基于知识图谱的社交类问答平台上探索式搜索系统的研究和实现

这是一篇关于知识图谱,探索式搜索,语义,本体,规则学习的论文, 主要内容为搜索已经成为人们获取信息的主要途径。目前流行的搜索引擎提供的均是“提出问题一返回结果”的一次性交互的搜索模式,当用户对于搜索目标不了解,或者搜索目标不够明确时,用户很难从这种搜索模式提供的结果中找到满意的回答。论文针对这一问题,以社交类问答平台为基本的数据资源,对探索式搜索的过程和实现技术进行了深入研究。从探索式搜索迭代交互的思想出发,利用知识图谱对数据资源进行组织,使用基于规则的学习算法,设计并给出了一个探索式搜索的原型系统。该系统不仅支持常规的搜索行为,更能辅助用户进行学习,在学习过程中更深入的了解所感兴趣的研究领域,从而构造出更精确的查询条件,获得满意的搜索结果。本论文结合社交类问答平台的优势,选择知乎平台的教育话题作为原型系统的基础数据济源,将知乎平台的教育数据进行知识图谱存储,为探索式搜索过程服务。本论文所设计与实现的探索式搜索系统将有效地解决用户搜索目标不明确、传统搜索忽视问题上下文背景以及传统搜索引擎的一次性交互带来的搜索结果不准确等问题。论文的主要研究分为以下三个方面:首先对社交类问答平台的数据进行分析收集和整理。利用语义Web相关技术对知乎平台的数据进行描述和定义。本文利用斯坦福七步法来构建数据的本体:首先通过结合RDFS和FOAF对知乎平台的教育话题数据进行定义,进而利用图数据库Noe4j对数据进行存储,形成知识图谱。其次分析了探索式搜索的实现过程以及搜索过程的要点,采用了一种基于规则的学习算法,帮助记录和学习用户的迭代反馈结果。本文依据探索式搜索的特点和基于规则的学习算法进一步设计了探索式搜索过程的实现框架。最后根据社交类问答平台数据的特点,利用以知识图谱加之规则学习的数据库,实现了基于知识图谱的探索式搜索的系统,并与传统的搜索引擎实现搜索结果的过程进行对比,从调查问卷和对比论证两方面进行评估验证。本论文将研究技术通过基于社交类问答平台的知识图谱的探索式搜索系统得以实现,实现探索式搜索。利用该系统,用户可实现搜索目标由模糊到清晰进而明确搜索任务,进而培养用户学习和研究某一领域的能力。

基于深度学习的实景三维多层级重建关键技术研究

这是一篇关于实景三维,室内场景重建,点云补全,语义,三维重建的论文, 主要内容为实景三维中国建设按照表达内容和层级可划分为地形级、城市级以及部件级三维建设。随着实景三维中国建设的全面推进,室内外三维模型的重建工作在摄影测量与遥感领域受到的重视日益增加。然而自动化程度低,语义信息的缺乏制约着三维模型的快速生成与广泛应用。近年来,深度学习技术发展迅速,在多种数据的语义识别和生成任务中发挥了重要作用。本文围绕城市级室外三维重建以及部件级室内三维重建的主题展开研究,在深度学习方法提供的语义信息引导下,尝试提出一种针对多层级实景三维的自动化建模框架。在城市级室外三维重建工作中,传统手工的三维重建方法存在效率低下、耗费大量人力物力的问题;其次目前的城市级自动化模型重建方法仅仅能做到整体模型构建,无法对建筑物进行自动化、结构化单体重建。针对这两个问题,本文以卫星影像及DSM为数据源,提出一种基于Mask R-CNN网络的城市区域LOD-1级模型重建技术。首先使用Mask R-CNN语义分割网络获取正射影像中建筑物形状信息,将其作为语义信息指导;其次对形状信息进行轮廓提取及规则化处理;接着将规则化的二维形状信息与DSM的三维高程信息相结合,从而实现对城市级室外建筑物的自动化建模;最后在GF-7影像及SVS软件生成的DSM上进行了相关实验。实验结果表明本文提出的方法可以实现城市级室外建筑物LOD1级建模。在部件级室内三维重建工作中,部件级室内模型更加精细、复杂,对语义信息与结构信息的精度要求更高;实际场景点云因遮挡等会出现残缺,重叠现象,影响三维重建精度;室内建模难以自动化,语义化。针对上述问题,本文以Lidar信息为主要数据源,提出一种语义化、自动化的部件级三维重建策略,主要包括三个部分:(1)首先提出一种基于图编码的点云语义分割网络LFCG-Net。网络的主要思想是使用全连接图结构进行点云特征编码以更为全面的描述点云局部特征信息,在此基础上,将多重残差的思想应用到三维点云以增大感受野,提升特征学习能力,并使用反频率权重交叉熵损失函数缓解数据集样本不平衡问题。多种点云数据集的测试结果证明了语义分割方法的有效性。(2)其次在提取的语义信息基础上提出一种基于跨模态自监督的点云补全方法PCSL,从而对于不完整的分割点云进行补全。PCSL方法主要包括掩码自编码自监督学习方法与跨模态对比学习方法两个分支。掩码自编码自监督学习方法通过对编码网络编码后的特征进行解码,从而学习点云的整体结构信息,辅助点云补全;跨模态对比学习方法是将编码后特征投影到高维空间,再通过孪生网络的对比学习获得融合特征,从而获取同类点云的共有信息,辅助点云表征学习。(3)最后在补全的具有语义信息的点云基础上,提出一种基于点云语义与模型匹配的部件级室内三维重建方法尝试进行部件级的三维重建。首先构建了3D-ESF室内模型库,并提出了基于语义分割置信度的候选模型构建策略;然后在模型与点云类别对应的基础上,提出了一种由粗到精的室内场景自动化匹配建模方法;最后在Scan Net部分数据上进行了相关实验,实验结果表明:在点云的语义信息引导下,本文提出的自动化匹配建模方法可以对部件级地物进行较为快速、准确的三维重建。

基于本体的主题相关度算法研究

这是一篇关于主题相关度,算法,语义,本体的论文, 主要内容为专业搜索引擎针对某一特定领域、某一特定人群或某一特定需求提供有价值的信息和服务，是网络信息搜索未来发展的方向之一。在网络资源规模巨大且资源总量迅速增加的情况下，专业搜索引擎首要解决的问题是如何高效准确的获取特定领域或特定主题的网络信息——目标网络资源，包括网页和链接。此问题的核心和关键点是如何计算目标网络资源的主题相关度，包括评估网页的主题相关度与预测链接的主题相关度。 现有的主题相关度算法基本在字符层次上计算主题相关度，处理概念或语义的能力相对不足，结果是主题相关度判断不准确，导致获取主题信息的准确率较低。由于本体优秀的语义表达能力，研究引入本体工具，利用本体表达主题并将网页概念化，在比较分析各个经典主题相关度算法的基础上，最终比选出具备更高准确率和效率的主题相关度算法，包括网页主题相关度评估算法和链接主题相关度预测算法，进而设计并实现具备更高效率和语义处理能力的主题网络信息抓取系统——基于本体的主题爬虫系统，最后通过实验验证算法的有效性。 在归纳和评述相关文献的基础上，针对获取主题信息时准确率和效率不高的问题，以收获率和时间效率为指标分别比选出合适的主题相关度算法予以解决。在提高主题信息获取准确率方面，通过比较KNN分类算法、概念空间向量模型CSVM算法和基于本体的主题相关度评估算法，选定基于本体的主题相关度评估算法，算法将网页中的概念映射到本体中计算网页主题相关度。在提高主题信息获取效率方面，通过比较主题敏感的PageRank算法、基于链接文本内容的算法和基于本体的链接主题相关度预测算法，选定基于本体的链接主题相关度预测算法，算法结合了Q学习和朴素贝叶斯分类器以预测链接的长期价值，通过比较链接的长期价值选取待抓取的链接，其中Q学习器通过基于本体的网页主题相关度评估算法算出的网页主题相关度值获得反馈。 在选定的算法基础上，研究应用此算法设计基于本体的主题爬虫系统，通过构建小型苹果本体，以苹果主题为例详细阐述了主题爬虫系统的运行流程，最后实现系统并以收获率为指标与宽度优先算法指导的爬虫以及Best-First算法指导的爬虫相比较，实验结果显示，基于本体的主题相关度算法指导的主题爬虫具备更高的收获率，在抓取主题相关网络资源时具备更大的潜力。

