桑 成, 程 健, 史一明

(中國科學(xué)技術(shù)大學(xué) 自動化系,合肥 230022)

閉環(huán)全生命周期管理系統(tǒng)中知識集成與語義標(biāo)注

桑 成*, 程 健, 史一明

(中國科學(xué)技術(shù)大學(xué) 自動化系,合肥 230022)

(*通信作者電子郵箱sc615@mail.ustc.edu.cn)

為了解決閉環(huán)全生命周期管理系統(tǒng)中知識相互獨立、無法共享的問題，針對閉環(huán)全生命周期特點，提出了一種知識集成與語義標(biāo)注方法。首先，簡要闡述了閉環(huán)全生命周期管理系統(tǒng)中知識集成與語義標(biāo)注的內(nèi)涵；其次，利用本體技術(shù)對低溫等離子體設(shè)備構(gòu)建了多維度、多層次知識集成框架；然后，在此基礎(chǔ)上，給出了知識文檔語義標(biāo)注流程，設(shè)計出一種文檔語義向量與本體語義向量的提取與匹配計算方法，完成了低溫等離子體設(shè)備中一個子系統(tǒng)的知識文檔語義標(biāo)注。設(shè)計測試實驗并進(jìn)行驗證，實驗結(jié)果表明,利用閉環(huán)全生命周期管理系統(tǒng)中的知識文檔數(shù)據(jù)集進(jìn)行語義標(biāo)注，平均準(zhǔn)確率達(dá)到84%，平均召回率達(dá)到79%。所提知識集成與語義標(biāo)注方法可以實現(xiàn)知識文檔在閉環(huán)全生命周期管理系統(tǒng)中的共享與重用。

閉環(huán)全生命周期管理；本體；知識集成；語義標(biāo)注；低溫等離子體設(shè)備

0 引言

為實現(xiàn)產(chǎn)品全生命周期信息的管理，歐盟PROMISE(PROduct lifecycle Management and Information tracking using Smart Embedded systems)項目組首先提出了閉環(huán)全生命周期管理(Closed-Loop Lifecycle Management, CL2M)的理念[1]，旨在產(chǎn)品中嵌入信息裝置(Product Embedded Information Device, PEID)[2]獲取產(chǎn)品全生命周期數(shù)據(jù)，打通產(chǎn)品生命中期與后期的信息通道；利用產(chǎn)品數(shù)據(jù)與知識管理(Product Data & Knowledge Management, PDKM)系統(tǒng)，將數(shù)據(jù)轉(zhuǎn)換成知識并進(jìn)行集成，實現(xiàn)產(chǎn)品信息高效管理，達(dá)到智能商業(yè)化應(yīng)用的目的[3]。

提出閉環(huán)全生命周期的理念，目的在于實現(xiàn)產(chǎn)品信息在全生命周期內(nèi)的交互與共享，而PDKM[4]提出在獲取產(chǎn)品不同生命階段信息之后，利用本體為知識語義建模，作為CL2M知識集成框架，提高CL2M系統(tǒng)信息利用率。

目前，國內(nèi)外關(guān)于閉環(huán)全生命周期系統(tǒng)中的知識管理主要集中在各生命周期階段數(shù)據(jù)的集成與整合研究。文獻(xiàn)[5-6]研究了在CL2M系統(tǒng)中，利用本體技術(shù)構(gòu)建用戶與產(chǎn)品業(yè)務(wù)模型的方法，并結(jié)合語義網(wǎng)規(guī)則語言(Semantic Web Rule Language, SWRL)推理整合各個生命階段數(shù)據(jù)，F(xiàn)elic等[7]提出采用面向過程方法，設(shè)計產(chǎn)品鏈與過程鏈本體模型促進(jìn)企業(yè)不同部門間知識的相互理解與協(xié)作，但僅僅圍繞產(chǎn)品各個生命階段業(yè)務(wù)流程進(jìn)行知識集成與表達(dá),忽略了實際的知識類別以及知識應(yīng)用的場景，無法充分挖掘知識的語義信息?，F(xiàn)有的知識管理平臺在進(jìn)行知識文檔語義標(biāo)注時，大多采用手工標(biāo)注，影響了知識錄用效率，而在少數(shù)的知識文檔自動標(biāo)注中，如方偉光等[8]參照本體概念相似度計算，提取了概念間語義關(guān)系，并引入語義增量增加文檔關(guān)鍵詞權(quán)重，最終以關(guān)鍵詞向量作為語義標(biāo)注結(jié)果，但是關(guān)鍵詞向量不能完整表達(dá)文檔語義信息，降低了文檔利用效率，并且不能很好實現(xiàn)文檔與知識本體的關(guān)聯(lián)。

