張鼎霖，成 勛，趙 強(qiáng)

（中國工程物理研究院 計(jì)算機(jī)應(yīng)用研究所，綿陽 621900）

面向大型科學(xué)工程協(xié)同工作的信息推薦

張鼎霖，成 勛，趙 強(qiáng)

（中國工程物理研究院 計(jì)算機(jī)應(yīng)用研究所，綿陽 621900）

大型科學(xué)工程因其龐大的規(guī)模使得其在研制時(shí)必須是多專業(yè)、多部門、多人員協(xié)同工作。其研制周期內(nèi)產(chǎn)生的多維度且格式復(fù)雜的海量數(shù)據(jù)信息讓科研人員陷入“信息過載”中，不能很好的利用這些數(shù)據(jù)。將信息推薦技術(shù)應(yīng)用在大型科學(xué)工程的協(xié)同研制工作中，提出了面向4D協(xié)同信息的推薦模型，并設(shè)計(jì)了一個(gè)面向大型科學(xué)工程協(xié)同工作的信息推薦系統(tǒng)。該系統(tǒng)通過基于4D技術(shù)的信息可視化展示方式向大型科學(xué)工程研發(fā)人員實(shí)時(shí)、連續(xù)地推薦他們需要的信息，提高研發(fā)人員的工作效率。

大型科學(xué)工程；協(xié)同工作；信息推薦

引言

大型科學(xué)工程既是許多學(xué)科領(lǐng)域開展創(chuàng)新研究不可缺少的技術(shù)和手段支撐，也是科學(xué)技術(shù)高度發(fā)展的綜合體現(xiàn)和彰顯國家科技實(shí)力的重要標(biāo)志。大型科學(xué)工程由于自身規(guī)模巨大、設(shè)計(jì)參與人員多、涉及學(xué)科廣等特性，在工程建設(shè)過程中需要大量科技資源集成和多單位協(xié)同工作。在工程研制的各階段都會產(chǎn)生多維度且格式復(fù)雜的海量數(shù)據(jù)信息，讓設(shè)計(jì)人員陷入“信息過載”[1]的困境，雖然搜索引擎、信息檢索等技術(shù)可以在一定程度上緩解這個(gè)問題，但仍不能解決個(gè)體角色差異、需求差異所帶來的偏好差異問題。另外，傳統(tǒng)檢索方式通常是基于多級菜單的自主選擇，操作繁雜，速度慢。工程信息的多維度和復(fù)雜格式讓檢索時(shí)的關(guān)鍵字選取很難確定，造成檢索結(jié)果往往不能滿足用戶需求。

協(xié)同過濾推薦共享了其他人的經(jīng)驗(yàn)，可以避免內(nèi)容分析的不完全和不精確，而且能夠基于一些復(fù)雜的，難以格式化表達(dá)的概念進(jìn)行過濾。對于面向大型科學(xué)工程協(xié)同工作的信息推薦系統(tǒng)來說，這些特性正是系統(tǒng)所需要的。但協(xié)同過濾推薦算法也并不是完全適用，這主要是大型科學(xué)工程協(xié)同工作中信息的利用頻率遠(yuǎn)遠(yuǎn)低于現(xiàn)在主流電商平臺上商品的購買頻率。對于協(xié)同過濾推薦算法來說，就面臨著一個(gè)“數(shù)據(jù)稀疏”的問題。另外，大型科學(xué)工程協(xié)同工作中涉及的數(shù)據(jù)維度廣，格式復(fù)雜，并且和裝置3D模型之間有著緊密的耦合關(guān)系。因此，必須融合其它的過濾算法來增加新的過濾因素，并且調(diào)整數(shù)據(jù)組織和表達(dá)方法來解決上述問題。

本文面向大型科學(xué)工程，基于4D協(xié)同信息推薦模型設(shè)計(jì)了一個(gè)混合推薦系統(tǒng)，并通過4D技術(shù)的可視化展示方式向大型科學(xué)工程研發(fā)人員實(shí)時(shí)、連續(xù)地推薦他們需要的信息，提高研發(fā)人員工作效率。