基于数据挖掘的用户语义智能分析系统设计与开发

这是一篇关于用户研究,语义,需求,可用性,智能分析系统的论文, 主要内容为用户反馈是用户体验优化的重要组成部分,对于互联网产品来说,用户评论则是用户反馈最直接的组成部分。通过处理用户评论,能有效地获取用户需求,挖掘产品的可用性问题,为产品的优化迭代提供切实有力的支撑。在大数据时代,数据挖掘技术得到了飞速发展。本文所涉及开发的基于数据挖掘的用户语义智能分析系统旨在利用人工智能简化用户反馈的分析过程,将设计师从冗杂重复的案头工作中解放出来,探索人工智能在设计研究中的应用方式。本系统以自然语言处理技术为核心技术点,对自然语言处理在中文语境中的应用进行了详细的实践。系统的主要功能包括用户将大文本的用户评论上传至系统进行分析,系统则输出包括需求,关键词,优缺点在内的top10问题,以及每个问题所属的原始评论。系统为后续设计研究中的各项工作提供强有力的支撑。用户语义智能分析系统通过对用户反馈的原始评论进行详细的分析,来探索评论中用户需求和产品可用性问题的表达方式和构成特征,并提出了具有普遍适用性的用户需求和可用性问题的基础构成形式。在此基础上,利用现有的自然语言处理技术对原始文本进行分词分句,情感分析和依存文法分析等语义处理,然后利用观点分析,观点标签抽取和极性分析等方法对语义处理结果进行分析,最后,进行数据相似度计算以获得用户需求和产品可用性分析的聚类结果。本文探讨了功能设计的策略,在充分研究了使用场景和用户认知的基础上,使用以用户为中心的设计方法,提出了系统的设计流程。通过多次用户反馈进行功能设计迭代,最终构建了系统的交互界面设计模型。最后,在充分实践的基础上,根据交互原型,设计了该系统的可视化界面。经由设计师和工程师的共同努力,最终将产品实现并投入使用。该系统能够应用在设计研究中,切实地提高在大量用户信息中获取有效信息的效率。本文对于人工智能在设计中的应用做出了探索和尝试,并为设计研究提供了新的工具和方法。

基于语义的单件小批量产品创新设计模型研究

这是一篇关于单件小批量,创新设计,遗传算法,语义的论文, 主要内容为制造业是决定一个国家经济发展水平的支柱产业,而产品创新设计是制造业的“灵魂”,它在现在制造业中发挥着越来越重要的作用。本文阐述的是有关单件小批量企业产品的创新设计模型研究。企业产品的创新设计模型是企业实施先进制造战略、增强企业经营过程竞争力的重要基础;而知识又是产品创新设计的核心,所以本文采用基于本体的语义库来进行知识的表达,采用基于语义的遗传算法对产品的创新设计进行优化,进而建立单件小批量产品的创新设计模型。 本文探索了有关单件小批量企业产品的创新设计,主要的研究工作如下: 首先,从总体上介绍了国内以及国外单件小批量产品创新设计的研究现状,叙述了目前我国在该领域取得的进步以及与国外存在的差距。当前我们还存在哪些问题,随后给出了整个论文的思路和组织结构。 我们通过基于语义的遗传算法来对单件小批量产品的创新设计系统进行优化。在此过程中我们给出了有关语义的表示和形成,以及遗传算法的具体实现过程。在建立产品创新设计系统的过程中,我们详细论述了本体的定义和分类,并建立了基于本体的语义库和语义库的建模过程。 详细讨论了基于语义的单件小批量产品创新设计系统的设计过程和模型的建立,在此过程中我们用到了产品的分解重构理论,从而使我们的系统更加的完善和高效。 最后,根据已建立的语义库和产品的设计模型,对单件小批量产品创新设计模型系统进行了设计——从流程的设计、功能设计、语义库设计、权限的设计以及逻辑的处理等各方面进行完整的阐述。 论文的最后我们采用基于struts的框架,jsp和SQL Server 2000,构建了单件小批量产品创新系统的原型系统。