本文以低溫等離子體設(shè)備系統(tǒng)作為研究應(yīng)用對象，從設(shè)備的全生命周期以及設(shè)備知識類型角度出發(fā)，構(gòu)建多維度、多層次、富含語義信息的知識本體，對設(shè)備系統(tǒng)的全生命周期知識進(jìn)行集成。為實現(xiàn)知識文檔的準(zhǔn)確匹配，一方面，綜合詞匯的詞頻與語義關(guān)系提取文檔語義向量；另一方面，利用本體元素語義圖獲取本體語義向量，充分表達(dá)本體元素語義信息；再對兩者進(jìn)行相似度計算，實現(xiàn)知識文檔在本體模型中的準(zhǔn)確匹配，達(dá)到知識文檔的精確標(biāo)注效果，根據(jù)匹配結(jié)果生成語義空間，完成對設(shè)備系統(tǒng)知識文檔的語義標(biāo)注。

1 CL2M系統(tǒng)的知識集成與語義標(biāo)注

1.1 CL2M系統(tǒng)的知識集成

在CL2M系統(tǒng)中，能實現(xiàn)共享與重用的數(shù)據(jù)都可以成為知識。但CL2M系統(tǒng)具有跨生命周期、跨組織、跨平臺等特點，利用PEID與中間件技術(shù)獲取的不同生命階段數(shù)據(jù)，彼此獨立，表達(dá)方式各異，主要表現(xiàn)在：數(shù)據(jù)間沒有相互關(guān)聯(lián)，數(shù)據(jù)表達(dá)模型不同、數(shù)據(jù)保存方式不同、對同一事物語義描述不同；不能實現(xiàn)知識的共享與重用，大大降低知識的利用率。

本體是共享概念的規(guī)范化說明[9]，由概念、關(guān)系、實例、公理這四種基本建模元素組成，具有概念化、規(guī)范化、明確性、共享性等特點。將本體應(yīng)用于CL2M系統(tǒng)，可從全生命周期的角度，采用共同認(rèn)可、規(guī)范的概念對其進(jìn)行描述，從而形成CL2M系統(tǒng)的知識語義網(wǎng)。CL2M系統(tǒng)知識集成主要達(dá)到以下目的：1)消除各階段數(shù)據(jù)異構(gòu)性；2)實現(xiàn)數(shù)據(jù)向知識轉(zhuǎn)換；3)提取知識間語義關(guān)系，最終實現(xiàn)各階段知識互聯(lián)。

1.2 CL2M系統(tǒng)語義標(biāo)注

語義標(biāo)注[10]是指，通過提取能表達(dá)文檔語義信息的關(guān)鍵詞作為文檔標(biāo)識與本體元素進(jìn)行匹配，達(dá)到知識文檔與本體的關(guān)聯(lián)，利用本體模型片段表達(dá)知識文檔，從而將文檔融入CL2M系統(tǒng)知識語義網(wǎng)。陳思等[11]對語義空間的生成與存儲進(jìn)行了深入研究，提出用語義空間作為語義標(biāo)注的結(jié)果。語義標(biāo)注具有以下功能：1)文檔與本體元素準(zhǔn)確匹配；2)知識文檔共享與重用；3)應(yīng)用于語義化檢索平臺，最終提高知識檢索的準(zhǔn)確度。

2 低溫等離子體設(shè)備系統(tǒng)的知識集成

2.1 低溫等離子體設(shè)備系統(tǒng)簡介

低溫等離子體設(shè)備在半導(dǎo)體器件、太陽能電池、各種顯示屏的制造，以及材料的改性處理、功能薄膜的制備、低地球軌道空間環(huán)境的模擬等方面有廣泛的應(yīng)用，屬于一類非常重要的工業(yè)應(yīng)用及科學(xué)研究設(shè)備系統(tǒng)，以其為研究應(yīng)用對象，具有一定代表性和典型應(yīng)用價值。

圖1為低溫等離子體設(shè)備系統(tǒng)結(jié)構(gòu)組成示意圖，主要包括進(jìn)氣子系統(tǒng)、電源子系統(tǒng)、真空室、抽氣子系統(tǒng)，以及朗繆爾探針測量儀、真空計等測量設(shè)備。

該設(shè)備系統(tǒng)各部分在不同生命周期階段由不同部門參與負(fù)責(zé)，并且需要彼此間相互協(xié)調(diào)配合。若在該設(shè)備系統(tǒng)中，有其他生產(chǎn)廠家配套的設(shè)備單元，還會涉及到不同生產(chǎn)廠家之間的信息交互。

圖1 低溫等離子體設(shè)備系統(tǒng)

