面向高端裝備產(chǎn)品設(shè)計(jì)的多模式知識(shí)服務(wù)方法

肖小平，周光輝，張超，白權(quán)棟

1. 湖南省計(jì)量檢測(cè)研究院，湖南 長(zhǎng)沙 410014 2. 西安交通大學(xué) 機(jī)械工程學(xué)院，陜西 西安 710049

以特高壓電氣裝備、智能電力裝備等為代表的高端裝備制造業(yè)是我國(guó)裝備制造業(yè)的高端領(lǐng)域，是典型的知識(shí)密集、技術(shù)密集和多學(xué)科交叉集成的高科技產(chǎn)業(yè)。隨著技術(shù)的進(jìn)步，當(dāng)前高端裝備制造業(yè)正從以產(chǎn)品為中心的制造環(huán)節(jié)轉(zhuǎn)向以知識(shí)為中心的產(chǎn)品創(chuàng)新設(shè)計(jì)環(huán)節(jié)，以知識(shí)為中心的產(chǎn)品創(chuàng)新設(shè)計(jì)正成為企業(yè)價(jià)值增值的核心因素。在高端裝備制造企業(yè)歷史知識(shí)庫(kù)中，有大量成功的設(shè)計(jì)案例和設(shè)計(jì)經(jīng)驗(yàn)可供設(shè)計(jì)人員參考。因而有效的設(shè)計(jì)知識(shí)重用服務(wù)能大幅度縮短產(chǎn)品設(shè)計(jì)周期、提高產(chǎn)品質(zhì)量。盡管如此，高端裝備企業(yè)由于缺乏合適的知識(shí)服務(wù)工具，導(dǎo)致企業(yè)知識(shí)庫(kù)中的知識(shí)無(wú)法適時(shí)、準(zhǔn)確地傳遞給需要的設(shè)計(jì)人員，從而制約了新產(chǎn)品的設(shè)計(jì)開(kāi)發(fā)效率。

為克服上述問(wèn)題，近幾年來(lái)已在知識(shí)工程領(lǐng)域涌現(xiàn)出了一批知識(shí)服務(wù)通用解決方案。這些通用解決方案可分為知識(shí)檢索和知識(shí)推送兩大類(lèi)。知識(shí)檢索作為知識(shí)應(yīng)用的一種最基本的方法，是實(shí)現(xiàn)知識(shí)推送及知識(shí)資源集成的基礎(chǔ)，目前知識(shí)檢索技術(shù)主要有語(yǔ)義網(wǎng)[1]、語(yǔ)境檢索[2-3]、知識(shí)可視化[4]、本體檢索[5-7]等。知識(shí)檢索往往需要設(shè)計(jì)人員對(duì)當(dāng)前所需要的知識(shí)有明確的認(rèn)識(shí)才能獲得較好的檢索結(jié)果。而當(dāng)設(shè)計(jì)人員只有模糊的知識(shí)需求，或者甚至不知道自己的知識(shí)需求時(shí)，則很難通過(guò)被動(dòng)檢索得到合適的知識(shí)。為解決這個(gè)問(wèn)題，出現(xiàn)了以知識(shí)推送為核心的知識(shí)主動(dòng)服務(wù)方法。在知識(shí)推送方面，Zhang等[8]建立了多層次和多粒度的知識(shí)模型，利用語(yǔ)義檢索方法來(lái)實(shí)現(xiàn)設(shè)計(jì)過(guò)程中的知識(shí)服務(wù)。Christ等[9]通過(guò)建立產(chǎn)品結(jié)構(gòu)特征信息模板，并以此為基礎(chǔ)根據(jù)當(dāng)前產(chǎn)品的設(shè)計(jì)特征進(jìn)行知識(shí)主動(dòng)服務(wù)。Wang等[10]建立了形式化的包含目標(biāo)功能、約束條件和用戶(hù)興趣領(lǐng)域的設(shè)計(jì)意圖模型，并根據(jù)機(jī)械概念設(shè)計(jì)階段的各類(lèi)相關(guān)知識(shí)的特點(diǎn)對(duì)其進(jìn)行了規(guī)范化的組織管理，提出了一種基于機(jī)械設(shè)計(jì)意圖建模的知識(shí)主動(dòng)推送服務(wù)方法。Xu等[11]針對(duì)產(chǎn)品概念設(shè)計(jì)階段提出了基于設(shè)計(jì)意圖的協(xié)同設(shè)計(jì)知識(shí)主動(dòng)推送服務(wù)模型。徐榮振等[12]利用頻繁序列模式挖掘技術(shù)分析知識(shí)的歷史使用數(shù)據(jù)，識(shí)別設(shè)計(jì)任務(wù)所對(duì)應(yīng)的頻繁知識(shí)序列；在產(chǎn)品設(shè)計(jì)過(guò)程中，結(jié)合設(shè)計(jì)師的知識(shí)使用行為、頻繁知識(shí)序列的支持度和當(dāng)前任務(wù)知識(shí)序列與頻繁知識(shí)序列的相似度實(shí)現(xiàn)知識(shí)的推送。余紳達(dá)等[13]提出了一種根據(jù)用戶(hù)興趣特征進(jìn)行篩選實(shí)現(xiàn)設(shè)計(jì)知識(shí)推送的方法，以彌補(bǔ)產(chǎn)品設(shè)計(jì)過(guò)程中知識(shí)檢索方式的不足和因需求不明確導(dǎo)致知識(shí)推送的盲目性。

上述知識(shí)服務(wù)通用解決方案對(duì)高端裝備設(shè)計(jì)知識(shí)服務(wù)具有一定的參考價(jià)值。但幾乎所有的現(xiàn)有方案都是從信息檢索的角度出發(fā)，利用信息檢索的技術(shù)來(lái)實(shí)現(xiàn)知識(shí)檢索，或針對(duì)較為通用的知識(shí)資源研究相應(yīng)的知識(shí)推送方法，未充分考慮知識(shí)產(chǎn)生及應(yīng)用的場(chǎng)景、設(shè)計(jì)人員的興趣和高端裝備產(chǎn)品知識(shí)資源自身的特點(diǎn)。為更好地服務(wù)于高端裝備產(chǎn)品的設(shè)計(jì)階段，本文提出將產(chǎn)品設(shè)計(jì)過(guò)程與知識(shí)產(chǎn)生及利用的情景信息集成到知識(shí)服務(wù)技術(shù)中，并根據(jù)設(shè)計(jì)人員不同的知識(shí)需求，提供靈活的多模式知識(shí)服務(wù)方法。

1 高端裝備設(shè)計(jì)過(guò)程知識(shí)服務(wù)需求分析

在高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中，因?yàn)樵O(shè)計(jì)人員自身知識(shí)掌握程度及從事設(shè)計(jì)任務(wù)上的差異，會(huì)形成不同的知識(shí)需求層次?；趯?duì)國(guó)內(nèi)某典型高端裝備企業(yè)的調(diào)研和已有的相關(guān)研究，本文將設(shè)計(jì)人員的知識(shí)需求分為如圖1所示的3個(gè)層次，其中各知識(shí)需求層次的詳細(xì)解釋如下。

圖1 不同知識(shí)需求層次

1)知識(shí)服務(wù)需求明確

該層次通常適用于設(shè)計(jì)人員在執(zhí)行設(shè)計(jì)任務(wù)時(shí)，因?qū)θ蝿?wù)較為熟悉，非常明確完成該任務(wù)時(shí)需要用到的知識(shí)。處于該知識(shí)需求層次的設(shè)計(jì)人員可以通過(guò)關(guān)鍵詞檢索得到所需的知識(shí)資源。

2)知識(shí)服務(wù)需求模糊

該層次通常指剛接觸產(chǎn)品設(shè)計(jì)工作的設(shè)計(jì)人員或在完成某一具體設(shè)計(jì)任務(wù)之初，由于任務(wù)信息相對(duì)較少，而造成設(shè)計(jì)人員不清楚應(yīng)該利用哪些知識(shí)來(lái)完成設(shè)計(jì)任務(wù)。處于該知識(shí)服務(wù)需求層次的設(shè)計(jì)人員需結(jié)合其執(zhí)行的任務(wù)的情景進(jìn)行知識(shí)推送。

3)知識(shí)服務(wù)需求呈現(xiàn)興趣偏好

該層次通常指高端裝備設(shè)計(jì)人員在執(zhí)行設(shè)計(jì)任務(wù)時(shí)，由于在一定時(shí)間通常從事著相對(duì)固定的設(shè)計(jì)任務(wù)，解決著相同或者相似的設(shè)計(jì)問(wèn)題，在知識(shí)需求上有一定的個(gè)性?xún)A向和主題聚集性。處于該知識(shí)服務(wù)需求層次的設(shè)計(jì)人員需通過(guò)獲取設(shè)計(jì)人員的興趣為其推送相關(guān)知識(shí)。

針對(duì)高端裝備設(shè)計(jì)過(guò)程中不同的知識(shí)服務(wù)需求，本文研究建立了知識(shí)檢索、基于設(shè)計(jì)任務(wù)知識(shí)需求情境推理和基于用戶(hù)興趣的知識(shí)主動(dòng)推送3種不同知識(shí)服務(wù)方法，滿足了高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中不同需求層次的設(shè)計(jì)人員的知識(shí)服務(wù)需求。鑒于知識(shí)檢索可以通過(guò)成熟的Lucene全文檢索工具[14]實(shí)現(xiàn)，本文不再贅述。

2 設(shè)計(jì)任務(wù)情境建模及知識(shí)庫(kù)建立

本章節(jié)針對(duì)知識(shí)服務(wù)需求模糊這一層次，對(duì)高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中的設(shè)計(jì)任務(wù)進(jìn)行了分析，建立了設(shè)計(jì)任務(wù)情境模型。并結(jié)合課題組已有研究實(shí)現(xiàn)了高端裝備設(shè)計(jì)知識(shí)的有效獲取、存儲(chǔ)、表達(dá)，形成了相應(yīng)的高端裝備產(chǎn)品設(shè)計(jì)知識(shí)庫(kù)。

2.1 設(shè)計(jì)任務(wù)情境建模

2.1.1 設(shè)計(jì)任務(wù)情境模型

設(shè)計(jì)任務(wù)情境是指在完成產(chǎn)品設(shè)計(jì)過(guò)程及執(zhí)行具體設(shè)計(jì)任務(wù)中需要的設(shè)計(jì)人員、使用工具、使用知識(shí)資源等要素。通常相似的設(shè)計(jì)任務(wù)擁有相似的情境，設(shè)計(jì)任務(wù)情境隨著設(shè)計(jì)過(guò)程不斷的向前推進(jìn)而變化，通過(guò)情境可理清不同設(shè)計(jì)任務(wù)之間的區(qū)別與聯(lián)系，分析知識(shí)資源和設(shè)計(jì)任務(wù)之間的關(guān)系。故本文提出了利用情境來(lái)對(duì)設(shè)計(jì)任務(wù)進(jìn)行建模，為基于設(shè)計(jì)任務(wù)情境的知識(shí)服務(wù)提供指導(dǎo)。

高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中的設(shè)計(jì)任務(wù)通常都是圍繞某一具體的產(chǎn)品或零部件而展開(kāi)。每一項(xiàng)任務(wù)有明確的任務(wù)內(nèi)容和任務(wù)完成人員，為此本文從任務(wù)對(duì)象、任務(wù)內(nèi)容和任務(wù)人員3個(gè)維度對(duì)設(shè)計(jì)任務(wù)的情境進(jìn)行分析。

任務(wù)對(duì)象：任務(wù)對(duì)象主要是以高端裝備產(chǎn)品結(jié)構(gòu)樹(shù)為基礎(chǔ)，從產(chǎn)品、部件和零件3個(gè)層次對(duì)任務(wù)對(duì)象進(jìn)行描述。

任務(wù)內(nèi)容：從任務(wù)的輸入、輸出、完成任務(wù)所需要的工具及相關(guān)的知識(shí)實(shí)現(xiàn)對(duì)任務(wù)內(nèi)容的描述。

任務(wù)人員：是根據(jù)企業(yè)現(xiàn)有的組織結(jié)構(gòu)，從部門(mén)、車(chē)間和個(gè)人3個(gè)層次對(duì)執(zhí)行任務(wù)的人員進(jìn)行描述。

基于以上分析，建立設(shè)計(jì)任務(wù)情景模型，該模型將任務(wù)情景分為3個(gè)層次。第1層任務(wù)情景層：用于表示某一任務(wù)的情境；第2層情景要素層，包括了任務(wù)對(duì)象、任務(wù)內(nèi)容和設(shè)計(jì)人員3個(gè)情景要素；第3層為情景要素的屬性。

建立的設(shè)計(jì)任務(wù)情境模型可形式化的表示為

Context={E1,E2,E3}

Ei={Pi1,Pi2,…,Pin} (i=1,2,3)

式中：Context表示設(shè)計(jì)任務(wù)情境，Ei表示第i個(gè)情境要素，Pij表示第i個(gè)情境要素的第j個(gè)屬性，ni為第i個(gè)情境要素的屬性個(gè)數(shù)。

情境要素及其屬性定義如表 1所示。

表1 設(shè)計(jì)任務(wù)情境要素

2.1.2 任務(wù)情境的相似度計(jì)算

任務(wù)情境相似度是不同任務(wù)情境間相似程度的度量，為研究相似度的計(jì)算方法，首先作以下定義。

定義1 任務(wù)情境相似度指給定的任務(wù)情境SContext與情境庫(kù)中的任務(wù)情境TContext的相似程度，用函數(shù)Sim(SContext,TContext)表示；其中，SContext為當(dāng)前任務(wù)情境，對(duì)應(yīng)的任務(wù)情境要素SEi(i=1,2,3)和屬性spij(j=1,2,…,n)為當(dāng)前任務(wù)情境要素和當(dāng)前屬性，TContext為目標(biāo)任務(wù)情境，對(duì)應(yīng)的任務(wù)情境要素TEi(i=1,2,3)和屬性tpij(j=1,2,…,n)為目標(biāo)任務(wù)情境要素和目標(biāo)屬性；函數(shù)Sim(SEi,TEi)和Sim(spij,tpij)分別表示SContext與TContext的任務(wù)情境要素相似度和屬性相似度。

定義2 任務(wù)情境結(jié)構(gòu)樹(shù)由任務(wù)情境、任務(wù)情境要素、任務(wù)情境要素屬性構(gòu)成的樹(shù)狀層次結(jié)構(gòu)(如圖2所示)。其中，根結(jié)點(diǎn)為任務(wù)情境，除根結(jié)點(diǎn)外的非葉節(jié)點(diǎn)為要素節(jié)點(diǎn)，葉節(jié)點(diǎn)為屬性節(jié)點(diǎn)。

圖2 情境結(jié)構(gòu)樹(shù)