基于Hadoop的领域知识库自动构建关键技术研究

这是一篇关于领域知识库,语义,文本聚类,Hadoop,谱聚类并行算法的论文, 主要内容为研究发现,如果把领域知识应用于信息处理的各种技术中,例如信息提取、信息检索、数据挖掘等,都能取得很好的效果,而这些方法能取得很好的效果关键在于存在一个领域知识库。当前,领域知识库的构建需要领域专家大量参与,耗时耗力。随着大数据时代的到来,文本信息呈几何级数增长,如何在海量数据当中准确、快速寻找所需要的知识,以构建领域知识库,是当前研究人员所面临的挑战。与传统构建领域知识库相比,本文提出一种准确性较高、速度较快的构建方案。对构建方案两大关键技术深入研究:1.文本挖掘是一种在文本信息中获取知识的技术,然而,文本数据的高维、稀疏等特性会导致文本特征提取精度下降。特征降维通过删除无关的冗余、噪声特征,达到降维目的,是构建领域知识库的关键技术之一。传统的特征降维技术仅仅考虑特征的统计信息,忽略了特征的语义,所选的特征集往往不能从语义层次完整、准确地表达文档的意思。而中文一词多义和多词同义现象严重,更要充分考虑语义信息。本文提出了一种基于语义降维的思路,通过引用知网(How Net)库,将特征投影到知网语义空间计算语义相似度合并同义词、近义词。通过实验对比,证明了这种方法降低了特征维度。TF-IDF忽略了词的其它特征和语义对关键词的影响,文本提出一种基于TF-IDF、词位置、词跨度以及结合领域知识的知网语义加权算法,实验结果表明,准确率和召回率均有所提升。2.文本聚类是文本挖掘的重要技术,也是构建领域知识库的关键技术之一。本文首先实验串行化文本聚类,实验证明,面对海量数据处理时,串行化文本聚类不能在有效的时间内完成聚类任务。为了解决这个关键问题,对开源分布式平台Hadoop的基本架构及其关键技术--HDFS分布式文件系统和Map Reduce编程模型进行深入研究,并在此基础上设计了基于Hadoop分布式平台的分布式并行文本聚类算法,将文本聚类分成几块并行化:并行构建文本向量、并行矩阵相似度计算、并行矩阵相乘以及并行数据划分。实验结果表明:本文设计的分布式并行文本聚类算法在处理海量的、高维的数据集时具有可行性,时间复杂度大幅降低,聚类效果的准确率和召回率均有所提升。本文实验选择大数据领域本身作为实验对象,构建该领域的领域知识库。基于该库建立术语管理后台;同时,提供领域术语服务和导航服务。

基于语义的单件小批量产品创新设计模型研究

这是一篇关于单件小批量,创新设计,遗传算法,语义的论文, 主要内容为制造业是决定一个国家经济发展水平的支柱产业,而产品创新设计是制造业的“灵魂”,它在现在制造业中发挥着越来越重要的作用。本文阐述的是有关单件小批量企业产品的创新设计模型研究。企业产品的创新设计模型是企业实施先进制造战略、增强企业经营过程竞争力的重要基础;而知识又是产品创新设计的核心,所以本文采用基于本体的语义库来进行知识的表达,采用基于语义的遗传算法对产品的创新设计进行优化,进而建立单件小批量产品的创新设计模型。 本文探索了有关单件小批量企业产品的创新设计,主要的研究工作如下: 首先,从总体上介绍了国内以及国外单件小批量产品创新设计的研究现状,叙述了目前我国在该领域取得的进步以及与国外存在的差距。当前我们还存在哪些问题,随后给出了整个论文的思路和组织结构。 我们通过基于语义的遗传算法来对单件小批量产品的创新设计系统进行优化。在此过程中我们给出了有关语义的表示和形成,以及遗传算法的具体实现过程。在建立产品创新设计系统的过程中,我们详细论述了本体的定义和分类,并建立了基于本体的语义库和语义库的建模过程。 详细讨论了基于语义的单件小批量产品创新设计系统的设计过程和模型的建立,在此过程中我们用到了产品的分解重构理论,从而使我们的系统更加的完善和高效。 最后,根据已建立的语义库和产品的设计模型,对单件小批量产品创新设计模型系统进行了设计——从流程的设计、功能设计、语义库设计、权限的设计以及逻辑的处理等各方面进行完整的阐述。 论文的最后我们采用基于struts的框架,jsp和SQL Server 2000,构建了单件小批量产品创新系统的原型系统。