全生命周期一般分為三個階段：生命前期(Beginning Of Life, BOL)，包括產(chǎn)品設(shè)計與制造階段；生命中期(Middle Of Life, MOL)，包括產(chǎn)品使用與維護(hù)階段；生命后期(End Of Life, EOL)，包括產(chǎn)品回收與報廢階段。以設(shè)備系統(tǒng)中的電源子系統(tǒng)與朗繆爾探針測量儀為例，表1是其部分知識交互關(guān)系流。根據(jù)表1可以看出，設(shè)備系統(tǒng)在全生命周期每個階段都需要其他階段的知識參與。為實現(xiàn)不同生命階段知識的交互，應(yīng)充分挖掘知識間語義關(guān)系，并用精確的概念加以描述。

表1 全生命周期中低溫等離子體設(shè)備系統(tǒng)部分知識交互關(guān)系流

2.2 低溫等離子體設(shè)備系統(tǒng)的知識集成

根據(jù)低溫等離子體設(shè)備系統(tǒng)全生命周期的特點，通過對設(shè)備系統(tǒng)各個生命階段的知識流向分析，結(jié)合設(shè)備系統(tǒng)實際的知識類別，將設(shè)備系統(tǒng)的知識劃分成產(chǎn)品對象、產(chǎn)品知識類別、產(chǎn)品組織資源、產(chǎn)品全生命周期、產(chǎn)品知識元數(shù)據(jù)五個維度?；谠O(shè)備系統(tǒng)知識的維度劃分，采用統(tǒng)一、規(guī)范的概念進(jìn)行描述，構(gòu)建富含語義關(guān)系的知識本體，在知識文檔語義標(biāo)注時，能充分表示文檔語義信息，實現(xiàn)知識全生命周期共享集成。

基于本體基本建模元素，低溫等離子體設(shè)備CL2M系統(tǒng)中知識本體構(gòu)建方法如下：從全生命周期角度分析設(shè)備系統(tǒng)在不同生命階段的流程，參照文獻(xiàn)[12]對設(shè)備系統(tǒng)具體生命周期流程采用邏輯業(yè)務(wù)節(jié)點表示并用業(yè)務(wù)邏輯結(jié)構(gòu)為業(yè)務(wù)節(jié)點建立關(guān)聯(lián)，保證生命周期知識的系統(tǒng)性與完整性；依據(jù)實際知識模塊劃分知識類別，根據(jù)全生命周期概念，確定不同知識實例并分析實例間關(guān)系，提取設(shè)備知識類別概念；分析確定設(shè)備對象以及不同生命階段與設(shè)備相關(guān)的部門、人員、相關(guān)工具，確定產(chǎn)品組織資源；在此基礎(chǔ)上，分析概念間的約束關(guān)系，添加公理。圖2是低溫等離子體設(shè)備CL2M系統(tǒng)(部分)多維知識本體模型，其中簡要例舉了不同維度包含的概念以及概念間的關(guān)聯(lián)關(guān)系。

圖2 低溫等離子體設(shè)備CL2M系統(tǒng)(部分)多維知識本體模型

1)全生命周期維。

依據(jù)設(shè)備系統(tǒng)全生命周期的劃分，產(chǎn)品知識主要有：需求分析、產(chǎn)品設(shè)計、生產(chǎn)制造、物流運(yùn)輸、產(chǎn)品銷售、產(chǎn)品使用、產(chǎn)品維護(hù)以及報廢回收；并可進(jìn)一步劃分，如設(shè)計階段的方案設(shè)計，包括設(shè)計標(biāo)準(zhǔn)、設(shè)計任務(wù)、設(shè)計原理、設(shè)計方案，產(chǎn)品開發(fā)等。

2)產(chǎn)品知識類別維。

根據(jù)實際設(shè)備系統(tǒng)的知識模塊進(jìn)行劃分，如等離子體參數(shù)計算方法、微波電源操作規(guī)范、微弱電流測量等。

3)產(chǎn)品對象維。

根據(jù)設(shè)備系統(tǒng)的組成結(jié)構(gòu)以及元件、組件間的連接關(guān)系劃分，包括朗繆爾探針測量儀、發(fā)射探針測量儀、抽氣子系統(tǒng)、電源子系統(tǒng)、真空室等，朗繆爾測量儀包括單探針、雙探針、機(jī)械掃描器等。

4)產(chǎn)品組織資源維。

伴隨設(shè)備系統(tǒng)全生命周期，與知識相關(guān)的組織或個人，主要為知識的創(chuàng)造者或使用者，如硬件開發(fā)組、軟件開發(fā)組、設(shè)備維護(hù)組等。

5)產(chǎn)品知識元數(shù)據(jù)維。

包括能確定設(shè)備系統(tǒng)知識文檔的元數(shù)據(jù)以及知識文檔的標(biāo)注結(jié)果，包括知識主題、知識版本號、知識存儲地址、知識產(chǎn)生時間、知識類型、知識創(chuàng)建對象、知識語義空間。

