閉環全生命周期管理系統中知識集成與語義標注

桑 成, 程 健, 史一明

(中國科學技術大學 自動化系,合肥 230022)

閉環全生命周期管理系統中知識集成與語義標注

桑 成*, 程 健, 史一明

(中國科學技術大學 自動化系,合肥 230022)

(*通信作者電子郵箱sc615@mail.ustc.edu.cn)

為了解決閉環全生命周期管理系統中知識相互獨立、無法共享的問題，針對閉環全生命周期特點，提出了一種知識集成與語義標注方法。首先，簡要闡述了閉環全生命周期管理系統中知識集成與語義標注的內涵；其次，利用本體技術對低溫等離子體設備構建了多維度、多層次知識集成框架；然后，在此基礎上，給出了知識文檔語義標注流程，設計出一種文檔語義向量與本體語義向量的提取與匹配計算方法，完成了低溫等離子體設備中一個子系統的知識文檔語義標注。設計測試實驗并進行驗證，實驗結果表明,利用閉環全生命周期管理系統中的知識文檔數據集進行語義標注，平均準確率達到84%，平均召回率達到79%。所提知識集成與語義標注方法可以實現知識文檔在閉環全生命周期管理系統中的共享與重用。

閉環全生命周期管理；本體；知識集成；語義標注；低溫等離子體設備

0 引言

為實現產品全生命周期信息的管理，歐盟PROMISE(PROduct lifecycle Management and Information tracking using Smart Embedded systems)項目組首先提出了閉環全生命周期管理(Closed-Loop Lifecycle Management, CL2M)的理念[1]，旨在產品中嵌入信息裝置(Product Embedded Information Device, PEID)[2]獲取產品全生命周期數據，打通產品生命中期與后期的信息通道；利用產品數據與知識管理(Product Data & Knowledge Management, PDKM)系統，將數據轉換成知識并進行集成，實現產品信息高效管理，達到智能商業化應用的目的[3]。

提出閉環全生命周期的理念，目的在于實現產品信息在全生命周期內的交互與共享，而PDKM[4]提出在獲取產品不同生命階段信息之后，利用本體為知識語義建模，作為CL2M知識集成框架，提高CL2M系統信息利用率。

目前，國內外關于閉環全生命周期系統中的知識管理主要集中在各生命周期階段數據的集成與整合研究。文獻[5-6]研究了在CL2M系統中，利用本體技術構建用戶與產品業務模型的方法，并結合語義網規則語言(Semantic Web Rule Language, SWRL)推理整合各個生命階段數據，Felic等[7]提出采用面向過程方法，設計產品鏈與過程鏈本體模型促進企業不同部門間知識的相互理解與協作，但僅僅圍繞產品各個生命階段業務流程進行知識集成與表達,忽略了實際的知識類別以及知識應用的場景，無法充分挖掘知識的語義信息。現有的知識管理平臺在進行知識文檔語義標注時，大多采用手工標注，影響了知識錄用效率，而在少數的知識文檔自動標注中，如方偉光等[8]參照本體概念相似度計算，提取了概念間語義關系，并引入語義增量增加文檔關鍵詞權重，最終以關鍵詞向量作為語義標注結果，但是關鍵詞向量不能完整表達文檔語義信息，降低了文檔利用效率，并且不能很好實現文檔與知識本體的關聯。

本文以低溫等離子體設備系統作為研究應用對象，從設備的全生命周期以及設備知識類型角度出發，構建多維度、多層次、富含語義信息的知識本體，對設備系統的全生命周期知識進行集成。為實現知識文檔的準確匹配，一方面，綜合詞匯的詞頻與語義關系提取文檔語義向量；另一方面，利用本體元素語義圖獲取本體語義向量，充分表達本體元素語義信息；再對兩者進行相似度計算，實現知識文檔在本體模型中的準確匹配，達到知識文檔的精確標注效果，根據匹配結果生成語義空間，完成對設備系統知識文檔的語義標注。