因此，任務(wù)情境相似度可看作是當(dāng)前任務(wù)情境結(jié)構(gòu)樹(shù)與目標(biāo)任務(wù)情境結(jié)構(gòu)樹(shù)的相似程度。對(duì)于當(dāng)前任務(wù)情境和目標(biāo)任務(wù)情境來(lái)說(shuō)，總相似度依賴(lài)于各個(gè)任務(wù)情境要素的相似度，而任務(wù)情境要素的相似度依賴(lài)于要素包含的各個(gè)屬性的相似度。文中將總?cè)蝿?wù)情境相似度的計(jì)算視為一個(gè)多層多指標(biāo)決策問(wèn)題，其算法流程如圖3所示。

圖3 任務(wù)情境相似度算法流程

該算法采用深度遍歷算法實(shí)現(xiàn)，遍歷任務(wù)情境結(jié)構(gòu)樹(shù)中每一個(gè)任務(wù)情境要素及其屬性節(jié)點(diǎn)。對(duì)于某個(gè)任務(wù)情境要素，分別計(jì)算出該任務(wù)情境要素所包含的各個(gè)屬性相似度后，得到加權(quán)后的任務(wù)情境要素相似度，再由所有任務(wù)情境要素相似度計(jì)算得到加權(quán)后的任務(wù)情境相似度。

2.2 知識(shí)庫(kù)建立

根據(jù)課題組已有研究[14]結(jié)合高端裝備產(chǎn)品設(shè)計(jì)知識(shí)的特點(diǎn)， 利用建立的知識(shí)資源分類(lèi)、獲取、存儲(chǔ)體系，對(duì)收集到的知識(shí)進(jìn)行逐條獲取，然后按照設(shè)計(jì)的知識(shí)存儲(chǔ)模板進(jìn)行存儲(chǔ)，形成了具有1 500余條知識(shí)的知識(shí)庫(kù)，其中部分知識(shí)條目如圖4所示。

圖4 部分知識(shí)條目

3 基于知識(shí)需求情境的知識(shí)服務(wù)方法

在實(shí)際的高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中，對(duì)于剛接觸設(shè)計(jì)工作的設(shè)計(jì)人員或因設(shè)計(jì)之初諸多設(shè)計(jì)信息未確定，設(shè)計(jì)人員往往并不明確自己需要檢索的內(nèi)容，縱然有知識(shí)庫(kù)，依然無(wú)法有效地獲取到相關(guān)知識(shí)來(lái)完成設(shè)計(jì)任務(wù)。針對(duì)該問(wèn)題，結(jié)合企業(yè)調(diào)研，考慮到高端裝備產(chǎn)品的設(shè)計(jì)工作總是按照一定的流程進(jìn)行，知識(shí)資源也在具體的設(shè)計(jì)任務(wù)中不斷地被利用，歷史的設(shè)計(jì)任務(wù)會(huì)積累大量的知識(shí)利用情境。因此本文提出了將知識(shí)被利用的設(shè)計(jì)情境信息應(yīng)用于知識(shí)服務(wù)方法研究中，利用當(dāng)前設(shè)計(jì)人員執(zhí)行的設(shè)計(jì)任務(wù)與歷史設(shè)計(jì)任務(wù)的相似性和設(shè)計(jì)任務(wù)與知識(shí)產(chǎn)生的設(shè)計(jì)情境的相似性為設(shè)計(jì)人員推送相關(guān)的知識(shí)，以解決設(shè)計(jì)人員在設(shè)計(jì)過(guò)程中存在的知識(shí)服務(wù)需求模糊的問(wèn)題。

3.1 基于設(shè)計(jì)任務(wù)知識(shí)需求情境的知識(shí)服務(wù)流程

針對(duì)高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中設(shè)計(jì)人員存在的知識(shí)服務(wù)需求模糊的問(wèn)題，設(shè)計(jì)了如圖5所示的基于知識(shí)需求情境的知識(shí)服務(wù)方案。該知識(shí)服務(wù)流程主要包含2方面，一是對(duì)當(dāng)前知識(shí)需求情境的獲取，以建立設(shè)計(jì)人員的設(shè)計(jì)任務(wù)知識(shí)需求情境；二是根據(jù)建立的知識(shí)需求情境與歷史設(shè)計(jì)任務(wù)情境和知識(shí)庫(kù)中的知識(shí)情境進(jìn)行匹配，從而為設(shè)計(jì)人員提供知識(shí)服務(wù)。

圖5 基于設(shè)計(jì)任務(wù)知識(shí)需求情境的知識(shí)服務(wù)方案

在基于知識(shí)需求情境的知識(shí)服務(wù)流程中，其關(guān)鍵在于知識(shí)需求情境的建模和知識(shí)需求情境與歷史設(shè)計(jì)任務(wù)及知識(shí)的情境相似度計(jì)算，并設(shè)計(jì)相應(yīng)的推薦策略。