在對設(shè)備系統(tǒng)五個維度的概念以及實例添加確認(rèn)后，通過對象屬性進(jìn)行概念或?qū)嵗g語義關(guān)聯(lián)。表2例舉了設(shè)備系統(tǒng)知識本體中部分對象屬性。

表2 多維度知識本體中部分對象屬性

構(gòu)建的設(shè)備系統(tǒng)知識本體需要不斷地更新完善，并經(jīng)過等離子體領(lǐng)域?qū)＜覍徍苏J(rèn)可才能應(yīng)用于CL2M系統(tǒng)，實現(xiàn)知識集成。

3 低溫等離子體設(shè)備系統(tǒng)知識的語義標(biāo)注

3.1 知識文檔語義標(biāo)注流程

如圖3所示，基于CL2M系統(tǒng)平臺，首先知識文檔一方面由PEID收集設(shè)備系統(tǒng)各生命階段現(xiàn)場知識數(shù)據(jù)，利用中間件技術(shù)上傳到CL2M系統(tǒng)平臺；另一方面在設(shè)計、制造階段由設(shè)計、制造人員直接上傳到CL2M系統(tǒng)；然后對獲取到的知

識，添加知識主題等元數(shù)據(jù)信息并標(biāo)準(zhǔn)統(tǒng)一化，預(yù)處理知識提取關(guān)鍵詞，解析預(yù)先構(gòu)建的多維知識本體，借助知識本體完成知識語義標(biāo)注；最后在CL2M系統(tǒng)平臺中生成知識庫，根據(jù)CL2M系統(tǒng)實際應(yīng)用場景提供相關(guān)知識服務(wù)。其知識文檔語義標(biāo)注具體流程如下：

1)知識文檔標(biāo)準(zhǔn)統(tǒng)一。

基于CL2M系統(tǒng)平臺獲取到的知識資源按照CL2M系統(tǒng)知識文檔標(biāo)準(zhǔn)模型進(jìn)行標(biāo)準(zhǔn)統(tǒng)一化。

圖3 CL2M系統(tǒng)中設(shè)備系統(tǒng)知識語義標(biāo)注流程

2)知識文檔處理。

將不同格式的文檔轉(zhuǎn)換成簡單的文本文檔，進(jìn)行分詞與去除停用詞處理；利用TextRank與TF-IDF(Term Frequency-Inverse Document Frequency)算法相結(jié)合計算詞頻，再利用句法依存分析詞匯間主要依賴關(guān)系；根據(jù)詞頻與依存關(guān)系賦予詞匯相應(yīng)的權(quán)重，提取關(guān)鍵詞，生成知識文檔語義向量。

3)CL2M系統(tǒng)知識本體解析。

借助本體知識推理機(jī)推理多維知識本體，挖掘知識本體中隱含的語義信息，利用本體工具Jena[13]拆解知識本體中的概念、實例、屬性等本體元素生成本體知識語義圖，依據(jù)本體元素間語義距離與元素出現(xiàn)頻率賦予權(quán)值，生成本體語義向量。

4)生成設(shè)備系統(tǒng)知識語義庫。

計算知識文檔語義向量與本體語義向量間相似度；依據(jù)相似度值確定與知識文檔向量最匹配的本體語義向量，利用Jena，根據(jù)匹配的本體向量主元素以及知識本體中元素間的對象屬性，在知識本體中進(jìn)行五個維度語義拓展，生成知識本體片段作為語義空間，完成語義標(biāo)注。

3.2 統(tǒng)一的知識文檔標(biāo)準(zhǔn)

CL2M系統(tǒng)時間跨度長，空間跨度廣，所涉及到的知識文檔紛繁復(fù)雜；根據(jù)文獻(xiàn)[14]的研究，設(shè)備系統(tǒng)知識文檔主要包括與設(shè)備相關(guān)的各種類型的文本文檔或具有描述信息的公式、圖片、影像等說明文檔。