1 CL2M系統的知識集成與語義標注

1.1 CL2M系統的知識集成

在CL2M系統中，能實現共享與重用的數據都可以成為知識。但CL2M系統具有跨生命周期、跨組織、跨平臺等特點，利用PEID與中間件技術獲取的不同生命階段數據，彼此獨立，表達方式各異，主要表現在：數據間沒有相互關聯，數據表達模型不同、數據保存方式不同、對同一事物語義描述不同；不能實現知識的共享與重用，大大降低知識的利用率。

本體是共享概念的規范化說明[9]，由概念、關系、實例、公理這四種基本建模元素組成，具有概念化、規范化、明確性、共享性等特點。將本體應用于CL2M系統，可從全生命周期的角度，采用共同認可、規范的概念對其進行描述，從而形成CL2M系統的知識語義網。CL2M系統知識集成主要達到以下目的：1)消除各階段數據異構性；2)實現數據向知識轉換；3)提取知識間語義關系，最終實現各階段知識互聯。

1.2 CL2M系統語義標注

語義標注[10]是指，通過提取能表達文檔語義信息的關鍵詞作為文檔標識與本體元素進行匹配，達到知識文檔與本體的關聯，利用本體模型片段表達知識文檔，從而將文檔融入CL2M系統知識語義網。陳思等[11]對語義空間的生成與存儲進行了深入研究，提出用語義空間作為語義標注的結果。語義標注具有以下功能：1)文檔與本體元素準確匹配；2)知識文檔共享與重用；3)應用于語義化檢索平臺，最終提高知識檢索的準確度。

2 低溫等離子體設備系統的知識集成

2.1 低溫等離子體設備系統簡介

低溫等離子體設備在半導體器件、太陽能電池、各種顯示屏的制造，以及材料的改性處理、功能薄膜的制備、低地球軌道空間環境的模擬等方面有廣泛的應用，屬于一類非常重要的工業應用及科學研究設備系統，以其為研究應用對象，具有一定代表性和典型應用價值。

圖1為低溫等離子體設備系統結構組成示意圖，主要包括進氣子系統、電源子系統、真空室、抽氣子系統，以及朗繆爾探針測量儀、真空計等測量設備。

該設備系統各部分在不同生命周期階段由不同部門參與負責，并且需要彼此間相互協調配合。若在該設備系統中，有其他生產廠家配套的設備單元，還會涉及到不同生產廠家之間的信息交互。

圖1 低溫等離子體設備系統

全生命周期一般分為三個階段：生命前期(Beginning Of Life, BOL)，包括產品設計與制造階段；生命中期(Middle Of Life, MOL)，包括產品使用與維護階段；生命后期(End Of Life, EOL)，包括產品回收與報廢階段。以設備系統中的電源子系統與朗繆爾探針測量儀為例，表1是其部分知識交互關系流。根據表1可以看出，設備系統在全生命周期每個階段都需要其他階段的知識參與。為實現不同生命階段知識的交互，應充分挖掘知識間語義關系，并用精確的概念加以描述。

表1 全生命周期中低溫等離子體設備系統部分知識交互關系流

2.2 低溫等離子體設備系統的知識集成

根據低溫等離子體設備系統全生命周期的特點，通過對設備系統各個生命階段的知識流向分析，結合設備系統實際的知識類別，將設備系統的知識劃分成產品對象、產品知識類別、產品組織資源、產品全生命周期、產品知識元數據五個維度。基于設備系統知識的維度劃分，采用統一、規范的概念進行描述，構建富含語義關系的知識本體，在知識文檔語義標注時，能充分表示文檔語義信息，實現知識全生命周期共享集成。

