－532．

［4］ SANGHEE K，BRACEWELL R H，WALLACE K M．A framework for design rationale retrieval［C］//Proceedings of the 15th International Conference of Engineering Design．Castle Cary，UK：the Design Society，2011：DS35＿498．44．

［5］ REGLI W C，HU X，ATWOOD M，et al．A survey of design rationale systems：approaches，representation，capture and retrieval［J］．Engineering with Computers，2000，16（3/4）：209－235．

［6］ ZHANG Yingzhong，LUO Xiaofang，LI Jian．A semantic representation model for design rationale of products［J］．Advanced Engineering Informatics，2013，27（1）：13－26．

［7］ WANG Hongwei，JOHNSON AYMLER L，ROB H．The retrieval of structured design rationale for the re－use of design knowledge with an integrated representation［J］．Advanced Engineering Informatics，2012，26（2）：251－266．

［8］ LIANG Yan，WEN F L，LIU Ying，et al．Interactive interface design for design rationale search and retrieval［C］//Proceedings of the ASME 2010Design Engineering Technology Conference and Information in Engineering Conference．New York，N．Y．，USA：ASME，2010：308－318．

［9］ BRACEWELL R，WALLACE K，MOSS M，et al．Capturing design rationale［J］．Computer－Aided Design，2009，41（3）：173－186．

［10］ JING Shikai，LIU Jihong，HU Xujie．Design reuse oriented transformation of design rationale models［J］．Computer Integrated Manufacturing Systems，2013，19（6）：1186－1193（in Chinese）．［敬石開，劉繼紅，胡旭潔．面向設計重用的設計理性模型變換方法［J］．計算機集成制造系統(tǒng)，2013，19（6）：1186－1193．］

［11］ QIN Feiwei，LI Luye，GAO Shuming．A survey of design rationale［J］．Journal of Computer－Aided Design and Computer Graphics，2012，24（10）：47－54（in Chinese）．［秦飛巍，李路野，高曙明．設計理性研究進展［J］．計算機輔助設計與圖形學報，2012，24（10）：47－54．］

［12］ LIU Jihong，HU Xujie，JIANG Hao．Modeling the evolving design rationale to achieve a shared understanding［C］//Proceeding of the 16th IEEE International Conference on Computer Supported Cooperative Work in Design．Washington，D．C．，USA：IEEE，2012：308－314．

［13］ LIU Jihong，HU Xujie．A reuse oriented representation model for capturing and formalizing the evolving design rationale［］．Artificial Intelligence for Engineering Design，Analysis and Manufacturing，2013，27（4）：401－413．

［14］ LIU Jihong，ZHANG Minqing，HU Xujie．DMML：a design thinking process modeling language［C］//Proceeding of the 12th International Conference on Computer－Aided Design and Computer Graphics．Washington，D．C．，USA：IEEE，2011：44－48．

［15］ SANGUTHEVAR R．Efficient parallel hierarchical－clustering algorithms［J］．IEEE Transactions on Parallel and Distributed Systems，2005，16（6）：497－502．