為實現(xiàn)對CL2M系統(tǒng)中知識文檔的統(tǒng)一管理，需要建立一個知識文檔的標(biāo)準(zhǔn)模型。圖4是所建立的CL2M系統(tǒng)知識文檔的標(biāo)準(zhǔn)模型，其中：設(shè)備知識文檔的全生命周期用于表達(dá)知識產(chǎn)生與使用的全生命周期信息；知識文檔狀態(tài)數(shù)據(jù)能夠確定知識使用率，衡量知識重要程度；知識文檔元數(shù)據(jù)用于描述知識基本信息、知識文檔語義空間是語義標(biāo)注結(jié)果，實現(xiàn)知識的互聯(lián)與共享。知識文檔的標(biāo)準(zhǔn)統(tǒng)一不僅解決設(shè)備系統(tǒng)知識的異構(gòu)性問題以及冗余現(xiàn)象，同時便于知識文檔語義標(biāo)注，并且語義標(biāo)注結(jié)果能夠輔助知識文檔管理。這里采用網(wǎng)絡(luò)本體語言(Web ontology language, OWL)表示CL2M系統(tǒng)知識文檔標(biāo)準(zhǔn)模型，拓展了設(shè)備系統(tǒng)知識語義空間。

圖4 CL2M系統(tǒng)知識文檔標(biāo)準(zhǔn)模型

3.3 知識文檔語義標(biāo)注

為完成設(shè)備系統(tǒng)的知識文檔的語義標(biāo)注，首先處理知識文檔，產(chǎn)生文檔語義向量；然后解析知識本體，獲得本體語義向量；最后計算兩者的語義相似度，生成語義空間，完成知識文檔的語義標(biāo)注。由此可見，獲取文檔語義向量與本體語義向量是實現(xiàn)設(shè)備系統(tǒng)知識文檔語義標(biāo)注的關(guān)鍵。

3.3.1 文檔語義向量的獲取

準(zhǔn)確提取文檔關(guān)鍵詞是獲取文檔語義向量的前提，在對文檔進(jìn)行分詞與去除停用詞處理之后，采用TextRank、TF-IDF算法與句法依存分析三者相結(jié)合完成關(guān)鍵詞提取。

TF-IDF算法提取關(guān)鍵詞是基于這樣的假設(shè)：詞匯對文檔的重要性，隨其在文檔中出現(xiàn)的次數(shù)增加而上升，隨其在整個語料庫中出現(xiàn)次數(shù)增加而降低。對應(yīng)公式如下：

TextRank算法由PageRank算法演化而來，基于圖模型，利用投票機(jī)制經(jīng)過多次迭代得到詞匯權(quán)重；本文對TextRank算法與TF-IDF算法加以融合，將TextRank算法得到的詞匯權(quán)重替換詞匯i在文檔j中出現(xiàn)的頻率，彌補(bǔ)依據(jù)簡單詞頻(TermFrequency,TF)計算詞匯權(quán)重的不足，同時借助IDF(InverseDocumentFrequency)可以很好地過濾TextRank算法中得到的常見但不具代表性的詞匯。

TextRank與TF-IDF算法只考慮詞匯在文檔中的詞頻因素，而句法依存分析可以獲得詞匯間的依賴關(guān)系以及詞匯在句子中的語義成分；詞匯間的語義關(guān)系主要包括核心關(guān)系、主謂關(guān)系、動賓關(guān)系、并列關(guān)系等。為簡化詞匯間語義關(guān)系，并保留句子主要成分，本文提出用主謂賓關(guān)系以及并列關(guān)系確定句子中主謂賓詞匯，以此增加詞匯權(quán)重。

綜合上述提取關(guān)鍵詞算法，其具體公式如下：

(2)

νtextj={(t1,ω1),(t2,ω2)，…，(tn,ωn)}

其中：ωi為詞匯ti對應(yīng)的權(quán)重。

3.3.2 知識本體語義向量獲取

為保留完整的本體語義信息，應(yīng)先借助本體推理機(jī)推理知識本體，發(fā)掘本體中隱含的語義關(guān)系；利用本體解析工具Jena拆解知識本體，獲得待標(biāo)注的本體元素，將其定義為本體主元素；再抽取與主元素語義距離相近的本體元素，定義為本體關(guān)聯(lián)元素，生成本體關(guān)聯(lián)元素集。因設(shè)備系統(tǒng)知識本體面向?qū)I(yè)領(lǐng)域，本體關(guān)聯(lián)元素與本體主元素語義關(guān)系必然十分緊密，一定程度上可以用本體關(guān)聯(lián)元素集“代替”本體主元素。利用本體主元素與本體關(guān)聯(lián)元素生成本體語義圖：

其中：melej為本體語義圖中第j個主元素，aelej,i為對應(yīng)第j個主元素的第i個關(guān)聯(lián)元素。

將與本體主元素語義距離為1和語義距離為2的本體元素作為關(guān)聯(lián)元素，并分別賦予權(quán)值β、γ；統(tǒng)計本體關(guān)聯(lián)元素在本體語義圖中被本體主元素引用次數(shù)σ，計算關(guān)聯(lián)元素引用權(quán)重(Reference Weight, RW)：

rwi=ln(m/σ)

(3)

其中：式中m為本體主元素個數(shù)。則最終本體元素權(quán)重(Ontology Element Weight, OEW)：

oewi=

(4)