基于本體基本建模元素，低溫等離子體設備CL2M系統中知識本體構建方法如下：從全生命周期角度分析設備系統在不同生命階段的流程，參照文獻[12]對設備系統具體生命周期流程采用邏輯業務節點表示并用業務邏輯結構為業務節點建立關聯，保證生命周期知識的系統性與完整性；依據實際知識模塊劃分知識類別，根據全生命周期概念，確定不同知識實例并分析實例間關系，提取設備知識類別概念；分析確定設備對象以及不同生命階段與設備相關的部門、人員、相關工具，確定產品組織資源；在此基礎上，分析概念間的約束關系，添加公理。圖2是低溫等離子體設備CL2M系統(部分)多維知識本體模型，其中簡要例舉了不同維度包含的概念以及概念間的關聯關系。

圖2 低溫等離子體設備CL2M系統(部分)多維知識本體模型

1)全生命周期維。

依據設備系統全生命周期的劃分，產品知識主要有：需求分析、產品設計、生產制造、物流運輸、產品銷售、產品使用、產品維護以及報廢回收；并可進一步劃分，如設計階段的方案設計，包括設計標準、設計任務、設計原理、設計方案，產品開發等。

2)產品知識類別維。

根據實際設備系統的知識模塊進行劃分，如等離子體參數計算方法、微波電源操作規范、微弱電流測量等。

3)產品對象維。

根據設備系統的組成結構以及元件、組件間的連接關系劃分，包括朗繆爾探針測量儀、發射探針測量儀、抽氣子系統、電源子系統、真空室等，朗繆爾測量儀包括單探針、雙探針、機械掃描器等。

4)產品組織資源維。

伴隨設備系統全生命周期，與知識相關的組織或個人，主要為知識的創造者或使用者，如硬件開發組、軟件開發組、設備維護組等。

5)產品知識元數據維。

包括能確定設備系統知識文檔的元數據以及知識文檔的標注結果，包括知識主題、知識版本號、知識存儲地址、知識產生時間、知識類型、知識創建對象、知識語義空間。

在對設備系統五個維度的概念以及實例添加確認后，通過對象屬性進行概念或實例間語義關聯。表2例舉了設備系統知識本體中部分對象屬性。

表2 多維度知識本體中部分對象屬性

構建的設備系統知識本體需要不斷地更新完善，并經過等離子體領域專家審核認可才能應用于CL2M系統，實現知識集成。

3 低溫等離子體設備系統知識的語義標注

3.1 知識文檔語義標注流程

如圖3所示，基于CL2M系統平臺，首先知識文檔一方面由PEID收集設備系統各生命階段現場知識數據，利用中間件技術上傳到CL2M系統平臺；另一方面在設計、制造階段由設計、制造人員直接上傳到CL2M系統；然后對獲取到的知

識，添加知識主題等元數據信息并標準統一化，預處理知識提取關鍵詞，解析預先構建的多維知識本體，借助知識本體完成知識語義標注；最后在CL2M系統平臺中生成知識庫，根據CL2M系統實際應用場景提供相關知識服務。其知識文檔語義標注具體流程如下：

1)知識文檔標準統一。

基于CL2M系統平臺獲取到的知識資源按照CL2M系統知識文檔標準模型進行標準統一化。

圖3 CL2M系統中設備系統知識語義標注流程

2)知識文檔處理。

將不同格式的文檔轉換成簡單的文本文檔，進行分詞與去除停用詞處理；利用TextRank與TF-IDF(Term Frequency-Inverse Document Frequency)算法相結合計算詞頻，再利用句法依存分析詞匯間主要依賴關系；根據詞頻與依存關系賦予詞匯相應的權重，提取關鍵詞，生成知識文檔語義向量。

3)CL2M系統知識本體解析。

借助本體知識推理機推理多維知識本體，挖掘知識本體中隱含的語義信息，利用本體工具Jena[13]拆解知識本體中的概念、實例、屬性等本體元素生成本體知識語義圖，依據本體元素間語義距離與元素出現頻率賦予權值，生成本體語義向量。

4)生成設備系統知識語義庫。

計算知識文檔語義向量與本體語義向量間相似度；依據相似度值確定與知識文檔向量最匹配的本體語義向量，利用Jena，根據匹配的本體向量主元素以及知識本體中元素間的對象屬性，在知識本體中進行五個維度語義拓展，生成知識本體片段作為語義空間，完成語義標注。

