从缺乏上下文信息的产品目录结构化数据中自动提取和构建FBS设计推理知识图谱

基于本体的知识图谱（KG）在包括设计决策在内的各种决策场景中，对于有效的知识管理和重用至关重要。基于特定本体模型创建和填充大规模知识图谱，除非实现知识提取和图谱创建的自动化流程，否则将非常耗费人力和时间。大多数关于知识图谱自动提取和创建的研究都基于能够提供上下文信息的大量非结构化数据集。然而，关于公司产品和服务的一些最有用的信息传统上是以结构化数据的形式记录的。此类结构化数据集通常不遵循标准本体，不包含实体间关系的显式映射，也不提供任何上下文信息。因此，本研究报告了一种方法和数字工作流，以解决这一差距。所开发的方法和工作流采用基于规则的技术，从遗留的结构化数据（尤其是规格说明书和产品目录）中提取并构建基于功能-行为-结构（FBS）本体的知识图谱。该解决方案包含两个主要组成部分：一个用于推导上下文和FBS本体概念分类规则的过程，以及一个用于填充和检索FBS本体知识图谱的工作流。知识图谱和自然语言处理（NLP）被用于自动化知识提取、表示和检索。通过工业环境中的试点实施，验证了该工作流的有效性。研究报告了试点研究中关于挑战和机遇的见解，包括对FBS本体和概念的讨论。