經(jīng)過上述計算，得到本體元素語義向量：

νmelej={(melej,ω1),(aele1,ω2),…,(aelen,ωn)}

其中：melej為第j個本體向量主元素；aelek為本體向量中第k個關(guān)聯(lián)元素；ωi為本體向量中本體元素對應(yīng)的權(quán)重。

3.3.3 更新知識語義庫

知識語義庫的更新，采用向量余弦相似度計算法。計算文檔語義向量與本體語義向量間語義相似度，取相似度最高的本體語義向量作為候選向量，判斷文檔語義向量與候選本體語義向量相似度是否高于設(shè)定的閾值。若低于設(shè)定閾值，根據(jù)實際需要，人工判定舍棄文檔或更新知識本體重新標(biāo)注；若高于設(shè)定閾值，則匹配成功，基于知識本體，按照五個維度進(jìn)行語義拓展，生成語義空間，添加到CL2M系統(tǒng)知識文檔標(biāo)準(zhǔn)模型，存入知識語義庫。

4 實驗驗證與結(jié)果分析

為驗證本文提出的語義標(biāo)注方法的可行性，利用本體編輯工具Protégé[15]從五個維度構(gòu)建低溫等離子體設(shè)備系統(tǒng)知識本體，進(jìn)行知識集成；借助馬里蘭大學(xué)開發(fā)的推理機(jī)Pellet[16]，推理知識本體，以Jena作為解析本體工具；由CL2M知識集成與語義標(biāo)注系統(tǒng)生成文檔語義向量與本體語義向量，進(jìn)行相似度計算，實現(xiàn)知識文檔在本體中定位；最終再借助Jena根據(jù)匹配結(jié)果進(jìn)行五個維度的語義拓展，生成語義空間，更新CL2M系統(tǒng)知識庫。

4.1 知識集成與語義標(biāo)注實例展示

設(shè)備系統(tǒng)的知識文檔語義標(biāo)注結(jié)果以語義空間表示，本文以設(shè)備系統(tǒng)知識文檔中雙探針參數(shù)測量方法為例，其創(chuàng)建在設(shè)計階段，應(yīng)用于測試與使用階段。對其按照標(biāo)準(zhǔn)進(jìn)行統(tǒng)一處理，得到標(biāo)準(zhǔn)的知識文檔，計算得到的關(guān)鍵詞如表3所示。該文檔的語義向量與本體中雙探針測量參數(shù)使用說明對應(yīng)的本體向量相似度最高，在知識本體中以雙探針測量參數(shù)使用說明為中心進(jìn)行五個維度拓展，生成語義空間如圖5所示。

表3 標(biāo)準(zhǔn)知識文檔實例

4.2 語義標(biāo)注實驗分析

目前實驗室已搭建了低溫等離子體設(shè)備系統(tǒng)CL2M平臺，并已初步應(yīng)用于設(shè)備系統(tǒng)的開發(fā)與研究，CL2M平臺中的數(shù)據(jù)文檔主要有：發(fā)表的論文、合作方提供的標(biāo)準(zhǔn)技術(shù)手冊以及等離子體領(lǐng)域?qū)＜业闹R經(jīng)驗。本文從CL2M平臺中選取低溫等離子體設(shè)備系統(tǒng)中與朗繆爾探針測量儀相關(guān)的知識文檔，主要包括：探針測量原理、微弱電流測量、嵌入式系統(tǒng)軟硬件設(shè)計、測量儀使用方法等子領(lǐng)域，為了獲得有效的測試數(shù)據(jù)，首先對文檔進(jìn)行預(yù)處理，只保留文本格式；然后核對文檔信息，根據(jù)文檔的主題確定文檔在知識本體中匹配與定位的本體元素；最后由朗繆爾探針測量儀領(lǐng)域?qū)＜液藢嵨臋n與匹配的本體元素是否正確；最終得到預(yù)先標(biāo)識本體元素的知識文檔數(shù)據(jù)集。

目前主要有文獻(xiàn)[8]、文獻(xiàn)[11]進(jìn)行了知識管理平臺文檔語義標(biāo)注研究，為了驗證語義標(biāo)注方法的有效性，分別采用本文所提的語義標(biāo)注方法與文獻(xiàn)[8]、文獻(xiàn)[11]的語義標(biāo)注方法對知識文檔數(shù)據(jù)集進(jìn)行語義標(biāo)注。為了驗證本文提出知識文檔精確的語義標(biāo)注效果，在文獻(xiàn)[11]語義標(biāo)注算法中提取與關(guān)鍵詞相似度最高的本體元素作為文檔匹配的本體元素。在測試知識文檔精確語義標(biāo)注效果時，當(dāng)知識文檔標(biāo)注后得到匹配的本體元素與預(yù)先標(biāo)識的本體元素相同時，則匹配成功，否則匹配失??；本文分別借助準(zhǔn)確率(precision)、召回率(recall)、F值(F-measure)三個指標(biāo)檢驗知識文檔精確標(biāo)注效果。標(biāo)注率是指能關(guān)聯(lián)到知識本體的知識文檔數(shù)與待標(biāo)注的知識文檔數(shù)之比，用于衡量知識文檔關(guān)聯(lián)知識本體效果。如表4所示，分別為本文與文獻(xiàn)[8]、文獻(xiàn)[11]對知識文檔進(jìn)行語義標(biāo)注結(jié)果。

