[發(fā)明專利]一種面向模式的非功能需求知識精化方法

在審

• 申請?zhí)枺?/td>: 202010516462.4
• 申請日: 2020-06-09
• 公開（公告）號: CN111723214A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設計）人: 張璇;潘照宇;鄧宏鏡;高宸;韓夢婷
• 申請（專利權）人: 云南大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/31;G06F16/28;G06F40/205
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 胡川

1.一種面向模式的非功能需求知識精化方法，其特征在于，所述方法包括：

S1：非功能需求知識圖譜擴展；

S2：非功能需求知識數據的預處理獲得表示向量；

S3：向量投影，利用投影矩陣把實體和關系向量投影到模式空間中，根據模式空間中的投影得到評分函數；

S4：非功能需求知識圖譜的層次結構檢測，根據檢測得到的層次關系，計算獲得最優(yōu)層次約束間距；

S5：結合評分函數和層次約束間距得出損失函數，根據損失函數采用隨機梯度下降算法優(yōu)化非功能需求知識圖譜的向量表示；

S6：通過評分函數得出知識圖譜四元組向量的評分值，并根據評分值結果進行知識補全和知識查錯。

2.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，所述知識圖譜的擴展將三元組(h，r，t)擴展為四元組(h，r，t，p)，擴展過程如下所示：

其中，T表示三元組集，Q表示擴展后的四元組集,E表示實體集，R表示關系集，P表示模式集。

3.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，所述知識數據的預處理通過讀取擴展后得到的知識圖譜四元組，生成實體集、關系集和模式集，根據模型訓練生成正集和負集，并初始化實體、關系和模式的表示向量。

4.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，步驟S3中所述投影矩陣通過引入額外的投影向量w_h，w_r，w_t和w_p按照如下公式：

進行運算得到，將得到的三個所述投影矩陣分別應用于頭實體h、關系r和尾實體t分別得到各自的投影，通過所述投影之間的距離運算得到所述評分函數，所述評分函數如下所示：

5.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，所述層次結構檢測用來檢測實體之間其它層次關系，所述其它層次關系包括非環(huán)、非自反和不平衡映射，并按照如下公式：

M_opi＝αM_single

得出層次約束間距。

6.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，步驟S5中通過所述評分函數以及所述層次約束間距計算如下?lián)p失函數：

根據所述損失函數通過隨機梯度下降法對知識圖譜嵌入向量進行優(yōu)化訓練。

7.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，步驟S6中所述知識補全將實體、關系和模式集中的所有實體、關系和模式對所述四元組中缺失的部分進行補全，并通過所述評分函數計算補全后的四元組評分值，根據評分值確定缺失的實體、關系和模式。

8.根據權利要求1所述的面向模式的非功能需求知識精化方法，其特征在于，步驟S6中所述知識查錯，通過所述評分函數計算每一個四元組的評分，將評分結果根據預先設置閾值進行比較，判定所述四元組是否正確。

9.一種非功能需求知識精化裝置，其特征在于，包括數據處理模塊、投影模塊、層次結構檢測模塊和知識補全與查錯模塊；

所述數據處理模塊用于將非功能需求知識圖譜進行擴展成四元組，并生成對應向量集合，并對所得向量進行初始化，獲得實體、關系和模式的隨機生成向量；

所述投影模塊用來將實體和關系向量投影到模式空間中，并計算得到評分函數；

所述層次結構檢測模塊用來檢測非功能需求知識圖譜中的層次結構，并根據層次關系進行相關計算，通過計算獲得層次約束間距；

所述知識補全與查錯模塊通過所述投影模塊與所述層次結構檢測模塊獲得的評分函數和層次約束間距計算得到損失函數，并根據損失函數獲得準確表示的實體、關系和模式的向量，再通過評分函數進行非功能需求知識圖譜的知識補全和知識查錯。