基于数据挖掘的用户语义智能分析系统设计与开发

这是一篇关于用户研究,语义,需求,可用性,智能分析系统的论文, 主要内容为用户反馈是用户体验优化的重要组成部分,对于互联网产品来说,用户评论则是用户反馈最直接的组成部分。通过处理用户评论,能有效地获取用户需求,挖掘产品的可用性问题,为产品的优化迭代提供切实有力的支撑。在大数据时代,数据挖掘技术得到了飞速发展。本文所涉及开发的基于数据挖掘的用户语义智能分析系统旨在利用人工智能简化用户反馈的分析过程,将设计师从冗杂重复的案头工作中解放出来,探索人工智能在设计研究中的应用方式。本系统以自然语言处理技术为核心技术点,对自然语言处理在中文语境中的应用进行了详细的实践。系统的主要功能包括用户将大文本的用户评论上传至系统进行分析,系统则输出包括需求,关键词,优缺点在内的top10问题,以及每个问题所属的原始评论。系统为后续设计研究中的各项工作提供强有力的支撑。用户语义智能分析系统通过对用户反馈的原始评论进行详细的分析,来探索评论中用户需求和产品可用性问题的表达方式和构成特征,并提出了具有普遍适用性的用户需求和可用性问题的基础构成形式。在此基础上,利用现有的自然语言处理技术对原始文本进行分词分句,情感分析和依存文法分析等语义处理,然后利用观点分析,观点标签抽取和极性分析等方法对语义处理结果进行分析,最后,进行数据相似度计算以获得用户需求和产品可用性分析的聚类结果。本文探讨了功能设计的策略,在充分研究了使用场景和用户认知的基础上,使用以用户为中心的设计方法,提出了系统的设计流程。通过多次用户反馈进行功能设计迭代,最终构建了系统的交互界面设计模型。最后,在充分实践的基础上,根据交互原型,设计了该系统的可视化界面。经由设计师和工程师的共同努力,最终将产品实现并投入使用。该系统能够应用在设计研究中,切实地提高在大量用户信息中获取有效信息的效率。本文对于人工智能在设计中的应用做出了探索和尝试,并为设计研究提供了新的工具和方法。

基于知识图谱的社交类问答平台上探索式搜索系统的研究和实现

这是一篇关于知识图谱,探索式搜索,语义,本体,规则学习的论文, 主要内容为搜索已经成为人们获取信息的主要途径。目前流行的搜索引擎提供的均是“提出问题一返回结果”的一次性交互的搜索模式,当用户对于搜索目标不了解,或者搜索目标不够明确时,用户很难从这种搜索模式提供的结果中找到满意的回答。论文针对这一问题,以社交类问答平台为基本的数据资源,对探索式搜索的过程和实现技术进行了深入研究。从探索式搜索迭代交互的思想出发,利用知识图谱对数据资源进行组织,使用基于规则的学习算法,设计并给出了一个探索式搜索的原型系统。该系统不仅支持常规的搜索行为,更能辅助用户进行学习,在学习过程中更深入的了解所感兴趣的研究领域,从而构造出更精确的查询条件,获得满意的搜索结果。本论文结合社交类问答平台的优势,选择知乎平台的教育话题作为原型系统的基础数据济源,将知乎平台的教育数据进行知识图谱存储,为探索式搜索过程服务。本论文所设计与实现的探索式搜索系统将有效地解决用户搜索目标不明确、传统搜索忽视问题上下文背景以及传统搜索引擎的一次性交互带来的搜索结果不准确等问题。论文的主要研究分为以下三个方面:首先对社交类问答平台的数据进行分析收集和整理。利用语义Web相关技术对知乎平台的数据进行描述和定义。本文利用斯坦福七步法来构建数据的本体:首先通过结合RDFS和FOAF对知乎平台的教育话题数据进行定义,进而利用图数据库Noe4j对数据进行存储,形成知识图谱。其次分析了探索式搜索的实现过程以及搜索过程的要点,采用了一种基于规则的学习算法,帮助记录和学习用户的迭代反馈结果。本文依据探索式搜索的特点和基于规则的学习算法进一步设计了探索式搜索过程的实现框架。最后根据社交类问答平台数据的特点,利用以知识图谱加之规则学习的数据库,实现了基于知识图谱的探索式搜索的系统,并与传统的搜索引擎实现搜索结果的过程进行对比,从调查问卷和对比论证两方面进行评估验证。本论文将研究技术通过基于社交类问答平台的知识图谱的探索式搜索系统得以实现,实现探索式搜索。利用该系统,用户可实现搜索目标由模糊到清晰进而明确搜索任务,进而培养用户学习和研究某一领域的能力。

