[发明专利]一种面向模式的非功能需求知识精化方法

权利要求书

1.一种面向模式的非功能需求知识精化方法，其特征在于，所述方法包括：

S1：非功能需求知识图谱扩展；

S2：非功能需求知识数据的预处理获得表示向量；

S3：向量投影，利用投影矩阵把实体和关系向量投影到模式空间中，根据模式空间中的投影得到评分函数；

S4：非功能需求知识图谱的层次结构检测，根据检测得到的层次关系，计算获得最优层次约束间距；

S5：结合评分函数和层次约束间距得出损失函数，根据损失函数采用随机梯度下降算法优化非功能需求知识图谱的向量表示；

S6：通过评分函数得出知识图谱四元组向量的评分值，并根据评分值结果进行知识补全和知识查错。

2.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，所述知识图谱的扩展将三元组(h，r，t)扩展为四元组(h，r，t，p)，扩展过程如下所示：

其中，T表示三元组集，Q表示扩展后的四元组集,E表示实体集，R表示关系集，P表示模式集。

3.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，所述知识数据的预处理通过读取扩展后得到的知识图谱四元组，生成实体集、关系集和模式集，根据模型训练生成正集和负集，并初始化实体、关系和模式的表示向量。

4.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，步骤S3中所述投影矩阵通过引入额外的投影向量w_h，w_r，w_t和w_p按照如下公式：

进行运算得到，将得到的三个所述投影矩阵分别应用于头实体h、关系r和尾实体t分别得到各自的投影，通过所述投影之间的距离运算得到所述评分函数，所述评分函数如下所示：

5.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，所述层次结构检测用来检测实体之间其它层次关系，所述其它层次关系包括非环、非自反和不平衡映射，并按照如下公式：

M_opi＝αM_single

得出层次约束间距。

6.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，步骤S5中通过所述评分函数以及所述层次约束间距计算如下损失函数：

根据所述损失函数通过随机梯度下降法对知识图谱嵌入向量进行优化训练。

7.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，步骤S6中所述知识补全将实体、关系和模式集中的所有实体、关系和模式对所述四元组中缺失的部分进行补全，并通过所述评分函数计算补全后的四元组评分值，根据评分值确定缺失的实体、关系和模式。

8.根据权利要求1所述的面向模式的非功能需求知识精化方法，其特征在于，步骤S6中所述知识查错，通过所述评分函数计算每一个四元组的评分，将评分结果根据预先设置阈值进行比较，判定所述四元组是否正确。

9.一种非功能需求知识精化装置，其特征在于，包括数据处理模块、投影模块、层次结构检测模块和知识补全与查错模块；

所述数据处理模块用于将非功能需求知识图谱进行扩展成四元组，并生成对应向量集合，并对所得向量进行初始化，获得实体、关系和模式的随机生成向量；

所述投影模块用来将实体和关系向量投影到模式空间中，并计算得到评分函数；

所述层次结构检测模块用来检测非功能需求知识图谱中的层次结构，并根据层次关系进行相关计算，通过计算获得层次约束间距；

所述知识补全与查错模块通过所述投影模块与所述层次结构检测模块获得的评分函数和层次约束间距计算得到损失函数，并根据损失函数获得准确表示的实体、关系和模式的向量，再通过评分函数进行非功能需求知识图谱的知识补全和知识查错。