3.2 設(shè)計(jì)任務(wù)知識(shí)需求情境建模

針對(duì)高端裝備設(shè)計(jì)知識(shí)總在具體設(shè)計(jì)任務(wù)中被產(chǎn)生和利用這一特點(diǎn)，結(jié)合高端裝備產(chǎn)品的任務(wù)執(zhí)行特點(diǎn)和已建立的基于框架的知識(shí)表達(dá)模型及設(shè)計(jì)任務(wù)情境表達(dá)模型，建立包含設(shè)計(jì)任務(wù)對(duì)象、任務(wù)內(nèi)容及任務(wù)人員等情境要素的設(shè)計(jì)任務(wù)情境模型，用于表達(dá)歷史設(shè)計(jì)任務(wù)和知識(shí)需求任務(wù)情境，通過(guò)該模型可以清晰地表示設(shè)計(jì)人員執(zhí)行當(dāng)前任務(wù)的產(chǎn)品對(duì)象、任務(wù)輸入、任務(wù)輸出等信息，實(shí)現(xiàn)對(duì)當(dāng)前設(shè)計(jì)任務(wù)知識(shí)需求的詳細(xì)描述。

為完成知識(shí)需求情境的建模，首先應(yīng)獲取建立情境的相關(guān)信息。在情境信息獲取方面，本文采用了半自動(dòng)獲取的方式，具體如下：知識(shí)需求情境模型中的設(shè)計(jì)人員信息根據(jù)用戶(hù)在企業(yè)中的角色進(jìn)行自動(dòng)獲取，設(shè)計(jì)對(duì)象及完成該任務(wù)需要的輸入和輸出信息采用用戶(hù)輸入的獲取模式。完成情境信息獲取后，進(jìn)一步利用建立的知識(shí)需求情境表達(dá)模型對(duì)其進(jìn)行表達(dá)，從而形成知識(shí)需求情境結(jié)構(gòu)樹(shù)。

設(shè)計(jì)任務(wù)知識(shí)需求情境建模實(shí)例如圖6、7所示。針對(duì)圖6所示的彈簧操動(dòng)機(jī)構(gòu)在方案設(shè)計(jì)的任務(wù)，根據(jù)設(shè)計(jì)任務(wù)情境模型及情境信息的獲取步驟，建立了彈簧操動(dòng)機(jī)構(gòu)方案設(shè)計(jì)任務(wù)知識(shí)需求情境結(jié)構(gòu)樹(shù)如圖7所示。彈簧操動(dòng)機(jī)構(gòu)由機(jī)構(gòu)支架、分閘組件、合閘組件、儲(chǔ)能組件和指示組件5部分組成。彈簧操動(dòng)機(jī)構(gòu)采用彈簧儲(chǔ)能過(guò)程中快速釋放原理，通過(guò)齒輪/凸輪聯(lián)合傳動(dòng)帶動(dòng)輸出軸轉(zhuǎn)動(dòng)，完成分、合閘動(dòng)作。其結(jié)構(gòu)簡(jiǎn)單、適用范圍廣、動(dòng)作可靠。

圖6 彈簧操動(dòng)機(jī)構(gòu)

圖7 彈簧操動(dòng)機(jī)構(gòu)方案設(shè)計(jì)任務(wù)知識(shí)需求情境結(jié)構(gòu)樹(shù)

3.3 基于設(shè)計(jì)任務(wù)知識(shí)需求情境的知識(shí)服務(wù)方法

基于建立的設(shè)計(jì)任務(wù)知識(shí)需求情境與規(guī)劃的如圖5所示的設(shè)計(jì)知識(shí)服務(wù)方案，分別闡述了知識(shí)需求情境與設(shè)計(jì)知識(shí)匹配，以及知識(shí)需求情境和歷史設(shè)計(jì)任務(wù)情境匹配2種知識(shí)服務(wù)方式。

3.3.1 基于知識(shí)需求情境與設(shè)計(jì)知識(shí)匹配的知識(shí)

服務(wù)

基于知識(shí)需求情境與設(shè)計(jì)知識(shí)匹配的知識(shí)服務(wù)主要包括如下步驟：首先，知識(shí)服務(wù)系統(tǒng)采用Luence全文檢索引擎計(jì)算任務(wù)需求情境中相關(guān)節(jié)點(diǎn)與知識(shí)庫(kù)中知識(shí)的相似度；然后，系統(tǒng)根據(jù)計(jì)算的相似度為設(shè)計(jì)人員推薦相關(guān)的知識(shí)；最后由設(shè)計(jì)人員根據(jù)任務(wù)的特點(diǎn)選擇需要的知識(shí)進(jìn)行查閱以獲得任務(wù)的解決思路。

利用上述知識(shí)推薦方法，基于構(gòu)建的高端裝備設(shè)計(jì)知識(shí)庫(kù)，通過(guò)獲取彈簧操動(dòng)機(jī)構(gòu)方案設(shè)計(jì)、斷路器需求分析的知識(shí)需求情境，得到了如表2所示的知識(shí)推薦結(jié)果。