1 面向4D協(xié)同信息的推薦模型

1.1 構(gòu)建4D協(xié)同信息推薦模型

面向大型科學(xué)工程研發(fā)的協(xié)同工作需要建立一個(gè)統(tǒng)一的設(shè)計(jì)標(biāo)準(zhǔn)，作為工程協(xié)同設(shè)計(jì)過程中協(xié)同信息交流與交換的載體[2]。如圖1所示，4D協(xié)同信息模型基于輕量化3D模型對工程建設(shè)全生命周期中各種信息進(jìn)行了結(jié)構(gòu)化集成，也建立了3D整體模型和工程研制進(jìn)度計(jì)劃的鏈接關(guān)系。因此，4D協(xié)同信息模型可以作為大型科學(xué)工程協(xié)同工作中協(xié)同信息交流與交換的載體。信息推薦模型根據(jù)用戶信息及偏好模型從工程建設(shè)全生命周期的各種信息中自動(dòng)選擇符合用戶興趣的內(nèi)容推薦給用戶，滿足用戶的個(gè)性化需求。4D協(xié)同信息推薦模型是4D協(xié)同信息模型和信息推薦模型的有機(jī)結(jié)合，能夠連接項(xiàng)目生命周期不同階段的數(shù)據(jù)、過程和資源，更好的支持項(xiàng)目生命周期中動(dòng)態(tài)的工程信息創(chuàng)建、管理和共享；采用4D信息展示的方式，更好的實(shí)現(xiàn)大型科學(xué)工程協(xié)同工作中信息的精準(zhǔn)推薦服務(wù)。

1.2 推薦的流程

圖1 4D協(xié)同信息推薦模型產(chǎn)生過程

圖2 推薦系統(tǒng)工作流程

推薦流程如圖2所示。首先對數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、清洗等操作，從異構(gòu)、多源、含噪聲的數(shù)據(jù)庫中提取科研人員信息和偏好信息，包括科研人員的專業(yè)、任務(wù)、單位、崗位和權(quán)限等信息，建立用戶模型；同時(shí)從知識庫中提取知識信息建立4D協(xié)同信息模型，然后通過協(xié)同過濾引擎和為了解決“數(shù)據(jù)稀疏”問題而加入的靜態(tài)規(guī)則引擎和關(guān)聯(lián)規(guī)則引擎產(chǎn)生初始推薦集。

初始推薦集是根據(jù)用戶偏好信息得到的推薦結(jié)果。對于大型科學(xué)工程的科研人員來說，每個(gè)人都有自己的專業(yè)、崗位和權(quán)限。通過引入專業(yè)方向過濾（光學(xué)、機(jī)械、電氣、控制等），崗位過濾（計(jì)劃、管理、設(shè)計(jì)、工藝、安裝、檢測等）和環(huán)境感知過濾（賬號權(quán)限、關(guān)聯(lián)應(yīng)用等）來對初始推薦集信息進(jìn)行過濾。

經(jīng)過過濾后的推薦結(jié)果通常也可以直接展示給科研人員，但如果綜合考慮適用性、多樣性、時(shí)間等因素對它們進(jìn)行排名，則可以更好地提升用戶體驗(yàn)。經(jīng)過排名階段后的推薦結(jié)果列表以結(jié)合3D模型的可視化形式展示給科研人員，并且科研人員對系統(tǒng)推薦的工程信息進(jìn)行評價(jià)，推薦系統(tǒng)根據(jù)評價(jià)意見更新用戶模型和修改推薦策略。

1.3 關(guān)鍵技術(shù)

