本發(fā)明涉及協(xié)同建模仿真，尤其涉及一種多用戶協(xié)同建模的設(shè)計(jì)方法。

背景技術(shù)：

1、在科學(xué)研究、工程設(shè)計(jì)和創(chuàng)新領(lǐng)域，多個(gè)用戶通常需要協(xié)同參與模型的設(shè)計(jì)和驗(yàn)證過(guò)程。然而，多用戶協(xié)同建模涉及跨越地理位置的用戶協(xié)調(diào)、模型驗(yàn)證、仿真測(cè)試時(shí)帶來(lái)的操作沖突問(wèn)題，但現(xiàn)有技術(shù)尚沒(méi)有關(guān)于解決操作沖突的方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種多用戶協(xié)同建模的設(shè)計(jì)方法，能夠解決現(xiàn)有技術(shù)中的技術(shù)問(wèn)題。

2、本發(fā)明提供了一種多用戶協(xié)同建模的設(shè)計(jì)方法，其中，該方法包括：

3、根據(jù)用戶信息進(jìn)行用戶識(shí)別，所述用戶信息包括用戶唯一身份標(biāo)識(shí)；

4、收集用戶編輯歷史數(shù)據(jù)，用戶編輯歷史數(shù)據(jù)包括操作序列和每個(gè)操作的意圖標(biāo)簽；

5、對(duì)用戶編輯歷史數(shù)據(jù)進(jìn)行轉(zhuǎn)換；

6、建立循環(huán)神經(jīng)網(wǎng)絡(luò)rnn模型；

7、使用轉(zhuǎn)換后的用戶編輯歷史數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，以最小化意圖標(biāo)簽的預(yù)測(cè)誤差；

8、接收多用戶執(zhí)行的操作；

9、利用訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)每個(gè)操作的意圖標(biāo)簽；

10、在操作存在沖突的情況下，根據(jù)預(yù)測(cè)的意圖標(biāo)簽消除沖突，以確定保留的操作。

11、優(yōu)選地，該方法還包括：

12、在消除沖突并完成目標(biāo)模型的多用戶協(xié)同建模后，發(fā)布建立的目標(biāo)模型，對(duì)已發(fā)布的目標(biāo)模型分配模型唯一身份標(biāo)識(shí)，并提供鎖定功能。

13、優(yōu)選地，該方法還包括：

14、接收用戶請(qǐng)求，用戶請(qǐng)求用于請(qǐng)求打開(kāi)已發(fā)布的目標(biāo)模型；

15、根據(jù)用戶請(qǐng)求打開(kāi)已發(fā)布的目標(biāo)模型，同時(shí)創(chuàng)建已發(fā)布的目標(biāo)模型的副本。

16、優(yōu)選地，循環(huán)神經(jīng)網(wǎng)絡(luò)模型包括輸入層、rnn層和輸出層，輸入層接收操作序列的嵌入表示，rnn層使用長(zhǎng)短期記憶網(wǎng)絡(luò)循環(huán)單元來(lái)捕捉操作序列的序列信息，輸出層輸出每個(gè)操作對(duì)應(yīng)預(yù)測(cè)的意圖標(biāo)簽。

17、優(yōu)選地，根據(jù)沖突檢測(cè)函數(shù)判斷是否存在沖突。

18、本發(fā)明還提供了一種多用戶協(xié)同建模的設(shè)計(jì)系統(tǒng)，其中，該系統(tǒng)包括：

19、識(shí)別單元，用于根據(jù)用戶信息進(jìn)行用戶識(shí)別，所述用戶信息包括用戶唯一身份標(biāo)識(shí)；

20、收集單元，用于收集用戶編輯歷史數(shù)據(jù)，用戶編輯歷史數(shù)據(jù)包括操作序列和每個(gè)操作的意圖標(biāo)簽；

21、轉(zhuǎn)換單元，用于對(duì)用戶編輯歷史數(shù)據(jù)進(jìn)行轉(zhuǎn)換；

22、模型建立單元，用于建立循環(huán)神經(jīng)網(wǎng)絡(luò)rnn模型；

23、訓(xùn)練單元，用于使用轉(zhuǎn)換后的用戶編輯歷史數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，以最小化意圖標(biāo)簽的預(yù)測(cè)誤差；

24、第一接收單元，用于接收多用戶執(zhí)行的操作，對(duì)于每個(gè)操作，利用訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)每個(gè)操作的意圖標(biāo)簽；

25、沖突消除單元，用于在操作存在沖突的情況下，根據(jù)預(yù)測(cè)的意圖標(biāo)簽消除沖突，以確定保留的操作。

26、優(yōu)選地，該系統(tǒng)還包括：

27、發(fā)布單元，用于在消除沖突并完成目標(biāo)模型的多用戶協(xié)同建模后，發(fā)布建立的目標(biāo)模型，對(duì)已發(fā)布的目標(biāo)模型分配模型唯一身份標(biāo)識(shí)，并提供鎖定功能。

