[发明专利]基于机器学习的企业公共信息模型扩展方法及系统

权利要求书

1.一种基于机器学习的企业公共信息模型扩展方法，其特征在于，所述扩展方法具体包括以下步骤：

建立企业公共信息物理模型数据库，统计已有类的个数X，存储所述已有类的数据信息，所述数据信息包括所述类所属的包以及其属性；

确定扩展类所包含的属性；

随机抽取K个已有类作为初始临近类，根据所述初始临近类和扩展类的属性分别计算所述初始临近类与所述扩展类的相似度，建立包括所述初始临近类及其与所述扩展类的相似度的优先级队列，K＜X；

遍历计算除初始临近类外所述已有类与所述扩展类的相似度，比较所述相似度与所述优先级队列中所述初始临近类相似度的大小，找出所述已有类中相似度较大的K个已有类并组成新的优先级队列；

统计所述新的优先级队列中类所属的包内包含类的数目，找出包含类数目最多的包，选择所述包含类数目最多的包作为所述扩展类所属的包，将所述扩展类写入所述包。

2.根据权利要求1所述的扩展方法，其特征在于，遍历计算除初始临近类外所述已有类与所述扩展类的相似度，比较所述相似度与所述优先级队列中所述初始临近类相似度的大小，找出所述已有类中相似度较大的K个已有类并组成新的优先级队列，具体为：

计算除初始临近类外所述已有类与所述扩展类的相似度，记做L_m，找出所述优先级队列中最小的相似度，记做L_min；

若L_m＞L_min，删除所述优先级队列所述L_min对应的临近类，将所述L对应的已有类存入所述优先级队列；

若L≤L_min，保持所述优先级队列不变；

遍历除初始临近类外所述已有类，直至找出所述已有类中相似度较大的K个已有类并组成新的优先级队列。

3.根据权利要求1所述的扩展方法，其特征在于，统计所述新的优先级队列中类所属的包内包含类的数目，找出包含类数目最多的包，选择所述包含类数目最多的包作为所述扩展类所属的包，将所述扩展类写入所述包，还包括：

当类数目最多的包不唯一时，令K＝K+1，继续重复操作，直到类数目最多的包唯一。

4.根据权利要求1所述的扩展方法，其特征在于，

5.根据权利要求1所述的扩展方法，其特征在于，每一所述初始临近类与所述扩展类的相似度均不相同，所述临近类属于不同的包。

6.一种基于机器学习的企业公共信息模型扩展系统，其特征在于，所述系统包括：

物理模型数据库，用于统计已有类的个数X，存储所述已有类的数据信息，所述数据信息包括所述类所属的包以及其属性；

扩展类模块，用于确定扩展类所包含的属性；

优先级队列模块，用于随机抽取K个已有类作为初始临近类，分别计算所述初始临近类与所述扩展类的相似度，建立包括所述初始临近类及其与所述扩展类的相似度的优先级队列，K＜X；

相似度遍历模块，用于遍历计算除初始临近类外所述已有类与所述扩展类的相似度，比较所述相似度与所述优先级队列中所述初始临近类相似度的大小，找出所述已有类中相似度较大的K个已有类并组成新的优先级队列；

扩展类逻辑处理模块，用于统计所述新的优先级队列中类所属的包内包含类的数目，找出包含类数目最多的包，选择所述包含类数目最多的包作为所述扩展类所属的包，将所述扩展类写入所述包。

7.根据权利要求6所述的扩展系统，其特征在于，所述相似度遍历模块还包括遍历子模块，

所述遍历子模块，用于计算除初始临近类外所述已有类与所述扩展类的相似度，记做L_m，找出所述优先级队列中最小的相似度，记做L_min；若L_m＞L_min，删除所述优先级队列所述L_min对应的临近类，将所述L对应的已有类存入所述优先级队列；若L≤L_min，保持所述优先级队列不变；遍历除初始临近类外所述已有类，直至找出所述已有类中相似度较大的K个已有类并组成新的优先级队列。

8.根据权利要求6所述的扩展系统，其特征在于，所述扩展类逻辑处理模块包括扩展类逻辑处理子模块，

扩展类逻辑处理子模块，用于当类数目最多的包不唯一时，令K＝K+1，继续重复操作，直到类数目最多的包唯一。