3.2 統一的知識文檔標準

CL2M系統時間跨度長，空間跨度廣，所涉及到的知識文檔紛繁復雜；根據文獻[14]的研究，設備系統知識文檔主要包括與設備相關的各種類型的文本文檔或具有描述信息的公式、圖片、影像等說明文檔。

為實現對CL2M系統中知識文檔的統一管理，需要建立一個知識文檔的標準模型。圖4是所建立的CL2M系統知識文檔的標準模型，其中：設備知識文檔的全生命周期用于表達知識產生與使用的全生命周期信息；知識文檔狀態數據能夠確定知識使用率，衡量知識重要程度；知識文檔元數據用于描述知識基本信息、知識文檔語義空間是語義標注結果，實現知識的互聯與共享。知識文檔的標準統一不僅解決設備系統知識的異構性問題以及冗余現象，同時便于知識文檔語義標注，并且語義標注結果能夠輔助知識文檔管理。這里采用網絡本體語言(Web ontology language, OWL)表示CL2M系統知識文檔標準模型，拓展了設備系統知識語義空間。

圖4 CL2M系統知識文檔標準模型

3.3 知識文檔語義標注

為完成設備系統的知識文檔的語義標注，首先處理知識文檔，產生文檔語義向量；然后解析知識本體，獲得本體語義向量；最后計算兩者的語義相似度，生成語義空間，完成知識文檔的語義標注。由此可見，獲取文檔語義向量與本體語義向量是實現設備系統知識文檔語義標注的關鍵。

3.3.1 文檔語義向量的獲取

準確提取文檔關鍵詞是獲取文檔語義向量的前提，在對文檔進行分詞與去除停用詞處理之后，采用TextRank、TF-IDF算法與句法依存分析三者相結合完成關鍵詞提取。

TF-IDF算法提取關鍵詞是基于這樣的假設：詞匯對文檔的重要性，隨其在文檔中出現的次數增加而上升，隨其在整個語料庫中出現次數增加而降低。對應公式如下：

TextRank算法由PageRank算法演化而來，基于圖模型，利用投票機制經過多次迭代得到詞匯權重；本文對TextRank算法與TF-IDF算法加以融合，將TextRank算法得到的詞匯權重替換詞匯i在文檔j中出現的頻率，彌補依據簡單詞頻(TermFrequency,TF)計算詞匯權重的不足，同時借助IDF(InverseDocumentFrequency)可以很好地過濾TextRank算法中得到的常見但不具代表性的詞匯。

TextRank與TF-IDF算法只考慮詞匯在文檔中的詞頻因素，而句法依存分析可以獲得詞匯間的依賴關系以及詞匯在句子中的語義成分；詞匯間的語義關系主要包括核心關系、主謂關系、動賓關系、并列關系等。為簡化詞匯間語義關系，并保留句子主要成分，本文提出用主謂賓關系以及并列關系確定句子中主謂賓詞匯，以此增加詞匯權重。

綜合上述提取關鍵詞算法，其具體公式如下：

(2)

νtextj={(t1,ω1),(t2,ω2)，…，(tn,ωn)}

其中：ωi為詞匯ti對應的權重。

3.3.2 知識本體語義向量獲取

為保留完整的本體語義信息，應先借助本體推理機推理知識本體，發掘本體中隱含的語義關系；利用本體解析工具Jena拆解知識本體，獲得待標注的本體元素，將其定義為本體主元素；再抽取與主元素語義距離相近的本體元素，定義為本體關聯元素，生成本體關聯元素集。因設備系統知識本體面向專業領域，本體關聯元素與本體主元素語義關系必然十分緊密，一定程度上可以用本體關聯元素集“代替”本體主元素。利用本體主元素與本體關聯元素生成本體語義圖：