表2 部分知識(shí)需求情境與知識(shí)設(shè)計(jì)情景匹配知識(shí)推薦示例

由推薦結(jié)果可知，推薦的知識(shí)可為任務(wù)的執(zhí)行提供很好的參考。由此可見(jiàn)，該推薦策略可較好地為設(shè)計(jì)人員執(zhí)行時(shí)任務(wù)提供需要的知識(shí)。

3.3.2 基于知識(shí)需求情境與歷史設(shè)計(jì)任務(wù)情境匹配的知識(shí)服務(wù)

在產(chǎn)品設(shè)計(jì)過(guò)程中，同類(lèi)產(chǎn)品在完成相似設(shè)計(jì)任務(wù)時(shí)，在知識(shí)的利用上具有一定的相似性。為此，本文提出基于知識(shí)需求情境與歷史設(shè)計(jì)任務(wù)情境匹配的知識(shí)服務(wù)。其核心是通過(guò)本文提出的情景相似度計(jì)算方法完成當(dāng)前的設(shè)計(jì)任務(wù)知識(shí)需求情境與歷史任務(wù)情境的匹配，從而獲得相似的歷史設(shè)計(jì)任務(wù)情境的知識(shí)標(biāo)簽，然后利用知識(shí)標(biāo)簽觸發(fā)知識(shí)檢索，得到當(dāng)前設(shè)計(jì)任務(wù)情境下的知識(shí)資源。

通過(guò)將彈簧操動(dòng)機(jī)構(gòu)方案設(shè)計(jì)這一設(shè)計(jì)任務(wù)知識(shí)需求情境與歷史任務(wù)情景進(jìn)行匹配，可得到如表3所示的結(jié)果。

表3 彈簧操動(dòng)機(jī)構(gòu)方案設(shè)計(jì)任務(wù)匹配知識(shí)推薦結(jié)果

通過(guò)對(duì)推薦結(jié)果的分析可知，該方法因利用了設(shè)計(jì)任務(wù)情境中的知識(shí)標(biāo)簽這一預(yù)定義屬性來(lái)獲取相關(guān)知識(shí)，提高了推薦知識(shí)與當(dāng)知識(shí)需求情境的相關(guān)性。同時(shí)設(shè)計(jì)人員在獲取需要知識(shí)的同時(shí)還能從中獲知更多的相近設(shè)計(jì)任務(wù)，為今后的設(shè)計(jì)積累經(jīng)驗(yàn)。

4 基于用戶(hù)興趣的知識(shí)服務(wù)方法

不同高端裝備設(shè)計(jì)人員在執(zhí)行設(shè)計(jì)任務(wù)時(shí)，由于在一定時(shí)間通常從事著相對(duì)固定的設(shè)計(jì)任務(wù)，解決著相同或者相似的設(shè)計(jì)問(wèn)題，在知識(shí)需求上有一定的個(gè)性?xún)A向和主題聚集性。為更好地提供個(gè)性化的知識(shí)服務(wù)，本文提出根據(jù)設(shè)計(jì)人員自定義的興趣標(biāo)簽與近期瀏覽的知識(shí)提取出的興趣主題作為用戶(hù)興趣層面的知識(shí)需求，利用興趣需求為設(shè)計(jì)人員主動(dòng)推薦相關(guān)的知識(shí)，幫助設(shè)計(jì)人員更方便、快捷地獲得自己感興趣的知識(shí)，從而更加高效地完成設(shè)計(jì)工作。

4.1 用戶(hù)興趣的含義及LDA興趣主題建模

用戶(hù)興趣是指高端裝備設(shè)計(jì)人員在進(jìn)行產(chǎn)品設(shè)計(jì)過(guò)程中主要關(guān)心的知識(shí)主題，其可分為設(shè)計(jì)人員根據(jù)從事的設(shè)計(jì)任務(wù)特點(diǎn)及專(zhuān)長(zhǎng)的自定義興趣和在完成設(shè)計(jì)工作時(shí)根據(jù)近期的知識(shí)瀏覽記錄進(jìn)行數(shù)據(jù)挖掘分析而提取出的興趣。用戶(hù)興趣主要用知識(shí)標(biāo)簽或主題詞表示。

自定義用戶(hù)興趣主要通過(guò)設(shè)計(jì)人員手動(dòng)添加或修改。由近期的知識(shí)瀏覽記錄分析提取的用戶(hù)興趣主要通過(guò)數(shù)據(jù)挖掘算法完成。用戶(hù)知識(shí)瀏覽記錄興趣的提取，從自然語(yǔ)言處理的角度來(lái)看和文章摘要或關(guān)鍵詞的概括非常相似。摘要及關(guān)鍵詞概括方面的研究很多，但卻很少有學(xué)者將其運(yùn)用到產(chǎn)品設(shè)計(jì)知識(shí)服務(wù)中。在眾多方法中文檔主題生成模型(latent dirchlet alloction, LDA)非常具有代表性，該模型于2003年由Blei等[16]提出，是基于概率圖的三層貝葉斯模型，其結(jié)構(gòu)模型更為完整清晰，采用高效的概率推斷算法處理大規(guī)模數(shù)據(jù)。LDA主題模型因其完備的數(shù)學(xué)模型和良好的語(yǔ)義挖掘性能，在新聞推薦、微博興趣發(fā)現(xiàn)方面有較好的利用。根據(jù)該模型理論特征和應(yīng)用現(xiàn)狀，可知該方法能勝任與設(shè)計(jì)過(guò)程中用戶(hù)興趣的提取，因而本文在原始的LDA模型基礎(chǔ)上進(jìn)行了一定的改進(jìn)，從而實(shí)現(xiàn)了基于用戶(hù)知識(shí)瀏覽記錄的用戶(hù)興趣主題詞的提取。

