一种人工智能辅助创新方法、装置及计算机可读介质

本发明涉及人工智能领域，尤其涉及计算机智能辅助创新领域。

传统辅助创新方法包括经验调查、头脑风暴等方法，1946年以来，前苏联团队从40万份专利中提炼了跨行业技术系统的通用解决问题工具—经典TRIZ创新方法论，包括系统分析、矛盾矩阵、物场模型等抽象描述，以及40个发明原理、四种分离方法、76个物场标准解和科学效应知识库等发明信息。但是经典TRIZ没有属性这个术语，无法涵盖数以千计的对象属性，技术矛盾分析和物场分析难以统一，矛盾与发明原理语义关系不具有可解释性。因此，直接利用经典TRIZ方法进行发明创新困难重重。针对上述问题，现代TRIZ流派加深了对进化趋势、功能、属性认知，但现代TRIZ方法无法与TRIZ发明信息库、专利等参考文本语义结合，难以检索到与输入描述相匹配的知识，与实际问题处理之间存在语义脱节，目前，人们急需探索一种可解释地融合已有发明信息和参考文本的可行方案。

针对上述问题，本发明提供了一种人工智能辅助创新方法、装置、电子设备及计算机可读存储介质，基于语义本体重构发明信息库；进一步借助人工智能方法抽取参考文本的语义本体映射知识；设计语义检索方法，筛选目标文本并生成辅助创新方案。

本发明的第一方面提供了一种人工智能辅助创新方法，其特征在于：

构建语义本体；

利用所述语义本体分别抽取发明信息和参考文本中的知识；

扩展检索元素，生成辅助创新方案。

在一些实施例中，所述语义本体，但不限于功能属性本体、功能对象本体、关联参数本体中的一种或多种组合；

在一些实施例中，所述功能属性本体是基于TRIZ理论或其他创新理论，结合系统分析、功能模型和属性分析，抽象出的功能操作、属性的层级化概念及关系；

在一些实施例中，所述功能对象本体，通过归纳提炼功能操作、物质对象的层级化概念及关系；

在一些实施例中，所述关联参数本体，包括与发明创新文本相关的参数或参数组合，归纳关联参数的层级化概念及关系；

在一些实施例中，所述功能操作包括但不限于动词及其多层级概念结构；

在一些实施例中，所述属性包括TRIZ发明信息库和各类科技文献中记录的属性、属性参数；

在一些实施例中，所述对象包括TRIZ发明信息库和各类科技文献中记录的客观实体、物质、能量和信息；

在一些实施例中，所述参数包括TRIZ发明信息库和科技文献中记录的各类变量或特征参数；

在一些实施例中，所述层级化概念体系是每个概念的上下位、同位关系，概念中相似实例，以及各类说明文本；

发明信息的知识抽取是基于语义本体对已有发明信息内容标注概念标签；参考文本知识抽取是基于语义本体，对参考文本进行人工标注，或利用自动化手段从非结构化参考文本中抽取结构化标注结果；