其中：melej為本體語義圖中第j個主元素，aelej,i為對應第j個主元素的第i個關聯元素。

將與本體主元素語義距離為1和語義距離為2的本體元素作為關聯元素，并分別賦予權值β、γ；統計本體關聯元素在本體語義圖中被本體主元素引用次數σ，計算關聯元素引用權重(Reference Weight, RW)：

rwi=ln(m/σ)

(3)

其中：式中m為本體主元素個數。則最終本體元素權重(Ontology Element Weight, OEW)：

oewi=

(4)

經過上述計算，得到本體元素語義向量：

νmelej={(melej,ω1),(aele1,ω2),…,(aelen,ωn)}

其中：melej為第j個本體向量主元素；aelek為本體向量中第k個關聯元素；ωi為本體向量中本體元素對應的權重。

3.3.3 更新知識語義庫

知識語義庫的更新，采用向量余弦相似度計算法。計算文檔語義向量與本體語義向量間語義相似度，取相似度最高的本體語義向量作為候選向量，判斷文檔語義向量與候選本體語義向量相似度是否高于設定的閾值。若低于設定閾值，根據實際需要，人工判定舍棄文檔或更新知識本體重新標注；若高于設定閾值，則匹配成功，基于知識本體，按照五個維度進行語義拓展，生成語義空間，添加到CL2M系統知識文檔標準模型，存入知識語義庫。

4 實驗驗證與結果分析

為驗證本文提出的語義標注方法的可行性，利用本體編輯工具Protégé[15]從五個維度構建低溫等離子體設備系統知識本體，進行知識集成；借助馬里蘭大學開發的推理機Pellet[16]，推理知識本體，以Jena作為解析本體工具；由CL2M知識集成與語義標注系統生成文檔語義向量與本體語義向量，進行相似度計算，實現知識文檔在本體中定位；最終再借助Jena根據匹配結果進行五個維度的語義拓展，生成語義空間，更新CL2M系統知識庫。

4.1 知識集成與語義標注實例展示

設備系統的知識文檔語義標注結果以語義空間表示，本文以設備系統知識文檔中雙探針參數測量方法為例，其創建在設計階段，應用于測試與使用階段。對其按照標準進行統一處理，得到標準的知識文檔，計算得到的關鍵詞如表3所示。該文檔的語義向量與本體中雙探針測量參數使用說明對應的本體向量相似度最高，在知識本體中以雙探針測量參數使用說明為中心進行五個維度拓展，生成語義空間如圖5所示。

表3 標準知識文檔實例

4.2 語義標注實驗分析

目前實驗室已搭建了低溫等離子體設備系統CL2M平臺，并已初步應用于設備系統的開發與研究，CL2M平臺中的數據文檔主要有：發表的論文、合作方提供的標準技術手冊以及等離子體領域專家的知識經驗。本文從CL2M平臺中選取低溫等離子體設備系統中與朗繆爾探針測量儀相關的知識文檔，主要包括：探針測量原理、微弱電流測量、嵌入式系統軟硬件設計、測量儀使用方法等子領域，為了獲得有效的測試數據，首先對文檔進行預處理，只保留文本格式；然后核對文檔信息，根據文檔的主題確定文檔在知識本體中匹配與定位的本體元素；最后由朗繆爾探針測量儀領域專家核實文檔與匹配的本體元素是否正確；最終得到預先標識本體元素的知識文檔數據集。

目前主要有文獻[8]、文獻[11]進行了知識管理平臺文檔語義標注研究，為了驗證語義標注方法的有效性，分別采用本文所提的語義標注方法與文獻[8]、文獻[11]的語義標注方法對知識文檔數據集進行語義標注。為了驗證本文提出知識文檔精確的語義標注效果，在文獻[11]語義標注算法中提取與關鍵詞相似度最高的本體元素作為文檔匹配的本體元素。在測試知識文檔精確語義標注效果時，當知識文檔標注后得到匹配的本體元素與預先標識的本體元素相同時，則匹配成功，否則匹配失敗；本文分別借助準確率(precision)、召回率(recall)、F值(F-measure)三個指標檢驗知識文檔精確標注效果。標注率是指能關聯到知識本體的知識文檔數與待標注的知識文檔數之比，用于衡量知識文檔關聯知識本體效果。如表4所示，分別為本文與文獻[8]、文獻[11]對知識文檔進行語義標注結果。