本節(jié)根據(jù)推薦系統(tǒng)工作流程，重點(diǎn)對推薦系統(tǒng)中的用戶偏好、混合推薦算法、推薦信息可視化進(jìn)行分析。

1）用戶偏好

推薦系統(tǒng)中推薦過程的第一步就是獲取每個(gè)用戶的偏好[3]。一般認(rèn)為，偏好描述的是決策者對兩個(gè)或多個(gè)項(xiàng)目 的排序關(guān)系[4]。目前用戶偏好獲取方法主要分為顯式偏好獲取和隱式偏好獲取。顯式偏好獲取需要用戶顯式的提供偏好信息，這些偏好信息通常用給定區(qū)間上的評分來表示；隱式偏好獲取方法不需要用戶顯式地提供偏好信息，而是利用用戶的歷史行為數(shù)據(jù)來挖掘用戶偏好。

2） 混合推薦算法

基于協(xié)同過濾對于未獲得足夠的評分信息的新項(xiàng)目難以實(shí)現(xiàn)推薦。因此設(shè)計(jì)實(shí)際的推薦系統(tǒng)往往需要不同的算法組合，針對應(yīng)用的特性與要求提出混合推薦算法，構(gòu)建基于多種推薦機(jī)制和策略的混合推薦?；旌贤扑]通常是基于協(xié)同過濾和內(nèi)容的，其他的組合類型也有。混合的思路主要包括：加權(quán)組合、動(dòng)態(tài)切換、混合、特征組合、級聯(lián)、特征放大、元層次組合。

3） 推薦信息可視化

通過對裝置裝備的子系統(tǒng)和各個(gè)部組件的分類和分析，提取出能夠反映其空間幾何特征的關(guān)鍵屬性，可在三維圖形平臺上構(gòu)造其3D實(shí)體模型，并可以從任意位置和角度對3D模型進(jìn)行動(dòng)態(tài)顯示變換，以實(shí)現(xiàn)工程的3D可視化。將工程設(shè)計(jì)和建造過程中相關(guān)的各類設(shè)計(jì)和管理信息，如：構(gòu)件尺寸信息、質(zhì)量管理信息、資源需求信息、資金使用情況、施工場地布置信息等都結(jié)合到裝置3D的模型中，通過3D圖解、顏色映射、LOD (Level of Details)等可視化技術(shù)實(shí)現(xiàn)工程研制信息和狀態(tài)的4D可視化。

2 4D協(xié)同信息推薦系統(tǒng)原型的設(shè)計(jì)

2.1 系統(tǒng)實(shí)現(xiàn)整體架構(gòu)

面向大型科學(xué)工程協(xié)同工作的信息推薦系統(tǒng)實(shí)現(xiàn)的整體架構(gòu)如圖3所示。

1）數(shù)據(jù)源。提供4D協(xié)同信息推薦模型所需數(shù)據(jù)支撐。數(shù)據(jù)源包括設(shè)計(jì)（概念設(shè)計(jì)）階段通過三維設(shè)計(jì)軟件做出的裝置3D圖形，科研項(xiàng)目管理軟件中的管理數(shù)據(jù)，計(jì)劃進(jìn)度軟件中的計(jì)劃進(jìn)度數(shù)據(jù)以及其它外部軟件管理的相關(guān)數(shù)據(jù)。

2）接口層。利用自主研發(fā)的模型轉(zhuǎn)換與輕量化工具，提供了3D CAD格式模型解析和文件導(dǎo)入導(dǎo)出、數(shù)據(jù)庫存儲及訪問、訪問權(quán)限控制以及多用戶并發(fā)訪問管理等功能，可將來自不同數(shù)據(jù)源和不同格式的模型及信息通過數(shù)據(jù)集成的方式傳輸?shù)较到y(tǒng)，實(shí)現(xiàn)了不同系統(tǒng)信息的交換、集成和應(yīng)用。

3）數(shù)據(jù)層。數(shù)據(jù)層包括用戶模型和信息模型，其中用戶模型由科研人員基礎(chǔ)資料、科研人員行為及偏好等內(nèi)容構(gòu)成。信息模型包括信息元數(shù)據(jù)和反饋評價(jià)信息等。數(shù)據(jù)源中的數(shù)據(jù)通過抽取、解析、接口轉(zhuǎn)換等操作，可以獲得用戶屬性集合和信息屬性集，進(jìn)而生成用戶特征向量和信息特征向量。