本文建立的LDA主題模型的邏輯結(jié)構(gòu)如圖8所示，即認(rèn)為每條知識(shí)文本內(nèi)容(文檔)的每個(gè)詞都是通過(guò)以一定概率選擇了某個(gè)主題，并從這個(gè)主題中以一定概率選擇某個(gè)詞語(yǔ)，其中主要包含了以下3個(gè)矩陣。

圖8 LDA主題模型的邏輯結(jié)構(gòu)

文檔—詞語(yǔ)矩陣表示每條知識(shí)文本內(nèi)容中每個(gè)單詞的詞頻，即出現(xiàn)的概率；

主題—詞語(yǔ)矩陣表示每個(gè)主題中每個(gè)單詞的出現(xiàn)概率；

文檔—主題矩陣表示每條知識(shí)中每個(gè)主題出現(xiàn)的概率。

基于上述思想，要完成用戶(hù)興趣的LDA主題模型建立，需要解決以下2個(gè)問(wèn)題：一是對(duì)知識(shí)的文本內(nèi)容進(jìn)行分詞，計(jì)算各條知識(shí)文本內(nèi)容中每個(gè)單詞的詞頻就可以得到左邊“文檔-詞語(yǔ)”矩陣；二是通過(guò)一定的方法得到“主題-詞語(yǔ)”和“文檔-主題”2個(gè)矩陣。建立用戶(hù)興趣LDA主題模型的關(guān)鍵就是解決如何由 “文檔-詞語(yǔ)”矩陣進(jìn)行訓(xùn)練，學(xué)習(xí)出右邊2個(gè)矩陣。

LDA模型的數(shù)學(xué)推導(dǎo)非常嚴(yán)密而復(fù)雜，涉及了Gamma函數(shù)、Dirichlet分布、Dirichlet-Multinomial共軛、Gibbs Sampling、貝葉斯文本建模等內(nèi)容[16]，由于其理論已經(jīng)非常成熟，這里不再贅述，只對(duì)其中最為關(guān)鍵的主題模型訓(xùn)練過(guò)程進(jìn)行簡(jiǎn)要敘述。

用戶(hù)興趣LDA主題模型一般用如圖9所示的概率圖模型進(jìn)行表示，模型中相關(guān)內(nèi)容的解釋及訓(xùn)練過(guò)程如下。

圖9 LDA的概率圖模型

θ是一條知識(shí)的主題分布，φk表示第k個(gè)主題的詞分布。

共有m篇文章，一共涉及了K個(gè)主題。

每條知識(shí)文本內(nèi)容(長(zhǎng)度為Nm)都有各自的主題分布，主題分布是多項(xiàng)分布，該多項(xiàng)分布的參數(shù)服從Dirichlet分布，該Dirichlet分布的參數(shù)為α。

每個(gè)主題都有各自的詞分布，詞分布為多項(xiàng)分布，該多項(xiàng)分布的參數(shù)服從Dirichlet分布，該Dirichlet分布的參數(shù)為β。

對(duì)于某條知識(shí)文本內(nèi)容中的第n個(gè)詞，首先從該知識(shí)的主題分布中采樣一個(gè)主題，然后在這個(gè)主題對(duì)應(yīng)的詞分布中采樣一個(gè)詞。不斷重復(fù)這個(gè)隨機(jī)生成過(guò)程，直到m條知識(shí)全部完成上述過(guò)程。

4.2 語(yǔ)料生成及用戶(hù)興趣主題提取

在上述對(duì)用戶(hù)知識(shí)瀏覽記錄興趣定義及興趣LDA主題模型分析的基礎(chǔ)上，研究了用戶(hù)興趣的挖掘和用戶(hù)興趣預(yù)測(cè)。

為完成語(yǔ)料生成及用戶(hù)興趣主題提取，首先需生成用于建立興趣主題模型的語(yǔ)料文檔和用于進(jìn)行興趣預(yù)測(cè)的興趣文檔。在語(yǔ)料文檔生成方面，由于知識(shí)名稱(chēng)、摘要及主體內(nèi)容包含知識(shí)語(yǔ)義信息，首先需對(duì)知識(shí)庫(kù)中所有知識(shí)的名稱(chēng)、摘要和主體內(nèi)容進(jìn)行抽取，再進(jìn)行中文分詞，進(jìn)而得到語(yǔ)料文檔；而興趣文檔生成方面，則根據(jù)用戶(hù)近期瀏覽的知識(shí)按照相似的方法進(jìn)行生成。

