[发明专利]构件检索方法、装置、电子设备及可读存储介质在审
申请号: | 202110751330.4 | 申请日: | 2021-07-02 |
公开(公告)号: | CN113553483A | 公开(公告)日: | 2021-10-26 |
发明(设计)人: | 李凡坤;刘佳;管高阳 | 申请(专利权)人: | 广联达科技股份有限公司 |
主分类号: | G06F16/9035 | 分类号: | G06F16/9035;G06F16/903;G06F16/906;G06F16/907 |
代理公司: | 北京三聚阳光知识产权代理有限公司 11250 | 代理人: | 刘林涛 |
地址: | 100193 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 构件 检索 方法 装置 电子设备 可读 存储 介质 | ||
本发明涉及工程建筑技术领域,公开了一种构件检索方法、装置、电子设备及可读存储介质。其中,该方法包括:获取构件检索词;基于构件检索词以及构件分类预测模型,确定构件检索词对应的构件分类,其中,构件分类预测模型基于构件检索词及其对应分类训练得到;基于构件分类以及构件检索词进行构件检索,得到对应于构件检索词的检索结果。通过实施本发明,实现了构件分类预测,最大程度上减少了检索结果中的不相关构件,提高了构件的检索效率,减少了用户工作量,保证了工程进度。
技术领域
本发明涉及工程建筑技术领域,具体涉及一种构件检索方法、装置、电子设备及可读存储介质。
背景技术
BIM建筑模型中通常包含有多种不同类型以及不同规格的构件,用户可以根据自身需求从中检索满足需求的构件。目前,通常采用检索模型根据关键词的文本相识度从BIM建筑模型中过滤出所有与该关键词对应的构件,难以判断具体有哪些构件满足用户需求。尽管现有的检索模型尽管实现了构件的自动检索,但并未考虑构件分类,仍然需要人工删除不相关的构件,增加了用户工作量,导致构件的检索效率较低,影响了工程进度。
发明内容
有鉴于此,本发明实施例提供了一种构件检索方法、装置、电子设备及可读存储介质,以解决构件检索并未考虑用户意图,仍然需要人工删除不相关的构件,导致构件的检索效率较低、用户工作量大的问题。
根据第一方面,本发明实施例提供了一种构件检索方法,包括:获取构件检索词;基于所述构件检索词以及构件分类预测模型,确定所述构件检索词对应的构件分类;所述构件分类预测模型基于所述构件检索词及其对应分类训练得到;基于所述构件分类以及所述构件检索词进行构件检索,得到对应于所述构件检索词的检索结果。
本发明实施例提供的构件检索方法,通过获取构件检索词,基于构件检索词以及构件分类预测模型,确定构件检索词对应的构件分类,再基于构件分类以及构件检索词进行构件检索,得到对应于构件检索词的检索结果,其中,构件分类预测模型基于构件检索词及其对应分类训练得到。该方法实现了构件分类预测,基于构件分类确定构件检索词对应的检索结果,最大程度上减少了检索结果中的不相关构件,提高了构件的检索效率,减少了用户工作量,保证了工程进度。
结合第一方面,在第一方面的第一实施方式中,所述基于所述构件检索词以及构件分类预测模型,确定所述构件检索词对应的构件分类,包括:将所述构件检索词导入所述构件分类预测模型,得到至少一种预测分类结果;对所述至少一种预测分类结果进行排序,得到预测分类的排序结果;基于所述预测分类的排序结果,确定所述构件检索词对应的构件分类。
本发明实施例提供的构件检索方法,通过将构件检索词导入构件分类预测模型,得到构件检索词对应的至少一种预测分类结果,并对至少一种预测分类结果进行排序,基于预测分类的排序结果,确定构件检索词对应的构件分类,由此实现了构件的分类预测,避免不相关构件的检索,提高了构件的检索效率。
结合第一方面,在第一方面的第二实施方式中,所述构件分类预测模型的训练方法包括:采集用于训练所述构件分类预测模型的检索数据,所述检索数据包括所述构件检索词及其对应分类;基于所述检索数据的数据处理结果,确定测试数据集和训练数据集;基于所述训练数据集和所述测试数据集,生成所述构件分类预测模型。
本发明实施例提供的构件检索方法,通过采集用于训练构件分类预测模型的检索数据,检索数据中包括有构件检索词及其对应分类,基于检索数据的数据处理结果,确定测试数据集和训练数据集,再根据训练数据集和测试数据集生成构件分类预测模型。该方法通过训练构件分类预测模型以实现构件的分类预测,从检索源头上提高了构件的检索效率,最大程度的避免了不相关构件的检索。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广联达科技股份有限公司,未经广联达科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110751330.4/2.html,转载请声明来源钻瓜专利网。