4）平臺層。平臺層對系統(tǒng)的各個(gè)模型的集成與管理，保障各項(xiàng)功能模塊的順利實(shí)現(xiàn)，是應(yīng)用層與數(shù)據(jù)層之間紐帶，包括了多維可視化平臺、數(shù)據(jù)集成與管理平臺。

5）推薦引擎層。該層是整個(gè)推薦系統(tǒng)的核心，它將算法和策略包裝成能獨(dú)立的推薦引擎，對信息模型完成相似度計(jì)算、偏好預(yù)測和關(guān)聯(lián)分析等計(jì)算任務(wù)?；趨f(xié)同過濾技術(shù)來實(shí)現(xiàn)個(gè)性化推薦引擎，在非個(gè)性化推薦引擎方面，實(shí)現(xiàn)了靜態(tài)規(guī)則推薦引擎和關(guān)聯(lián)規(guī)則推薦引擎。

6）應(yīng)用層。位于最頂層，是用戶與系統(tǒng)交互的接口，包括常見的配置、管理、交互和展示。其允許配置混合推薦模型的參數(shù)和混合方式，保證推薦系統(tǒng)的靈活性。

2.2 推薦系統(tǒng)模塊設(shè)計(jì)介紹

如圖4所示，系統(tǒng)包含系統(tǒng)界面/接口模塊、用戶建模模塊及推薦算法模塊，具體來說，系統(tǒng)包括以下幾個(gè)功能模塊：

1）系統(tǒng)界面/接口模塊

圖3 系統(tǒng)總體技術(shù)架構(gòu)

系統(tǒng)界面/接口模塊用于實(shí)現(xiàn)科研人員和系統(tǒng)的人機(jī)交互。在推薦系統(tǒng)平臺上工作時(shí)，推薦系統(tǒng)通過系統(tǒng)界面向科研人員推薦信息，科研人員則通過系統(tǒng)界面對推薦結(jié)果進(jìn)行評價(jià)。

2）用戶建模模塊

用戶建模模塊負(fù)責(zé)對源數(shù)據(jù)進(jìn)行分析與處理，清除噪音數(shù)據(jù)。挖掘用戶信息中能夠表達(dá)科研人員的需求、興趣和使用習(xí)慣的部分，并以特定形式表示和學(xué)習(xí)用戶模型。為了保證用戶模型的準(zhǔn)確性和實(shí)效性，用戶建模模塊還要負(fù)責(zé)收集科研人員的反饋信息，實(shí)現(xiàn)對用戶模型的實(shí)時(shí)或周期性更新。

3）推薦算法模塊

推薦算法模塊是推薦系統(tǒng)的核心模塊，實(shí)現(xiàn)用戶模型與信息對象模型之間的匹配，根據(jù)推薦引擎對信息項(xiàng)目進(jìn)行評分預(yù)測，并根據(jù)預(yù)測評分生成相應(yīng)的推薦信息項(xiàng)目集合通過系統(tǒng)界面展示給用戶。

3 總結(jié)

圖4 推薦系統(tǒng)模塊設(shè)計(jì)

在大型科學(xué)工程協(xié)同工作中應(yīng)用信息推薦技術(shù)需要考慮兩方面：一方面要實(shí)現(xiàn)面向工程全生命周期的信息管理；另一方面工程所產(chǎn)生的信息維度比電商維度更廣，信息格式比網(wǎng)站更復(fù)雜，信息展示方式上與對象三維空間耦合更緊?；诖吮疚奶岢隽艘粋€(gè)應(yīng)用于大型科學(xué)工程協(xié)同工作，面向4D協(xié)同信息的推薦模型。將4D協(xié)同信息模型與信息推薦模型結(jié)合進(jìn)行有機(jī)組合。推薦系統(tǒng)運(yùn)用混合推薦策略得到初始推薦集，再經(jīng)過崗位過濾和環(huán)境感知過濾處理，最后綜合考慮適用性、多樣性、時(shí)間等因素對推薦結(jié)果進(jìn)行排名，將推薦結(jié)果通過4D技術(shù)的可視化展示方式呈現(xiàn)給工程研發(fā)人員，減輕他們“信息過載”的壓力，提高工作效率。

[1] Adomavicius G, Tuzhilin A.Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions[J].IEEE Transactions on Knowledge & Data Engineering, 2005, 17(6):734-749.