圖5 知識文檔語義空間實例

由表4可以看出，本文提出的語義標注方法與文獻[11]中的語義標注方法的標注率都比較高，可見采用語義空間作為語義標注結果可以完全實現知識文檔與知識本體的關聯；相對文獻[11]，通過向量相似度計算方法在知識文檔精確標注方面有明顯提升，能實現知識文檔更為精確的語義標注。同時也驗證了基于設備系統全生命周期、構建多維度知識本體、實現知識集成的方案的可行性。

表4 不同方法語義標注結果 %

5 結語

為了實現CL2M系統中各個生命周期階段間知識的分享與重用，本文構建了多維度知識集成框架并提取本體語義向量，提出知識文檔語義向量提取方法，挖掘知識文檔語義信息，通過對本體語義向量與知識文檔語義向量匹配計算，完成知識文檔在知識集成框架中的語義標注。通過實驗結果表明，該方法能夠充分表達文檔的語義信息，實現知識文檔與本體元素的精確匹配，從而提高知識在CL2M系統中的利用效率。后期可在此工作基礎上，進一步研究如何進行知識語義化智能推送，實現CL2M系統知識的語義化服務。

)

[1]FRAMLINGK,HOLMSTROMJ,LOUKKOLAJ,etal.SustainablePLMthroughintelligentproducts[J].EngineeringApplicationsofArtificialIntelligence, 2013, 26(2): 789-799.

[2] 許宜春,徐亭,桑成.產品全生命周期數據自動采集PEID研制[J].計算機系統應用,2015,24(12):93-99.(XUYC,XUT,SANGC.DevelopmentofPEIDforautomaticallyacquiringproductlifecycledata[J].ComputerSystems&Applications, 2015, 24(12): 93-99.)

[3]MAHARJANM.Enablingclosedlooplifecyclemanagementwithinformationexchangestandards[D].Espoo:AaltoUniversity, 2013: 7-26.

[4]YOOMJ,GROZELC,KIRITSISD.Closed-looplifecyclemanagementofserviceandproductintheinternetofthings:semanticframeworkforknowledgeintegration[J].Sensors, 2016, 16(7): 1053.

[5]MATSOKISA,KIRITSISD.Anontology-basedapproachforproductlifecyclemanagement[J].ComputersinIndustry, 2010, 61(8): 787-797.

[6]NADOVEZAD,KIRITSISD.Ontology-basedapproachforcontextmodelinginenterpriseapplications[J].ComputersinIndustry, 2014, 65(9): 1218-1231.

[7]FELICA,KONIG-RIESB,KLEINM.Process-orientedsemanticknowledgemanagementinproductlifecyclemanagement[J].ProcediaCIRP, 2014, 25(C): 361-368.

[8] 方偉光,郭宇,廖文和,等.基于本體的復雜產品設計知識表示和標注方法[J].計算機集成制造系統,2016,22(9):2063-2071.(FANGWG,GUOY,LIAOWH,etal.Knowledgerepresentationandannotationmethodbasedonontologyforcomplexproducts’design[J].ComputerIntegratedManufacturingSystems, 2016, 22(9): 2063-2071.)

[9]GOMEZ-PEREZA,CORCHOO.OntologylanguagesforthesemanticWeb[J].IEEEIntelligentSystems, 2002, 17(1): 54-60.

[10] 陳葉旺,李海波,余金山,等.一種基于稀疏編碼的語義標注方法[J].計算機科學,2011,38(9):150-154,181.(CHENYW,LIHB,YUJS,etal.Semanticannotationmethodbasedonsparsecoding[J].ComputerScience, 2011, 38(9): 150-154, 181.)