28、優(yōu)選地，該系統(tǒng)還包括：

29、第二接收單元，用于接收用戶請(qǐng)求，用戶請(qǐng)求用于請(qǐng)求打開(kāi)已發(fā)布的目標(biāo)模型；

30、開(kāi)啟單元，用于根據(jù)用戶請(qǐng)求打開(kāi)已發(fā)布的目標(biāo)模型，同時(shí)創(chuàng)建已發(fā)布的目標(biāo)模型的副本。

31、優(yōu)選地，循環(huán)神經(jīng)網(wǎng)絡(luò)模型包括輸入層、rnn層和輸出層，輸入層接收操作序列的嵌入表示，rnn層使用長(zhǎng)短期記憶網(wǎng)絡(luò)循環(huán)單元來(lái)捕捉操作序列的序列信息，輸出層輸出每個(gè)操作對(duì)應(yīng)預(yù)測(cè)的意圖標(biāo)簽。

32、優(yōu)選地，根據(jù)沖突檢測(cè)函數(shù)判斷是否存在沖突。

33、通過(guò)上述技術(shù)方案，可以根據(jù)用戶編輯歷史數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，并利用訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)每個(gè)操作的意圖標(biāo)簽，在操作存在沖突的情況下，根據(jù)預(yù)測(cè)的意圖標(biāo)簽消除沖突，以確定保留的操作。由此，可以實(shí)現(xiàn)多用戶協(xié)同編輯，解決了多用戶協(xié)同操作易沖突的問(wèn)題，提供了協(xié)作效率。

技術(shù)特征：

1.一種多用戶協(xié)同建模的設(shè)計(jì)方法，其特征在于，該方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法還包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，該方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，循環(huán)神經(jīng)網(wǎng)絡(luò)模型包括輸入層、rnn層和輸出層，輸入層接收操作序列的嵌入表示，rnn層使用長(zhǎng)短期記憶網(wǎng)絡(luò)循環(huán)單元來(lái)捕捉操作序列的序列信息，輸出層輸出每個(gè)操作對(duì)應(yīng)預(yù)測(cè)的意圖標(biāo)簽。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，根據(jù)沖突檢測(cè)函數(shù)判斷是否存在沖突。

6.一種多用戶協(xié)同建模的設(shè)計(jì)系統(tǒng)，其特征在于，該系統(tǒng)包括：

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，該系統(tǒng)還包括：

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，該系統(tǒng)還包括：

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，循環(huán)神經(jīng)網(wǎng)絡(luò)模型包括輸入層、rnn層和輸出層，輸入層接收操作序列的嵌入表示，rnn層使用長(zhǎng)短期記憶網(wǎng)絡(luò)循環(huán)單元來(lái)捕捉操作序列的序列信息，輸出層輸出每個(gè)操作對(duì)應(yīng)預(yù)測(cè)的意圖標(biāo)簽。

10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，根據(jù)沖突檢測(cè)函數(shù)判斷是否存在沖突。

技術(shù)總結(jié)
本發(fā)明涉及協(xié)同建模仿真技術(shù)領(lǐng)域，公開(kāi)了一種多用戶協(xié)同建模的設(shè)計(jì)方法。其中，該方法包括：根據(jù)用戶信息進(jìn)行用戶識(shí)別，所述用戶信息包括用戶唯一身份標(biāo)識(shí)；收集用戶編輯歷史數(shù)據(jù)，用戶編輯歷史數(shù)據(jù)包括操作序列和每個(gè)操作的意圖標(biāo)簽；對(duì)用戶編輯歷史數(shù)據(jù)進(jìn)行轉(zhuǎn)換；建立循環(huán)神經(jīng)網(wǎng)絡(luò)RNN模型；使用轉(zhuǎn)換后的用戶編輯歷史數(shù)據(jù)訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)模型，以最小化意圖標(biāo)簽的預(yù)測(cè)誤差；接收多用戶執(zhí)行的操作；利用訓(xùn)練后的循環(huán)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)每個(gè)操作的意圖標(biāo)簽；在操作存在沖突的情況下，根據(jù)預(yù)測(cè)的意圖標(biāo)簽消除沖突，以確定保留的操作。由此，可以實(shí)現(xiàn)多用戶協(xié)同編輯，解決了多用戶協(xié)同操作易沖突的問(wèn)題，提供了協(xié)作效率。

技術(shù)研發(fā)人員：李少偉,張艷清,劉一澤,李萍
受保護(hù)的技術(shù)使用者：中國(guó)航天科工飛航技術(shù)研究院（中國(guó)航天海鷹機(jī)電技術(shù)研究院）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/19