[2] Cheng X, Cao K, Zhao Q.Application of 4D-VR Technology in the Management of Large-Scaled Scientific Project [M].Berlin: Springer International Publishing, 2014: 26-40.

[3] Garcia I, Pajares S, Sebastia L, Onaindia E.Perference elicitation techniques for group recommender systems [J].Information Science,2012,189(8):155-175.

[4] 王立才,孟祥武,張玉潔.上下文感知推薦系統(tǒng)[J]．軟件學(xué)報(bào), 2012, 23(1):1-20.

張鼎霖，男，1991年生，碩士，主要研究領(lǐng)域?yàn)閿?shù)字化工程.成勛，男，1987年生，工程師，主要研究領(lǐng)域?yàn)閿?shù)字化工程。

趙強(qiáng)，男，1959年生，研究員，碩士生導(dǎo)師，主要研究領(lǐng)域?yàn)閿?shù)字化工程、信息安全。

圖8 可靠性實(shí)驗(yàn)平臺的實(shí)物照片

5）基于LABVIEW的編程和組態(tài)軟件應(yīng)用實(shí)現(xiàn)了各個(gè)工位的電流、電壓、溫度、時(shí)間、真空度等多項(xiàng)檢測量的顯示存儲和操作；

6）基于程序控制的UPS斷電延時(shí)保護(hù)等

圖8是該平臺的實(shí)物照片。

參考文獻(xiàn):

[1]王昆、張宗峰 超導(dǎo)用輕型斯特林制冷機(jī)可靠性測試系統(tǒng)投標(biāo)方案.

[2]郭慶堂.實(shí)用制冷工程設(shè)計(jì)手冊[M].北京：中國建筑工業(yè)出版社1996, 841-857.

[3]馬學(xué)煥,石國麗,姜春.VM800型熱真空試驗(yàn)設(shè)備的研制[J].哈爾濱機(jī)械工程師, 2012(7):173-175.

[4]趙帥,張宗峰.1000L快速溫度變化試驗(yàn)箱控制系統(tǒng)設(shè)計(jì)[J].合肥:低溫與超導(dǎo), 2014(2):48-51.

[5]達(dá)道安.真空設(shè)計(jì)手冊[M].北京：國防工業(yè)出版社, 1991.

[6] VAT公司真空閥門選型手冊《vacuum valves 2016》.

[7] Agilent Vacuum Products Catalog 2011.

作者簡介:

馬學(xué)煥（1964-），男，高級工程師，主要從事低溫制冷、真空及環(huán)境試驗(yàn)設(shè)備等領(lǐng)域的研制工作。

Information Recommendation on the Collaborative Work of Key Scientifi c Engineering

ZHANG Ding-Lin, CHENG Xun, ZHAO Qiang
(Computer Science and Application Institute of China Academy of Engineering Physics, Mianyang 621900)

Key scientific engineering involves in the cooperation of researchers of different disciplines and departments because of its vast scale.The multi-dimensional and complex data which is produced in the life-circle of the development of the project trapped the researchers in the“information overload” without efficient usage of the data.In this paper, we apply the information recommendation technology in the collaborative research and development of key scientific engineering, and propose a recommendation model for 4D collaborative information.Based on the model, we design an information recommendation system for collaborative work of key scientific engineering.The system continuously recommends the real-life information needed to the researchers through the information visualization based on the 4D technology, and promote the efficiency.

key scientific engineering; collaborative work; information recommendation

TP391.9

T

1004-7204（2016）05-0140-05

本課題得到國家重大科技專項(xiàng)（2013ZX04006022 -102 -002）資助。