在一些实施例中，所述发明信息包括TRIZ理论中的发明原理、流改进措施、标准解、科学效应信息各类条目；

在一些实施例中，所述参考文本包括但不限于专利文本、科技文献、技术报告；

在一些实施例中，所述知识抽取还包括存储、索引、编辑上述层级化知识；

在一些实施例中，所述自动化手段包括语法特征、规则模板或算法模型；

所述扩展检索元素，是对输入的检索元素，基于语义本体和层级化知识对元素进行语义扩展；

在一些实施例中，所述语义扩展包括概念、实例、上下位元素扩展；

在一些实施例中，所述语义扩展还包括设计布尔逻辑规则，获得扩展检索式；

在一些实施例中，所述检索元素是语义本体支持的各类元素，包括但不限于功能、对象、属性、参数、层级关系；

所述生成辅助创新方案，包括从层级化索引的发明和参考文本知识中，搜索、召回排序、筛选目标文本；

在一些实施例中，所述搜索，利用扩展检索式对各类知识进行搜索，对元素变形扩展，匹配召回发明信息、参考文本中的一种或组合文本；

在一些实施例中，所述召回排序，根据待创新问题相关资源、系统、组件特征，以及相关领域、相关用户、选择偏好约束，配置权重策略，进行召回排序；

在一些实施例中，所述权重策略，还包括输入元素的上位概念、同位和下位实例；

在一些实施例中，所述筛选，根据权重策略从排序结果中，推荐发明信息、参考文本的一种文本或组合文本；

在一些实施例中，所述推荐，包括文本匹配或文本分类方法，并迭代优化；

在一些实施例中，所述文本分类方法可选择规则、聚类、分类方法；

所述生成辅助创新方案，还包括对目标文本的编辑、摘要抽取或组合文本；

在一些实施例中，所述摘要抽取，从目标文本中，根据文本规则或模型抽取主题描述句，生成文本摘要；

本发明的第二方面提供了一种人工智能辅助创新装置，包括：发明信息和参考文本知识编辑模块，知识检索模块，创新方案生成模块，可选的，还包括语义本体抽取模块；

发明信息和参考文本知识编辑模块，用于知识的索引、增删改查等编辑操作，可选的，支持实时数据持久化；

知识检索模块，用于对检索式进行扩展、编辑、生成，以及对发明信息和参考文本的检索，对召回结果进行排序和筛选；

创新方案生成模块，用于对创新方案和专利方案的文本生成、编辑、推荐；

在一些实施例中，还包括语义本体构建模块，用于构建各种本体，本体包括功能对象、功能属性和关联参数等；

在一些实施例中，上述模块可以通过硬件实现，也可以通过硬件执行相应的软件实现，所述硬件或软件包括一个或多个与上述功能相对应的模块；

本发明的第三方面提供了一种电子设备，包括一个或多个存储装置和处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一方法。

本发明的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可操作来执行上述任一方法。

本发明的上述技术方案具有如下有益技术效果：

搭建一套语义本体，实现对已有发明信息和参考文本的多层级语义索引，完成两类知识的统一语义概念映射，方便语义匹配和搜索推荐；

设计一套语义搜索流程，通过输入元素语义扩展、设置权重策略，搜索、召回排序、筛选文本，智能生成辅助创新方案。

应当理解的是，以上的一般描述和后文的细节描述仅仅是示例性和解释性的，并不能限制本发明。

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。结合附图，通过以下非限制性实施方式的详细描述，本发明的其它特征、目的和优点将变得更加明显。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构和操作。

附图：

图1示出根据本发明一实施方式的辅助创新方法的流程图；

图2示出根据图1所示实施方式的步骤S102的流程图；

图3示出根据图1所示实施方式的步骤S104的流程图；

图4示出根据本发明的一种语义本体构建的可实施方式示意图；

图5示出根据图1所示实施方式的标注索引流程图；

图6示出根据图5所示实施方式的步骤S504的流程图；

图7示出根据图6所示实施方式的标注结果示意图；

图8示出根据图1所示实施方式的步骤S106的流程图；

图9示出根据图8所示实施方式的步骤S808的流程图；

图10示出根据本发明的一种实施方式的辅助创新装置的结构框图；

图11示出根据图10可选择的语义本体编辑模块1010的结构框图；

图12示出根据图11可选择的语义本体编辑模块1120的结构框图；

图13示出根据图10所示实施方式的搜索模块1020的结构框图；

图14示出根据图10所示实施方式的生成模块1030的结构框图；

图15示出根据本发明一实施方式的电子设备的结构框图；

图16示出适于实现根据本发明一实施方式的辅助创新方法的电子设备的结构示意图。

在下面的详细描述中，通过示例阐述了本申请的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本申请显而易见的可以在没有这些细节的情况下实施。应当理解的是，本申请中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。

本申请所用术语仅为了描述特定实施例，而非限制本申请范围。如本申请说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。

本申请的保护范围以权利要求为准。下文中，将参考附图详细描述本发明的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本发明中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。另外还需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

本发明的技术方案可以应用在辅助工业设计、智能制造、产品研发等多个领域的发明创新方面。具体而言，本发明的技术方案主要针对可行的辅助创新方法进行探索。

本发明的第一方面提供了一种人工智能辅助创新方法，包括如下步骤：