圖5 知識文檔語義空間實例

由表4可以看出，本文提出的語義標(biāo)注方法與文獻(xiàn)[11]中的語義標(biāo)注方法的標(biāo)注率都比較高，可見采用語義空間作為語義標(biāo)注結(jié)果可以完全實現(xiàn)知識文檔與知識本體的關(guān)聯(lián)；相對文獻(xiàn)[11]，通過向量相似度計算方法在知識文檔精確標(biāo)注方面有明顯提升，能實現(xiàn)知識文檔更為精確的語義標(biāo)注。同時也驗證了基于設(shè)備系統(tǒng)全生命周期、構(gòu)建多維度知識本體、實現(xiàn)知識集成的方案的可行性。

表4 不同方法語義標(biāo)注結(jié)果 %

5 結(jié)語

為了實現(xiàn)CL2M系統(tǒng)中各個生命周期階段間知識的分享與重用，本文構(gòu)建了多維度知識集成框架并提取本體語義向量，提出知識文檔語義向量提取方法，挖掘知識文檔語義信息，通過對本體語義向量與知識文檔語義向量匹配計算，完成知識文檔在知識集成框架中的語義標(biāo)注。通過實驗結(jié)果表明，該方法能夠充分表達(dá)文檔的語義信息，實現(xiàn)知識文檔與本體元素的精確匹配，從而提高知識在CL2M系統(tǒng)中的利用效率。后期可在此工作基礎(chǔ)上，進(jìn)一步研究如何進(jìn)行知識語義化智能推送，實現(xiàn)CL2M系統(tǒng)知識的語義化服務(wù)。

)

[1]FRAMLINGK,HOLMSTROMJ,LOUKKOLAJ,etal.SustainablePLMthroughintelligentproducts[J].EngineeringApplicationsofArtificialIntelligence, 2013, 26(2): 789-799.

[2] 許宜春,徐亭,桑成.產(chǎn)品全生命周期數(shù)據(jù)自動采集PEID研制[J].計算機(jī)系統(tǒng)應(yīng)用,2015,24(12):93-99.(XUYC,XUT,SANGC.DevelopmentofPEIDforautomaticallyacquiringproductlifecycledata[J].ComputerSystems&Applications, 2015, 24(12): 93-99.)

[3]MAHARJANM.Enablingclosedlooplifecyclemanagementwithinformationexchangestandards[D].Espoo:AaltoUniversity, 2013: 7-26.

[4]YOOMJ,GROZELC,KIRITSISD.Closed-looplifecyclemanagementofserviceandproductintheinternetofthings:semanticframeworkforknowledgeintegration[J].Sensors, 2016, 16(7): 1053.

[5]MATSOKISA,KIRITSISD.Anontology-basedapproachforproductlifecyclemanagement[J].ComputersinIndustry, 2010, 61(8): 787-797.

[6]NADOVEZAD,KIRITSISD.Ontology-basedapproachforcontextmodelinginenterpriseapplications[J].ComputersinIndustry, 2014, 65(9): 1218-1231.

[7]FELICA,KONIG-RIESB,KLEINM.Process-orientedsemanticknowledgemanagementinproductlifecyclemanagement[J].ProcediaCIRP, 2014, 25(C): 361-368.

[8] 方偉光,郭宇,廖文和,等.基于本體的復(fù)雜產(chǎn)品設(shè)計知識表示和標(biāo)注方法[J].計算機(jī)集成制造系統(tǒng),2016,22(9):2063-2071.(FANGWG,GUOY,LIAOWH,etal.Knowledgerepresentationandannotationmethodbasedonontologyforcomplexproducts’design[J].ComputerIntegratedManufacturingSystems, 2016, 22(9): 2063-2071.)

[9]GOMEZ-PEREZA,CORCHOO.OntologylanguagesforthesemanticWeb[J].IEEEIntelligentSystems, 2002, 17(1): 54-60.

