一种面向模式的非功能需求知识精化方法

摘要

本发明公开了一种面向模式的非功能需求知识精化方法，涉及需求工程和知识图谱精化领域，其特征在于，通过将建立的非功能需求知识图谱进行扩展得到具有模式集的四元组集，读取所述四元组集进行预处理并初始化实体、关系和模式的表示向量，利用投影矩阵把实体和关系的向量投影到模式空间得到评分函数，同时检测非功能需求知识图谱中的层次结构计算获得层次约束间距，再结合评分函数获得损失函数，采用随梯度下降法对知识图谱嵌入向量进行优化训练得到表示向量，根据表示向量和评分函数进行知识补全和知识查错。本发明在知识图谱中增加了模式，并引入层次结构进行优化，提高了知识精化的质量，确保了重用知识的正确性和完整性。