[11] 陳思,閻艷,王釗,等．復雜產品設計知識的語義自動標注方法[J].計算機集成制造系統,2014,20(1):69-78.(CHENS,YANY,WANGZ,etal.Automaticsemanticannotationmethodforcomplexproductdesign-knowledge[J].ComputerIntegratedManufacturingSystems, 2014, 20(1): 69-78.)

[12] 陳思,閻艷,上官景昌,等.基于業務本體的產品設計知識表示方法[J].計算機集成制造系統,2011,17(4):673-679.(CHENS,YANY,SHANGGUANJC,etal.Productdesignknowledgerepresentationbasedonbussinessontology[J].ComputerIntegratedManufacturingSystems, 2011, 17(4): 673-679.)

[13]TheApacheSoftwareFoundation.ApacheJena[EB/OL]. [2016- 10- 12].http://jena.apache.org/download/.

[14] 徐亭.低溫等離子體設備C-LPLM系統的研究與開發[D].合肥：中國科學技術大學,2015:17-26.(XUT.ResearchanddevelopmentoftheC-LPLMsystemoflow-temperatureplasmaequipments[D].Hefei:UniversityofScienceandTechnologyofChina, 2015: 17-26.)

[15]StanfordCenterforBiomedicalInformaticsResearch.Protégéversion5.0.0,protégéontologyeditor[EB/OL]. [2016- 10- 12].http://protege.stanford.edu/products.php.

[16]CLARK&PARSIALLC.Pellet:OWL2reasonerforJava[EB/OL]. [2016- 10- 12].http://clarkparsia.com/pellet/.

ThisworkispartiallysupportedbytheNationalNaturalScienceFoundationofChina(11575182).

SANG Cheng, born in 1992, M. S. candidate. His research interests include closed-loop lifecycle management, product knowledge management.

CHENG Jian, born in 1964, M. S., senior engineer. His research interests include distributed network measurement and control technology, intelligent sensor, embedded system, closed -loop lifecycle management.

SHI Yiming, born in 1993, M. S. candidate. His research interests include closed-loop lifecycle management, product failure prediction and maintenance.

Knowledge integration and semantic annotation in closed-loop lifecycle management system

SANG Cheng*, CHENG Jian, SHI Yiming

(DepartmentofAutomation,UniversityofScienceandTechnologyofChina,HefeiAnhui230022,China)

The knowledge in the closed-loop lifecycle management system is independent and can’t be shared. In order to solve the problems, aiming at the characteristics of the closed-loop lifecycle, a new knowledge integration and semantic annotation method was proposed. Firstly, the connotation of knowledge integration and semantic annotation in closed-loop lifecycle management system was expatiated briefly. Secondly, a multi-dimensional and multi-level knowledge integration framework was constructed by using ontology technology for low temperature plasma equipment. Then, on the above basis, a computing method of extracting and matching the document semantic vector and ontology semantic vector was designed. The knowledge document semantic annotation of one sub-system in low temperature plasma equipment was completed. Finally, the test experiments were designed and verified. The experimental results show that, by using knowledge document data set in the closed-loop lifecycle management system to complete the semantic annotation, the average accuracy rate of the proposed method is 84%, and its average recall rate is 79%. The proposed knowledge integration and semantic annotation method can realize the sharing and reuse of the knowledge document in the closed-loop lifecycle management system.

closed-loop lifecycle management; ontology; knowledge integration; semantic annotation; equipment of low temperature plasma

2016- 12- 02;

2017- 02- 13。 基金項目:國家自然科學基金資助項目(11575182)。

桑成(1992—)，男，安徽明光人，碩士研究生，主要研究方向:閉環全生命周期管理、產品知識管理； 程健(1964—)，男，安徽桐城人, 高級工程師,碩士，主要研究方向:分布式網絡測控技術、智能傳感器、嵌入式系統、閉環全生命周期管理； 史一明(1993—)，男，河南汝州人，碩士研究生，主要研究方向：閉環全生命周期管理、產品故障預測與維護。

1001- 9081(2017)06- 1728- 07

10.11772/j.issn.1001- 9081.2017.06.1728

TP

A