[10] 陳葉旺,李海波,余金山,等.一種基于稀疏編碼的語義標(biāo)注方法[J].計算機(jī)科學(xué),2011,38(9):150-154,181.(CHENYW,LIHB,YUJS,etal.Semanticannotationmethodbasedonsparsecoding[J].ComputerScience, 2011, 38(9): 150-154, 181.)

[11] 陳思,閻艷,王釗,等．復(fù)雜產(chǎn)品設(shè)計知識的語義自動標(biāo)注方法[J].計算機(jī)集成制造系統(tǒng),2014,20(1):69-78.(CHENS,YANY,WANGZ,etal.Automaticsemanticannotationmethodforcomplexproductdesign-knowledge[J].ComputerIntegratedManufacturingSystems, 2014, 20(1): 69-78.)

[12] 陳思,閻艷,上官景昌,等.基于業(yè)務(wù)本體的產(chǎn)品設(shè)計知識表示方法[J].計算機(jī)集成制造系統(tǒng),2011,17(4):673-679.(CHENS,YANY,SHANGGUANJC,etal.Productdesignknowledgerepresentationbasedonbussinessontology[J].ComputerIntegratedManufacturingSystems, 2011, 17(4): 673-679.)

[13]TheApacheSoftwareFoundation.ApacheJena[EB/OL]. [2016- 10- 12].http://jena.apache.org/download/.

[14] 徐亭.低溫等離子體設(shè)備C-LPLM系統(tǒng)的研究與開發(fā)[D].合肥：中國科學(xué)技術(shù)大學(xué),2015:17-26.(XUT.ResearchanddevelopmentoftheC-LPLMsystemoflow-temperatureplasmaequipments[D].Hefei:UniversityofScienceandTechnologyofChina, 2015: 17-26.)

[15]StanfordCenterforBiomedicalInformaticsResearch.Protégéversion5.0.0,protégéontologyeditor[EB/OL]. [2016- 10- 12].http://protege.stanford.edu/products.php.

[16]CLARK&PARSIALLC.Pellet:OWL2reasonerforJava[EB/OL]. [2016- 10- 12].http://clarkparsia.com/pellet/.

ThisworkispartiallysupportedbytheNationalNaturalScienceFoundationofChina(11575182).

SANG Cheng, born in 1992, M. S. candidate. His research interests include closed-loop lifecycle management, product knowledge management.

CHENG Jian, born in 1964, M. S., senior engineer. His research interests include distributed network measurement and control technology, intelligent sensor, embedded system, closed -loop lifecycle management.

SHI Yiming, born in 1993, M. S. candidate. His research interests include closed-loop lifecycle management, product failure prediction and maintenance.

Knowledge integration and semantic annotation in closed-loop lifecycle management system

SANG Cheng*, CHENG Jian, SHI Yiming

(DepartmentofAutomation,UniversityofScienceandTechnologyofChina,HefeiAnhui230022,China)

The knowledge in the closed-loop lifecycle management system is independent and can’t be shared. In order to solve the problems, aiming at the characteristics of the closed-loop lifecycle, a new knowledge integration and semantic annotation method was proposed. Firstly, the connotation of knowledge integration and semantic annotation in closed-loop lifecycle management system was expatiated briefly. Secondly, a multi-dimensional and multi-level knowledge integration framework was constructed by using ontology technology for low temperature plasma equipment. Then, on the above basis, a computing method of extracting and matching the document semantic vector and ontology semantic vector was designed. The knowledge document semantic annotation of one sub-system in low temperature plasma equipment was completed. Finally, the test experiments were designed and verified. The experimental results show that, by using knowledge document data set in the closed-loop lifecycle management system to complete the semantic annotation, the average accuracy rate of the proposed method is 84%, and its average recall rate is 79%. The proposed knowledge integration and semantic annotation method can realize the sharing and reuse of the knowledge document in the closed-loop lifecycle management system.

closed-loop lifecycle management; ontology; knowledge integration; semantic annotation; equipment of low temperature plasma

2016- 12- 02;

2017- 02- 13。 基金項目:國家自然科學(xué)基金資助項目(11575182)。

桑成(1992—)，男，安徽明光人，碩士研究生，主要研究方向:閉環(huán)全生命周期管理、產(chǎn)品知識管理； 程健(1964—)，男，安徽桐城人, 高級工程師,碩士，主要研究方向:分布式網(wǎng)絡(luò)測控技術(shù)、智能傳感器、嵌入式系統(tǒng)、閉環(huán)全生命周期管理； 史一明(1993—)，男，河南汝州人，碩士研究生，主要研究方向：閉環(huán)全生命周期管理、產(chǎn)品故障預(yù)測與維護(hù)。

1001- 9081(2017)06- 1728- 07

10.11772/j.issn.1001- 9081.2017.06.1728

TP

A