Text2shape 深度检索模型：在基于案例推理背景下生成机械零件再设计的初始案例
人工智能
2023-02-14 v1 计算与语言
信息检索
摘要
在基于案例推理的背景下，从历史事件库中检索相似解决方案以满足新设计需求是机械零件再设计的第一步。然而，当案例库规模较大时，人工检索方法存在效率低的问题。此外，简单的推理算法（例如基于规则的推理、决策树）难以覆盖复杂设计方案中的所有特征。为此，建立了一种 text2shape 深度检索模型，以支持基于文本描述的机械零件形状检索，其中文本用于描述目标机械零件的结构特征。更具体地，应用特征工程来识别目标机械零件的关键结构特征。基于所识别的关键结构特征，构建了包含 1000 个样本的训练集，其中每个样本由一段描述一组结构特征的文本及对应的结构特征三维形状组成。定制了 RNN 和 3D CNN 算法来构建 text2shape 深度检索模型。采用正交实验进行建模调参。最终，模型的最高准确率为 0.98；因此，该模型可有效用于机械零件再设计的初始案例检索。
引用
@article{arxiv.2302.06341,
title = {Text2shape Deep Retrieval Model: Generating Initial Cases for Mechanical Part Redesign under the Context of Case-Based Reasoning},
author = {Tianshuo Zang and Maolin Yang and Wentao Yong and Pingyu Jiang},
journal= {arXiv preprint arXiv:2302.06341},
year = {2023}
}