一种改进深度强化学习的MBD语义推理方法

张美玉，张立军，林明梁，简琤峰

(浙江工业大学 计算机学院 数字媒体技术研究所，杭州 310023)

1 引 言

实现数字化智能制造的关键技术之一是基于模型定义(Model Based Definition，MBD)技术[1，2].MBD产品模型不仅包含了传统的三维几何信息，还包括了功能信息、装配信息、产品制造信息(PMI)等非几何信息，同时这些信息隐含了大量的设计意图[3，4]等高层次语义信息，例如PMI尺寸公差等约束信息可以反映出MBD模型潜在设计意图.这些语义规则的挖掘推理对数字化设计制造的重用具有现实意义.然而面向传统知识图谱知识推理的现有方法存在推理深层次实体关系能力有限、推理多跳路径能力不足、时间复杂度高等问题，难以适应MBD模型的潜在语义推理需求.

目前知识图谱[5]图推理方法主要分为单步推理和多步推理两种[6，7].单步推理中的张量分解算法着重直接相连的实体关系，由于忽略了多路径的情况而存在推理深层次实体关系的能力有限的问题，且在利用张量分解算法推理大型知识图谱时，时间复杂度较大.其他单步推理主要有基于转移的表示推理方法TransE和基于其改进的其他众多方法[8-11].然而TransE处理复杂关系的能力不足，TransR由于引入空间投影，使得计算复杂度大幅提高.多步推理中的路径排序算法能推理出实体间更深层次的关系，但是在多跳路径中的推理能力一般，且易出现数据稀疏问题.Lao N等提出经典的PRA算法，以路径为特征，通过枚举的方式，推理实体间是否存在特……