【摘要】 ： 本发明公开了一种机械产品设计文档的推荐系统及方法，现有推荐系统及方法以用户兴趣模型为推荐基础，不能适应用户需求快速变化的情况。本发明系统括任务监听模块、本体解释模块、推荐规则学习模块、推荐模块、推荐规则库、用户活动日志、决策表、本体库；本发明方法包括如下五个步骤：1.创建本体模型、2.收集用户活动日志、3.推荐规则生成、4.捕获新分配的设计任务、5推荐设计文档。本发明考虑了推荐对象的特点，并采用本体建立相关模型，为推荐对象增加了语义信息，提高了推荐规则的精确度；对用户的设计活动进行监听，使文档推荐和用户的工作流程紧密结合；能迅速适应用户文档需求的变化，保证文档推荐的质量。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210063186.6 【申请日】2012-03-12 【申请年份】2012 【公开公告号】CN102662973B 【公开公告日】2014-04-09 【公开公告年份】2014 【授权公告号】CN102662973B 【授权公告日】2014-04-09 【授权公告年份】2014.0 【IPC分类号】G06F17/30 【发明人】吉祥; 顾新建; 代风; 陈芨熙; 纪杨建; 张勇为 【主权项内容】机械产品设计文档的推荐系统，其特征在于：包括任务监听模块、本体解释模块、推荐规则学习模块、推荐模块；所述任务监听模块，用于获取当前用户的设计任务和所阅览文档的信息，并形成记录，为推荐规则学习模块提供原始数据；同时在用户接收到新的产品设计任务时，触发推荐模块为该用户推荐设计文档；所述本体解释模块，包括设计任务解释子模块和设计文档解释子模块，它们通过文档或任务标识符找出对应的本体表达，并查询出特定属性的值以及其所属的本体类；所述推荐规则学习模块，将用户活动日志经本体解释模块处理成决策表的形式，且在推荐规则学习模块控制下，调用基于变精度粗糙集理论的约简算法对决策表进行机器学习以生成推荐规则，经筛选后的推荐规则保存至推荐规则库；所述推荐模块，包括文档查找子模块和熟悉度计算子模块，文档查找子模块调用本体解释模块解释规则后件，查找符合推荐规则的文档；熟悉度计算子模块通过艾宾浩斯遗忘曲线计算用户对文档的熟悉程度，最后推荐熟悉度低于熟悉度阈值的文档；所述用户活动日志，用于存放任务监听模块收集到的用户活动信息；所述决策表以设计文档本体表达的属性作为条件属性，以设计任务本体表达的属性作为决策属性；所述推荐规则库，用于保存推荐规则，推荐规则前件和后件的值均为本体实例值或本体类。 ： 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区浙大路38号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】7.0 【自引次数】1.0 【他引次数】6.0 【家族引证次数】7.0 【家族被引证次数】7

未经允许不得转载：http://www.zhongzhencnc.com/1791600712.html