在完成了語(yǔ)料文檔和興趣文檔生成之后，進(jìn)一步按照主題模型的訓(xùn)練過(guò)程對(duì)語(yǔ)料文檔進(jìn)行訓(xùn)練，并利用興趣文檔對(duì)用戶(hù)的興趣進(jìn)行預(yù)測(cè)。在訓(xùn)練和預(yù)測(cè)方面，本文在開(kāi)源代碼“LDA4j”[17]的基礎(chǔ)上，根據(jù)本文在用戶(hù)興趣提取和預(yù)測(cè)上的需求，在興趣主題生成模型及主題顯示等功能上進(jìn)行了擴(kuò)展，實(shí)現(xiàn)了用戶(hù)的興趣主題預(yù)測(cè)。如圖10所示為對(duì)用戶(hù)“baiquandong”的興趣主題預(yù)測(cè)主要過(guò)程及結(jié)果。

圖10 根據(jù)用戶(hù)瀏覽歷史記錄的LDA興趣主題預(yù)測(cè)

由圖10可以看出預(yù)測(cè)的主題詞很好地反映了用戶(hù)的興趣，為基于用戶(hù)興趣的知識(shí)主動(dòng)服務(wù)奠定基礎(chǔ)。

4.3 基于用戶(hù)興趣的知識(shí)服務(wù)方法及案例

根據(jù)用戶(hù)的興趣主題，進(jìn)一步利用全文檢索引擎推薦用戶(hù)關(guān)心的知識(shí)。在具體實(shí)現(xiàn)上，結(jié)合了基于Luence的全文檢索方法，利用得到的主題詞及用戶(hù)自定義的興趣標(biāo)簽作為關(guān)鍵詞進(jìn)行知識(shí)的檢索和過(guò)濾，從而完成知識(shí)推薦，其中針對(duì)用戶(hù)“baiquandong”的興趣進(jìn)行知識(shí)推薦的過(guò)程及結(jié)果如圖11所示。

圖11 基于用戶(hù)瀏覽記錄興趣主題及自定義興趣的知識(shí)推薦實(shí)例

用戶(hù)興趣知識(shí)推薦結(jié)果包括了2方面：一是由用戶(hù)自定義的“斷路器”、“高端裝備”和“結(jié)構(gòu)設(shè)計(jì)”等興趣標(biāo)簽為用戶(hù)推薦了“高壓斷路器的結(jié)構(gòu)與種類(lèi)”、“鉚接結(jié)構(gòu)設(shè)計(jì)的原則”等知識(shí)；二是由用戶(hù)近期瀏覽記錄—彈簧操動(dòng)機(jī)構(gòu)，由LDA主題模型訓(xùn)練得到了“彈簧”、“操動(dòng)機(jī)構(gòu)”、“介紹”等主題詞，并通過(guò)上述主題詞為用戶(hù)推薦了“彈簧操動(dòng)機(jī)構(gòu)的組成”、“液壓彈簧操動(dòng)機(jī)構(gòu)的總體結(jié)構(gòu)”等知識(shí)。同時(shí)，用戶(hù)還可以根據(jù)主題詞檢索得到更多的知識(shí)信息。

5 結(jié)論

本文在充分分析高端裝備設(shè)計(jì)人員三層次知識(shí)服務(wù)需求的基礎(chǔ)上，依托Lucene全文檢索引擎，建立了包括基于設(shè)計(jì)任務(wù)知識(shí)需求情境的知識(shí)服務(wù)方法和基于用戶(hù)興趣的知識(shí)服務(wù)方法的多模式融合的知識(shí)服務(wù)方法，并開(kāi)發(fā)了相應(yīng)的知識(shí)服務(wù)系統(tǒng)。得出以下結(jié)論：

1)在基于設(shè)計(jì)任務(wù)知識(shí)需求情境的知識(shí)服務(wù)方面，以產(chǎn)品設(shè)計(jì)過(guò)程任務(wù)為導(dǎo)向，通過(guò)建立當(dāng)前設(shè)計(jì)任務(wù)的知識(shí)需求情境模型，利用提出的情境匹配算法，通過(guò)匹配歷史設(shè)計(jì)知識(shí)或歷史設(shè)計(jì)任務(wù)情境2種方式為設(shè)計(jì)人員實(shí)時(shí)提供相關(guān)的知識(shí)資源。

2)在用戶(hù)興趣知識(shí)服務(wù)方面，利用用戶(hù)自定義興趣的方法和基于LDA的用戶(hù)興趣實(shí)時(shí)提取與預(yù)測(cè)的方法建立用戶(hù)興趣詞匯，觸發(fā)基于Lucene的全文檢索引擎，從而為用戶(hù)推薦潛在的興趣知識(shí)。

3)本文闡述的知識(shí)服務(wù)案例驗(yàn)證了提出的多模式知識(shí)服務(wù)方法及開(kāi)發(fā)的知識(shí)服務(wù)系統(tǒng)在高端裝備產(chǎn)品設(shè)計(jì)過(guò)程中的有效性與實(shí)用性，具有一定的理論與應(yīng)用價(jià)值。