基于本体的主题相关度算法研究

这是一篇关于主题相关度,算法,语义,本体的论文, 主要内容为专业搜索引擎针对某一特定领域、某一特定人群或某一特定需求提供有价值的信息和服务，是网络信息搜索未来发展的方向之一。在网络资源规模巨大且资源总量迅速增加的情况下，专业搜索引擎首要解决的问题是如何高效准确的获取特定领域或特定主题的网络信息——目标网络资源，包括网页和链接。此问题的核心和关键点是如何计算目标网络资源的主题相关度，包括评估网页的主题相关度与预测链接的主题相关度。 现有的主题相关度算法基本在字符层次上计算主题相关度，处理概念或语义的能力相对不足，结果是主题相关度判断不准确，导致获取主题信息的准确率较低。由于本体优秀的语义表达能力，研究引入本体工具，利用本体表达主题并将网页概念化，在比较分析各个经典主题相关度算法的基础上，最终比选出具备更高准确率和效率的主题相关度算法，包括网页主题相关度评估算法和链接主题相关度预测算法，进而设计并实现具备更高效率和语义处理能力的主题网络信息抓取系统——基于本体的主题爬虫系统，最后通过实验验证算法的有效性。 在归纳和评述相关文献的基础上，针对获取主题信息时准确率和效率不高的问题，以收获率和时间效率为指标分别比选出合适的主题相关度算法予以解决。在提高主题信息获取准确率方面，通过比较KNN分类算法、概念空间向量模型CSVM算法和基于本体的主题相关度评估算法，选定基于本体的主题相关度评估算法，算法将网页中的概念映射到本体中计算网页主题相关度。在提高主题信息获取效率方面，通过比较主题敏感的PageRank算法、基于链接文本内容的算法和基于本体的链接主题相关度预测算法，选定基于本体的链接主题相关度预测算法，算法结合了Q学习和朴素贝叶斯分类器以预测链接的长期价值，通过比较链接的长期价值选取待抓取的链接，其中Q学习器通过基于本体的网页主题相关度评估算法算出的网页主题相关度值获得反馈。 在选定的算法基础上，研究应用此算法设计基于本体的主题爬虫系统，通过构建小型苹果本体，以苹果主题为例详细阐述了主题爬虫系统的运行流程，最后实现系统并以收获率为指标与宽度优先算法指导的爬虫以及Best-First算法指导的爬虫相比较，实验结果显示，基于本体的主题相关度算法指导的主题爬虫具备更高的收获率，在抓取主题相关网络资源时具备更大的潜力。

面向民用飞机总装的产品数据语义演化技术研究与应用

这是一篇关于民机总装,数据管理,语义,本体,BOM,一致性核查的论文, 主要内容为民用飞机是典型的复杂产品,具有产品构型多、结构复杂、生产批量小、单架次管理等特点。以上特点使得民机总装过程涉及到的海量产品数据间关系错综复杂,产品数据准确性难以控制。飞机产品数据对象源自工程设计阶段,经过工程设计、工艺设计、总装等多阶段演化,但同时要维持各环节衍生出的产品对象单一数据源特征。因此,需要建立和维护飞机产品对象内在的语义关联,这不仅有利于保证飞机总装过程中各种数据的一致性、符合性、重用性,也是实现民机适航取证的迫切要求。 本论文针对我国民用飞机总装过程产品数据管理集中在对工艺文件等数据的管理,缺乏对产品对象从工程设计、工艺设计、总装制造、供应商研制等全生命周期视角的研究,缺乏对产品内在语义的关联性等问题,结合大型客机总装制造过程和飞机产品数据的特点,从产品语义模型定义、不同领域的数据语义关联建立、数据一致性核查等方面展开研究,主要内容如下: (1)提出了基于本体的产品数据模型。针对飞机产品研制阶段多、数据量大,数据异构等特点,采用本体论的方法,将飞机总装过程分成了全局领域、工程领域和总装领域,建立了各个领域数据的本体模型,形成了各阶段统一标准的数据模型。 (2)提出了基于语义的不同领域数据映射和维护方法。基于产品研制的多个阶段中数据缺乏联系和BOM(Bill of Material)的多视图特点,提出了在BOM转化过程中实现以BOM为核心的不同领域的本体映射;同时提出了多视图版本模型和版本管理规则,并在此基础上,研究了工程更改发生时,版本变化对数据语义关系的影响。 (3)提出了产品数据语义一致性核查方法。分析了产品数据各阶段差异原因,提出了BOM和文档一致性维护和验证的方法和流程,实现BOM数据和文档数据的一致性检查。 (4)开发了民机总装数据管理系统相关模块。根据本文提出的理论和方法,基于PLM(Product Lifecycle Managment)系统平台,完成基于语义的产品数据模型定义和文档的一致性管理模块开发,采用SSH(Strtus+Hibernate+Spring)架构开发了BOM数据一致性检查模块,并结合企业实际进行了应用验证。