申请/专利权人：浙大城市学院

申请日：2023-12-01

公开（公告）日：2024-04-09

公开（公告）号：CN117852388A

主分类号：G06F30/27

分类号：G06F30/27;G06N5/04;G06N3/006;G06F40/211;G06F40/284;G06F40/30;G06F18/22

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于BERT模型的产品仿生设计语义推理方法，首先通过实验得出仿生语义关联模型；接着构建生物语义数据集与产品语义数据集；通过深度语义预训练模型BERT计算生物与产品语句语句相似度；当输入目标产品或生物时，基于相似度由高到低进行排序推荐，形成仿生语义推理。本发明将深度语义预训练模型BERT引入仿生设计领域，实现了语义层面的生物与产品推理，为设计师提供参考。

主权项：1.一种基于BERT模型的产品仿生设计语义推理方法，其特征在于包括如下步骤：1建立仿生语义关联模型基于设计符号学，建立仿生语义关联模型，包括产品到生物与生物到产品的语构、语境、语意、语用映射；2构建产品语义数据集与生物语义数据集搜集不同的生物，分别用自然语言描述其语境、语用、语构、语意信息，构建生物语义数据集；选取不同的产品，分别用自然语言描述其语境、语用、语构、语意信息，构建产品语义数据集；3基于BERT模型的语句相似度计算，包括：①输入句子分别输入关联对应的产品描述语句与生物描述语句；②词嵌入BERT模型通过词嵌入将自然语言转化为数学表示：将输入语句中的每一个字表示为固定长度为m的字向量，并且，BERT模型将原始语句处理为文本向量和位置向量；字向量、文本向量和位置向量共同作为BERT模型的输入；③BERT模型计算输出字向量经过BERT模型中的12层Transformer层的运算，最终句子中的每个字输出相应的字特征向量，设一个句子的含有n个中文字，则该句子输出的字向量记为④计算句子向量通过计算输出的一个句子的字向量均值来计算该句子的句子特征向量，句子特征向量的计算如公式1： ⑤余弦相似度计算采用余弦相似度计算两个句子间的相似度，若句子1的特征向量为句子2的特征向量为句子向量的维度同上述字向量的维度都是m，其中A.、B.代表向量的各分量，则两个句子间的余弦相似度计算如公式2： 相似度的取值范围为[-1,1]，-1表示两个向量相反，1表示两个向量相同，余弦相似度值越大，代表两个语句的语义相似度越高；4基于BERT模型的产品外形仿生语义推理当有某目标产品，寻找适合仿生的生物时，基于BERT模型的产品外形仿生语义推理步骤如下：①首先输入该产品的多条描述语句，包括其语构、语用、语境、语意信息；②遍历生物语义数据集中的生物，通过步骤3中的方法计算该产品的语构、语用、语境、语意描述语句与所有生物的对应语构、语用、语境、语意描述语句的相似度；③根据语句相似度的计算结果由大到小对相应的生物进行排序，从中选择语构、语用、语境、语意排序高的生物作为对象进行仿生设计，完成仿生语义推理；当有某生物，寻找适合仿生的产品时，基于BERT模型的产品外形仿生语义推理步骤如下：①首先输入该生物的多条描述语句，包括其语构、语用、语境、语意信息；②遍历产品语义数据集中的产品，通过步骤3中的方法计算该生物的语构、语用、语境、语意描述语句与所有产品的对应语构、语用、语境、语意描述语句的相似度；③根据语句相似度的计算结果由大到小对相应的产品进行排序，从中选择语构、语用、语境、语意排序高的产品作为对象进行仿生设计，完成仿生语义推理。

全文数据：

权利要求：

百度查询： 浙大城市学院 一种基于BERT模型的产品仿生设计语义推理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD