本体特征

本体特征（共8篇）

本体特征 篇1

在众多特征识别方法中,基于属性邻接图的特征识别方法是最常用的方法。早在21世纪初,就有研究者将边之间的关系作为图的构成元素,实现了以有向图为基础的特征识别方法[1],文献[2,3]在其基础上进一步的引入了边的凸凹性的判定,指出了合理的数据结构和建模方法能够提高整个系统的性能。但在基于有向边形成的属性邻接图中,相当数量的组合特征并不能被明确的识别,并且仅对于轴类零件有较好的识别效果[4,5]。同时,由于没有一个规范的数据结构作为支撑,特征识别结果的表达也相对无序。

目前对加工特征识别的研究一般都以特征的静态提取为主,对提取后的特征重新分析、形成可加工的序列的研究较少。本文从定义完整的产品几何本体理论体系入手,通过设计规范的特征数据结构,建立了产品的几何本体的静态特征模型和特征序列过程模型,并最终形成了可指导零件加工的加工序列。

1 产品几何本体模型的定义

本体论是一种概念化的说明,是对客观存在的概念及其关系的一种描述[6]。引入本体目的首先是使术语“标准化”,实现领域知识的规范化及有效的共享知识;其次是实现知识的“可重用性”。在几何建模中,本体的定义可以按照如下方式表达:

引理1:本体的概念化描述:本体是几何特征组合D的概念化描述,它包括两个基本的要素:特征和特征之间的关系,可形式化定义为结构C=,其中D是一个领域(domain),R是建立在D上的集合或相应关系。

在几何特征建模中,有特征、特征的属性以及特征之间的关系这三种结构需要阐述。引理1中的D、R并不能完整的定义特征的相互关系,为此,引入状态集合W。

引理2:引入多元组本体:全函数(n元)概念关系ρn:W※2Dn,从W映射到D上的所有n元关系的集合(在此N=3)。基于以上的引理2和引理3,定义1可以扩展为如下定义:

扩展引理1:应用于特征建模的本体是一个有序的三元组C=〈D,W,R〉,其中R是几何域空间〈D,W〉上的概念关系的集合;D是几何本体定义的领域,W是其中所有的属性的状态集合。

在扩展引理1的基础上,我们经过对产品几何本体的属性分析,可以将几何本体模型以有序三元组的概念几何加以描述:其中领域{D}为产品的几何特征集合;属性集{W}是特征所具有的属性集合;关系映射{R}是从特征到属性的映射。综上,我们可以将几何产品的本体理论与概念化定义对比如表1。

至此,我们已经完成了几何的本体的框架定义,这些框架定义需要进一步引入预定义的可能状态集合,用以区分集合W中的属性元素。

定义1:产品几何本体的概念化定义:有几何本体C=,则对任一可能属性空间w∈W,其关于C的“预定世界结构(intended world structure)”———属性及其间的关系为SwC=,其中RwC={ρ(w)|ρ∈R}是R中元素的(相对于w的)真子集。而SC={SwC w∈W}则表示了所有关于C的预定世界结构。即RwC为单个特征的属性,SwC是一个产品特征的属性集合。

在完成了产品的几何本体的定义之后,需要考虑用什么样的结构和语言来描述这些本体所包含的特征属性,为此我们建立了属性描述定义的规范。

定义2:产品几何本体的属性描述定义:令L为一逻辑语言,V为其词汇集。L的一个模型(model)定义为结构,其中S=为世界结构,I:V→D∪R为一个解释映射,在L中,l通过单一映射和多重映射构成完整的解释关系。

经过重新定义的几何本体概念模型和功能模型示意图如图1所示,以几何本体作为世界空间的内涵重新描述定义为:令L为一特征间逻辑语言,V为其可能的所有属性(词汇集),则定义L的本体承约(ontological commitment)为K=。其中C=为域D上的所有特征集合,J:V→D∪R为一个函数,J通过单一映射和多重映射构成完整的解释关系。

2 产品的制造行为定义及其静态模型和过程模型的建立

2.1 根据本体理论分析制造行为的定义

在产品的几何本体的定义基础上,我们可以将产品的几何模型本体化。将其中的特征信息分归纳为本体的领域集合{D};同时,将{D}中的特征元素的属性加以提取,形成{Wn n∈R}属性集,在对应映射集{R}的作用下,从而实现完整的几何本体。以几何本体的定义为基础,我们可以得到产品的制造行为的定义。

定义3:产品制造行为定义:在产品的制造过程中,将几何本体的特征集合{C}中各个特征元素和他们的关系的重构归纳,最终形成可以实施加工的独立特征的有序组合。制造行为包含两个层次:静态制造行为和动态制造行为。其中静态的制造行为是每个特征的分立表示,而动态的制造行为则是产品加工的工艺序列。动态制造行为来自于对静态制造行为的推理和演绎。其间的关系见图2所示。

按照制造行为的定义,在对零件的几何本体结构进行深入分析以及考虑基于属性邻接图的特征识别方法获取信息能力的基础上,在此将构造零件几何本体的制造行为分为两大类,即方位制造信息、形状制造信息(如图3):

方位制造信息—SwC:SC={SwC|w∈W};在三维空间坐标系中,任何一个几何本体各表面都有其外法线,外法线的指向和外法线与坐标平面的夹角间接反映了构成零件几何本体的几何元素之间的相互位置关系。方位制造信息即是反映几何本体各表面方位信息的集合,其元素包括方位标识和方位面外法线与各坐标平面的夹角。

形状制造信息—RwC:RwC={ρ(w|)ρ∈R};是指零件上具有一定拓扑关系的一组几何元素(点、线、面)所组成的特定形状,它具有特定的功能,且与一定的加工方式相对应。不同的形状制造信息对于构造零件形状,满足零件的功能要求或工艺要求所起的作用是不同的。因此,这里将形状制造信息进一步分为主特征信息和辅助特征信息。

主特征信息是R中元素的(相对于w的)真子集,用以描述零件的基本几何实体,具有独立的形状,它又可以再分为基本主特征信息如孔、槽、台阶、型腔等和复合主特征信息如同轴孔、均布孔等;辅助特征信息指依附于主特征之上的几何形状,如倒角、过渡圆角的信息等,它们是对主特征信息的局部修饰,反映了零件几何本体的细微结构。

相对轴类零件而言,本文零件的几何本体的制造行为更为复杂多样,且规律性表现也更为多样,因此它的加工特征的识别相对比较困难。考虑到计算的复杂性和效率问题,本文仅考虑零件几何本体制造行为中的基本主特征信息的识别。它的几何本体孤立制造行为(即不与其它特征发生交互的制造行为)的识别比较容易,但当行为之间发生制造行为交互时,由于原有的行为模型遭到了破坏,识别工作便变得更为复杂。

2.2 建立基于图的布尔运算的制造行为静态模型

为提取被加工部件的几何形状,我们首先要将被加工的部分的体积单独提取出来,并根据其具体形状,产生相应的属性描述表。为此我们采用面—边属性邻接图(AAG)结构表示特征属性和之间的关系,但AAG图中仅简单描述相邻面之间的拓扑关系,若直接采用这种方式进行匹配,许多语义上差异很大的特征都会被错误归为同一特征,因此除了拓扑关系,还需捕捉相邻面之间的几何关系。因此需要根据已经建立的几何特征的本体模型,对AAG图进行概念扩展,对边和面的属性作进一步定义。

定义4:AAG图概念定义:定义属性邻接图G=,其中{N|∈D}:图中结点的集合,与零件或特征的每个表面本体元素相对应;{A|a∈W}:边的集合,对应几何本体几何{N}中的每两个相邻面间的关系;{T|t∈R}:面和边的属性集,对应于几何本体概念定义中的属性映射{R},他反应了面与边之间的关系。

参照属性邻接图的拓展定义方法,在图4中给出一个具体零件的属性邻接图(AAG)表示。图4中所得被加工部分的提取由图的布尔减运算得到。由未加工零件的属性邻接图减去零件的属性邻接图,即可得到需加工部分的特征属性邻接图。图5(a)是一个长方体毛坯的AAG图;图5(b)是在该毛坯上加工1个三棱柱形凹坑后的零件AAG图;图(c)是经过图的布尔减,得到的加工特征的AAG图(个三棱柱)。

图的布尔减定义为两个图的对应节点(面)相减,而后重新构造节点之间连接弧的过程。节点相减是将对应的几何面相减,保持被减数节点对应的外法线或外环方向不变,减数的对应节点的外法线或外环取反方向。通过图的布尔减,得到了零件的加工部分体积。

因而,将已得到的被加工部分的AAG与待加工几何本体做交运算[∩],所得的几何{F f∈N}即为所需加工特征的加工基准面。在得到了加工部分的体积和加工基准面后,零件的静态模型的基本组成元素也就齐备了。在图6中,F10为两个特征的几何本体重用的表面,他同时出现在了2个特征的属性邻接图中———F10是特征1,2的加工基准面(以*表示)。

在图6的实例中,将加工后的几何本体的属性邻接图和加工前的属性邻接图按照上述方做布尔减后,可以得到两个子图———这就说明分别是有两个特征需要被分别加工,根据下述列表可以归纳得:面集合{F7,F8,F9}和面集合{F11,F12,F13,F14}两个特征(图7),这两个特征的基准面分别是F6和F10。这样就得到了制造序列的静态模型。

2.3 推导基于本体论的制造行为过程序列

研究上节所建立的几何本体的静态模型,通过分析其中抽取的几何特征和特征之间的关系,可以将其间的关系定义为以下几类:

R1并列关系:属于同一个父节点且之间不存在交互,在特征关系图中属于隐式关系;

R2交叠关系:有一个面贴合,且贴合面的外法线方向相反;

R3干涉关系:两个特征存在体积相交;

R4包容关系:负特征所包围的体积在正特征体积内部(负特征包括孔、盲孔、空洞等);

在机械加工中,所有的制造行为都可以在3轴机床上沿零件3个坐标的6个方向(+X,-X,+Y,-Y,+Z,-Z)中选择进刀方向,完全加工出所需的外形。基于图的沿切削深度方向的制造行为的提取算法(如图9)的原理是将待加工部分以进刀方向垂直面为界限,分解为若干独立的体积。在这样的处理中,逐层分解出的体积部分被称为局部制造行为。而这些行为的集合就构成了该零件的制造行为的过程模型的基本元素。

对局部制造行为分解得到的子特征,其进一步的组合过程如下:

步骤1:(组合):检查进刀方向当前子特征及其相邻子特征之间坐标相同的节点的几何属性。

步骤2:(重构):如果上下层子特征所对应节点的几何面重合,通过两个子特征AAG图的布尔和运算,将两个子特征合并,生成新的AAG图。

步骤3:沿该进刀方向继续搜索,合并所有可以合并的子特征。

步骤4:由新形成的AAG图对应的边界构造制造过程序列模型。

至此,我们已经通过上述算法完成了制造行为的优化重构,接下来要按照加工方向形成制造行为关系序列———将静态模型中形成的特征表面编号(如图7),并通过沿各进刀方向的搜索,可以形成制造行为关系序列(FeatureRelationGraph,FRG)。行为关系序列根据其本体的约束定义为VG=,其中,V为节点(特征)集;E为连接弧(特征关系)集;A为特征关系的属性:以0代表干涉,1代表交叠,2代表包容。零件毛坯中的每个分立特征按照加工方向横向排列,其中涉及到多个特征引用的面用*表示。在序列中,对于包含*的特征,需要将其拆分为邻接于左右节点的子特征序列,同时,它的左右的邻接节点就是它的加工基准面。

3 应用于几何本体进行的制造行为推理实例

通过使用本文方法对图8(a)中的零件的几何本体进行特征序列知识的识别与优化,所得的加工特征如图8(b),并据此形成XML语言,最终得到产品的制造行为过程序列模型(图9)。这个优化序列符合加工过程的一般需求,可以有效地应用于产品设计单元与工艺设计、工装设计、数控编程等单元的集成。

在上述算法中通过先分解单个静态制造行为,再按照几何本体加工时装夹的方向对静态制造行为特征进行优化的过程,强调了算法的实用、可靠和简洁,以保证方法具有较强的健壮性———即使在中间步骤中断,依然可以提供后续单元可用的加工特征信息。

4 结束语

本文所提出的加工特征制造行为推理方法以本体为数据结构建模基础,使用图的布尔运算,结合基于图的方法和体积分解方法,给出了制造特征的识别、方向性制造行为的组合优化、制造行为过程序列的建立等一系列算法,最终形成了能够应用于零件加工的特征加工序列。该方法具有简洁、可行、有效和实用的特点,可以用于CAD系统集成化、智能化的研究与开发。

摘要：将本理论应用于产品制造行为建模及的推理中。从零件的属性邻接图入手,分解出局部静态制造行为,与已经建立的本体制造行为知识库相匹配,构成制造行为的静态本体模型;并以本体论和图的布尔运算为基础,按照零件的加工方向形成优化的制造行为过程序列,最终形成了供分析的几何本体过程序列模型。

关键词：加工特征,几何本体,制造行为,过程序列

参考文献

[1]Joshi S,Chang TC.Graph-based heuristics for recognition of machined features from a3D solid model[J].Computer-Ai-ded Design,1988,20(2):58—66

[2]P.Holland,P.M.Standring.Feature extraction from STEP(ISO10303)CAD drawing files for metal forming process selection in an integrated design system[J].Journal of Materials Processing Technology,2002(125-126):446—455

[3]Z.Huang,D,Yip-Hoi.High-level feature recognition using feature relationship graphs[J].Computer-Aided Design,2002(34):561—582

[4]安鲁陵,葛友华.基于实体模型的加工特征提取与识别[J].机械科学与技术,2000,19(4):665—667

[5]周炜,刘长毅等.基于属性邻接图的轴类零件制造特征识别方法.机械科学与技术,2006,25(6):716—720

[6]高曙明.自动特征识别技术综述[J].计算机学报,1998,21(3):281—288

本体特征 篇2

将新闻作品作为客体信息与主体信息的复合物来解读是合乎新闻传播实际，也是合乎认识发生论的揭示规律的。传播主体对客观事物的认识（有时是参与）、选择和反应，总是自觉或不自觉地体现出某种心理指向，显示出传播者认识事物、思考问题和评价社会的已经定型了的思维程式。说到底，它是民族或社会集团长期的文化环境、实践行为在某个具体的人（传播主体），在某一具体事物（新闻作品）中的折射，是民族或社会集团相对稳固的观念文化在心理内层的积淀演化使然。

文化的天幕笼罩着新闻，我们不能摆脱它。

浅析水彩画的本体语言特征 篇3

关键词：水彩画；本体语言；水色结合；透明；肌理

中图分类号：J215文献标识码：A文章编号：2095-4115（2014）08-27-1

前言

水彩画是西方绘画种类中重要的一种。随着中西方文化的交流与融合，水彩画开始传入中国，因经历了萌芽、发展、成长的不同时期而逐渐成熟。分析、研究、把握水彩画的本体特征，无论是对于水彩画的创作与学习上，还是对于理论探究和艺术实践上，不仅大有裨益，而且十分必要。为此本文通过回顾水彩画的本体语言特征来找回水彩画的一些独特风貌。

一、水彩画的两个独特之美

（一）水彩艺术中的水色交融

水彩画是一个历史悠久的画种，水彩中的水色语言又是水彩画的重要组成部分，水彩之精妙就在于其水的灵活运用。水彩画是用水来调和颜色，并用千变万化的表现形式来表现水彩艺术家内心的想法、情感、内涵的主题和民族独特的意蕴。

水彩画家们经过长期的实践认识到，水彩画除了用水调和颜色作画形式之外，水就其本身还有渗透性、流动性等特征。颜色和水巧妙地结合在一起，可以使颜色随着水分的流动产生自然节奏的变化。作为水彩媒介的水，与颜色调和后形成的那种清新自然、蔚为壮观的艺术效果，实在令人不可思议。

（二）水彩画的清奇透明

从古到今，当人们看到透明的事物时内心会产生爽朗、轻快的感觉。由于水彩颜料具有一定的透明性，水彩画家们也充分利用这一特征，加之灵活的技巧，使水彩颜色的透明特性得以充分发挥，使画面在画家们所独有的思想和绘画形式下产生神奇、灵活、清新、自然的独特效果。

说起水彩画的特征———透明，许多人都会因此感叹水彩之神奇。因为水彩画可以在其透明的特征下呈现出或浓或淡、或轻或重、或虚无飘渺、或苍劲有力的艺术效果。

水彩画是西画的一种，因此具有西画的构图、透视、构成等特性，但它与同为西画种的油画不同的是水彩颜料本身具有透明特性。因此，水彩画在色彩运用的基础上还可以通过颜料、用笔的浓淡来展现画面层次，轻厚对比之下更能表现空间的透气和丰富。水彩在作画过程中多由由浅入深，再加上水的流动性，所以水彩常在薄涂或层层叠加中彰显其透明特征。水彩画也因此傲立于画坛中。

二、水彩的两个基本性格

（一）水彩画创作中的“意外”

由于水本身具有流动性，水流淌的方向、面积常常难以预料，再加上水彩画用笔的抑扬顿挫等等，因此水彩画在创作过程中会产生一些独特的韵律、符号等，由此形成了水彩画的随意性与偶然性。但水彩画的偶然性并不是让其水随意流淌，而是水彩画家应在水彩画产生偶然因素的过程中加之自己的想法、技艺，从而达到画面生动、灵活、自然、美好的艺术效果。而这些特定的随意性与偶然性，对水彩画创作思想的体现以及画面的效果有着画龙点睛之功效。水彩画家对物体的形的把握是不同的，有的重写实，有的重写意，有的重抽象，但每种画法中的随意性和偶然性都会对画面产生重要的影响，使水彩画散发独有的艺术魅力。

（二）水彩画的衣裳———肌理

如今，肌理的广泛运用使绘画艺术面目一新。水彩画也不例外。近几年肌理的广泛运用加之水彩画的偶然、随意等特征，使水彩画呈现多元化的面貌。水彩画的肌理表现形式也有很多，比如搓、洗、擦、抹、刮等，又如涂蜡、涂胶、粘纸，拼贴等，所以选择一个适合画面主题的肌理表现形式极为重要。现当代水彩画家中有许多将肌理用到了极致，这与画家们平时的研究和积累是分不开的，如世界大师安德鲁·怀斯在画水彩过程中以蛋黄或蛋清作为媒介调和颜料来作画，使画面形成一种独有的效果，其蛋彩画令世界为之震撼。

总之，我们应在充分地学习、了解、研究水彩画的肌理的表现形式的同时加以创新，使水彩画肌理表现形式多样化，并挖掘其潜力，从而赋予水彩画新的艺术魅力。

三、结语

综上所述，随着社会的不断发展，艺术门类更加地综合，水彩作为一门独立的艺术形式应该保存自己一些独特的艺术魅力，从而使水彩画的艺术特征在具有多样性的同时保持其独特性。因此，水彩画家应该充分掌握与利用水彩画本体特征，并在延续继承的基础上不断探究与思考；要具有一定的社会责任感，所作的作品在透露作者个人风格的同时，也应当弘扬本民族的文化精神，尽显时代风貌。

参考文献：

[1]蒋跃.绘画形式语言研究[M].合肥：安徽美术出版社，2009，1.

[2]蒋跃.水彩画要点50讲[M].南京：江苏美术出版社，1998，7.

[3]甘兴义.水彩画语言形式三论[J].淮北煤炭师范学院学报（哲学社会科学版），2008，（03）.

[4]金琳.色彩与表现[M].南宁：广西美术出版社，2006，9.

作者简介：

本体特征 篇4

为了解决远程教育不可避免地产生的“孤独”学习者的问题, 把具有相同学习兴趣的学习者组织到同一个学习社区中, 以帮助他们进行协作式学习。社区对应于英文单词“community”, 社区是指生活在一定地理区域内, 具有共同意识和共同利益的社会群体, 具有共同兴趣的一群人。当社区所属的物理空间变成了网络空间, 便成为所谓的虚拟社区。虚拟社区由具有共同兴趣的参与者组成, 参与者通过网络进行互动交流, 寻找到一群彼此兴趣相投的伙伴, 并能够共同讨论一定程度和意义的主题。

目前国内外对教育虚拟社区的研究主要集中在基础研究, 探索虚拟社区的基本原理, 包括虚拟社区的概念、定义、原理和模式, 如Hope N.Tillman提出了教育虚拟社区的定义、特征、类型、社区服务、创建策略和交往发生等问题[1]; Amy Jokim博士 (2000) 提出建立社区的九大策略[2]。而对虚拟社区技术发展研究以支撑虚拟社区的成长, 包括在虚拟社区使用的工具及其技术潜力, 探讨如何构建虚拟社区方面的研究较少。本文讨论的则是对于网络上的学习者如何构建兴趣型的学习社区, 让学习者在社区内进行协同学习。建立兴趣型的学习社区的基本思想是首先根据学习者的相关数据计算学习者的兴趣向量, 即根据兴趣的隐性表示获取对应的显式表示, 然后根据学习者的兴趣向量计算两两学习者之间的兴趣匹配度, 并计算学习者的匹配浓度, 最后按照一定的方法建立学习社区。本文通过对学习社区特性的具体分析, 提出了基于本体的向量空间模型, 并根据兴趣相似度的思想, 提出了一种基于学习者兴趣相似匹配度和学习者兴趣相似匹配浓度的学习社区的自组织算法。最后的算例分析表明该模型算法具有较高的效率和良好的扩展性。

向量空间模型在当今文本处理、文本挖掘领域占有重要的地位。向量空间模型可以用在文档空间的相似比较也可以用在段落空间的比较以及句与句间的比较[3]。许多的搜索引擎都曾使用这种模型来分类网络文档。传统的向量空间模型有术语间语义相关性被忽略的不足, 许多学者将概念间的语义相关性考虑进来, 例如潜在语义索引法[4,5], 语言概念化法, 基于辞典或分类[6]等方法, 但是这些方法中考虑的概念关系简单而稀少。我们采用语义网络技术为信息提取提供共享的知识背景, 也就是本体, 在本体的支持下, 兴趣描述信息项中语义相关的术语不再被孤立地看成关键词, 而是彼此间有了一定的语义联系, 通过有限本体图计算概念间的语义相关度, 克服了传统的向量空间模型中术语间语义相关性被忽略的缺点, 这种考虑了术语间潜在语义联系的方法能够提高兴趣相似性比较的精确程度。基于本体的信息提取系统, 其向量空间的维数依赖于本体中实体的数量。随着本体概念的增加, 向量空间的高维数带来计算上的难度与复杂性。现有的解决方法包括随机映射 (RP) [7,8], 隐含语义分析 (LSA) [9,10], 概念索引 (CI) 降维[11]等等。本文将概念索引降维法改进运用于兴趣特征降维, 对兴趣特征矩阵进行合理的降维处理, 然后进行匹配计算, 大大降低运算量, 提高算法效率。下面将详细介绍相关概念和算法。

2 基于本体的向量空间模型

2.1 定义

本体最早是一个哲学上的概念, 近年来, 本体被人工智能领域的学者借用, 来表示更高层次的概念, 尽管不存在本体的精确定义, 但是从内涵上来看, 不同研究者对于本体的认识是统一的, 都把本体看成概念化的语义, 为人、 机器间进行交流提供语义基础, 即本体提供一种明确定义的共享知识, 目标是让机器自动处理、 整合网络信息。

网络上获得的信息 (网络文档、段落、句子、自然语言查询语句等) 组成信息对象集合D={di|1≤i≤M}, M为信息对象的总数。根据向量空间模型, 每条信息di都可以用一个特征向量v (s) =[s1, s2, …, sN]来表示。si与本体中的概念ci对应, 表示某个信息对象中术语ci的权重。所有的信息对象表示成的特征向量就构成了向量空间V={v1 (s) , v2 (s) , …, vM (s) }。 向量空间的维数等于本体构成的知识论域空间的维数N.

2.2 有限本体图

本体表示的是结构化的知识, 具有自然的层次结构, 从图论的角度, 本体可以表示成一张图G={V, Edg}, 节点集合V对应于本体中实体的集合{c1, c2, …, cN}, 并且节点与实体存在着一对一的映射关系:vi∈V↔ci, i=1, 2, …, N, 因此可以使用V (ci) 表示图的节点vi.边edgi= (u, v) 连接节点u∈V和节点v∈V, 边集合Edg对应于本体中的关系集合R:edg↔ri∈Ri, i=1, 2, …, N, 因此可以用edg (V (ci) , V (cj) ) 表示图中的边。将上面的图形定义为本体图。

通过对本体图进行约束, 例如对关系的约束, 获得有限本体图。通过适当的约束, 使我们能够抛开次要问题, 集中解决主要问题。基于本体的向量空间模型中的术语对应于本体中的概念, 本体中的概念的语义相关性度量, 通过基于有限本体图的语义距离计算获得。本体可以表示成有限本体图, 有限本体图是有向无环图, 其拓扑有序, 表现出层次结构。所以按照层次遍历的“Breadth-First”算法 (类似于树图中的广度优先的遍历方法) 扫描有限本体图, 建立本体中的概念的索引表。概念索引表层次关系明显, 高层次的概念索引号在低层次的概念索引号的前面, 并且相连的兄弟概念排列在一起, 利用这样的特征能够简化语义距离的计算方法, 不需多次扫描概念图, 便于基于本体的自然语言文本的处理。

2.3 语义距离和语义相关度

语义距离是一种度量对象 (概念、词汇和句子) 间语义相似程度的概念, 其数值表示形式通常是[0, ∞]间的实数。语义距离的定义要根据系统模型来确定, 尚不存在具有普适性的语义距离的定义, 每个人都可以根据实际应用的需要定义语义距离, 由此出现了很多的语义距离定义方法, 如虚拟距离法、 层次距离法等。语义距离与语义相关度成反比关系, 例如两个概念间的语义距离越大, 它们的语义相关度越低, 反之, 距离越小, 相关度越大。语义相关度是一个强主观性的概念, 与具体的应用相关, 因此也很难获得一个统一的定义。考虑到本体可以表示成有限本体图, 我们将基于图形最短路径法计算语义距离。

有限本体图上的节点与本体中的类/概念一一对应, 对于本体中概念的集合Oc={c1, c2, …, cn}, 语义距离函数d:Oc×Oc→R是一个二元映射, 并且满足:①非负性:d (cx, cy) ≥0;②同一性:d (cx, cy) =0当且仅当cx≡cy;③对称性:d (cx, cy) =d (cy, cx) ;④三角不等性:d (cx, cy) ≤d (cx, cz) +d (cz, cy) 。所以语义距离空间构成度量空间, 称d是Oc上的度量函数记为 (Oc, d) 。通过语义距离矩阵描述该度量空间。

定义1 对于有限本体空间图上的任意节点V (cx) 到其自身的语义距离为0, d (V (cx) , V (cx) ) =0。

定义2 对于有限本体图上的任意节点V (cx) 和节点V (cy) , 如果存在通路, 那么定义语义距离为两节点间的最短路径长度d (V (cx) , V (cy) ) =min (pathLengthi (V (cx) , V (cy) ) ) 。

定义3 对于有限本体图上的任意节点V (cx) 和节点V (cy) , 存在直接的连接 (即∃edg (V (cx) , V (cy) ) ) , 如果两者间的关系是父子关系 (SubClassOf) , 那么定义语义距离为d (V (cx) , V (cy) ) =1;如果两者间的关系是对象属性关系 (ObjectProperty) , 那么定义语义距离为d (V (cx) , V (cy) ) =2。

根据前面基于图形的语义距离的计算方法, 将本体概念间的语义距离用矩阵表示, 获得语义距离矩阵:

$Dis{\rm M}({\rm O}{}_c)=\left[\begin{array}{cccc}0& d(c{}_1,c{}_2)& \cdots & d(c{}_1,c{}_{{\rm N}})\\ d(c{}_2,c{}_1)& 0& \cdots & d(c{}_2,c{}_{{\rm N}})\\ & & \cdots & \\ d(c{}_{{\rm N}},c{}_1)& d(c{}_{{\rm N}},c{}_2)& \cdots & 0\end{array}\right](1)$

语义距离矩阵的维数N对应于本体中的类概念数, 元素d (ci, cj) 表示术语ci到术语cj的语义距离。

语义距离与语义相关程度间存在着逆关系, 即语义距离越大, 相关程度越小。给出由语义距离计算语义相关度的公式r (ci, cj) =e-α·d (ci, cj) , 其中d (ci, cj) 对应于式 (1) 中概念ci和cj间的语义距离值, α表示陡度系数。此公式满足语义距离与语义相关程度间的对应关系:①两个对象语义距离为0时, 其语义相关度为1;②两个对象语义距离为无穷大时, 其语义相关度为0;③两个对象语义距离越大, 其语义相关度越小 (单调下降) 。

根据语义相关度的计算公式, 可以将语义距离矩阵DisM (Oc) 转化成语义相关矩阵R (Oc) 。

$R({\rm O}{}_c)=\left[\begin{array}{cccc}1& r(c{}_1,c{}_2)& \cdots & r(c{}_1,c{}_{{\rm N}})\\ r(c{}_2,c{}_1)& 1& \cdots & r(c{}_2,c{}_{{\rm N}})\\ & & \cdots & \\ r(c{}_{{\rm N}},c{}_1)& r(c{}_{{\rm N}},c{}_2)& \cdots & 1\end{array}\right](2)$

3 基于本体用户兴趣特征向量的量化系统设计

本文提出基于本体的向量空间模型计算学习者的兴趣特征向量, 设计了基于本体的用户兴趣特征向量量化系统, 它是一种考虑了术语间语义相关性的计算模型, 根据学习者描述的兴趣信息, 以学习者共同的知识背景——本体为基础, 经过预处理和特征量化两个功能模块处理, 将文本信息表示成统一尺度的特征向量后, 以便计算向量间的相关度, 例如采用余弦法, 来进行信息的匹配与提取。

3.1 预处理模块

预处理模块主要功能是从描述信息中分辨出一个句子里面的词, 将属于知识论域中的术语提取出来, 重构成本体实例。分散的学习者用户发布的兴趣信息描述中潜在地包含了用户个人的知识背景, 以及对知识的理解程度, 因此我们可以从描述的信息中提取出分散用户的局部的知识。这些局部的知识片断可以看成是本体的实例, 本体刻画了领域知识, 可以表示成本体图, 那么作为本体实例的用户的局部知识, 也可以采用局部概念图来表示。

定义4 根据基于本体的向量空间模型, 用户特征局部向量v (s) =[s1, s2, …, sN], si与本体中的概念ci对应,

$s{}_i=\{\begin{array}{l}e{}^{-\alpha Dis(e{}_i,root)}\\ 0\end{array}(3)$

如果对应的概念ci出现在概念图中, 则与之对应的si为e-αDis (ei, root) ;反之, si为0值。其中Dis (ei, root) 表示了局部概念图中概念ei∈Oc到root的语义距离, si∈[0, 1], 其计算方法也是基于图形的最短路径的计算方法;α表示陡度估量, 因为e-7≈0, 在模糊建模中通常选择其值为-7/MAX (Dis) 。

重构本体实例的具体步骤:①以本体的概念作为向量空间的术语项, 对信息项内容中包含的术语进行提取。如果一个提取的概念在本体中找不到对应项, 但却是本体中某些复合词的一部分, 那么将所有相关的复合词都添加进来。②将提取的概念组成局部概念图, 局部概念图表示的是用户的知识片断, 作为本体的实例, 它具有与有限本体图一致的特征, 即为有向无环图。重构本体实例依从的规则为:以整条信息项所涵盖的知识集合为根节点;提取的概念间的相对关系与本体图中的相对关系保持一致, 即上下位关系不变, 旁支关系不变。我们假设, 社区的学习者用户具有共同的领域知识, 用户虽然表达用语具有随意性, 但是用语间潜在的结构关系应该符合领域知识内部概念间的相对关系。将知识片断提取出来, 并对其进行重构, 将本体实例保存到知识库中。预处理的结果成为系统核心模块——量化处理模块的输入, 然后获得表示用户局部知识的特征向量。

3.2 信息的度量统一

从局部知识图 (本体实例图) 可知因为学习者用户用语的随意性, 以及主观认定性, 导致局部知识的术语关系是依赖用户的相对关系。由此获得的特征向量是相对于个体局部知识结构的量化。另一方面, 同一领域的概念间并不是孤立的, 相互间具有一定的语义相关性, 用户表明的本体实例中使用的概念往往隐含地包含了与之相连的概念的信息。为了能够统一地度量分散的特征向量, 需要将局部知识转化到统一度量的空间中。本文采用模糊推理, 基于概念间的相关性, 将局部特征向量转化为统一度量尺度下的特征向量, 以便后续的匹配比较。计算公式为:

$V(s)˚R(o)\Rightarrow \overline{V}(s)(4)$

V (s) =[s1, s2, …, sN]表示局部知识的特征向量, 根据式 (3) 计算, 模糊关系矩阵R (o) 已通过前面式 (2) 计算获得。R (o) 中每个元素rij反映了术语间的相近程度。这样那些在兴趣描述中没有显式地出现过的术语的语义关系也将被考虑。公式中的“。”表示模糊关系中的内积, 代表MAX-MIN操作。经模糊推理将分散的特征向量转化为统一度量空间中的特征向量,

$s{}_i=\max (\min (s{}_1,r(1,i)),\min (s{}_2,r(2,i)),\cdots ,\min (s{}_{{\rm N}},r({\rm N},i)))(5)$

上式计算获得的si是统一度量空间中特征向量$\overline{V}$ (s) 的元素。经过上面的计算, 来自学习者用户的个人兴趣描述信息都被转化成考虑语义后统一度量的特征向量。对于具有统一尺度的特征向量, 可以进行比较匹配。匹配功能可以通过对语义特征向量进行计算厢似度实现。参考向量空间模型中, 目前向量相似性函数的计算方法包括: 内积法 (Cosine函数) 、最近邻法 (Max) 、Minkowski距离、Euclidean距离等。其中最直观有效的方法为内积法。

将用户1的特征向量表示为空间向量v (d1) ={x11, x12, …, x1n}, 将用户2的特征向量表示为空间向量v (d2) ={x21, x22, …, x2n}。那么通过计算两向量v (d1) 和v (d2) 的夹角 (内积) 来度量向量间的接近程度。内积越大, 两向量间的夹角越小。相似度量的计算公式如下:$sim(d{}_1,d{}_2)=\frac{\mathit{v}(d{}_1)\cdot \mathit{v}(d{}_2)}{|\mathit{v}(d{}_1)||\mathit{v}(d{}_2)|}$。

本文基于内积法 (Cosine) , 计算特征向量的相似性。代表用户i的兴趣特征向量vi=[si1, si2, …, siN], 代表用户j的兴趣特征向量vj=[sj1, sj2, …, sjN], 根据Cosine法计算向量间的匹配度为:

${\rm M}atchDegree(i,j)=\frac{|\mathit{v}{}_i\wedge \mathit{v}{}_j|}{|\mathit{v}{}_i|\cdot |\mathit{v}{}_j|}(6)$

通过计算两个向量vi和vj的内积来度量向量间的接近程度, 内积越大, 两个向量间的夹角越小, 两个兴趣越接近。

3.3 概念索引 (CI) 降维

基于本体的信息提取系统, 采用向量空间模型来表达兴趣信息的文本特征, 表现出巨大的维数, 从而导致处理过程计算复杂, 为此, 需要先对特征矩阵进行合理的降维处理。概念索引 (CI) 是一种有效的降维方法:v (s) =[s1, s2, …, sN]表示学习者用户兴趣信息的局部知识特征向量, 设W为M×N矩阵, 其中, M为用户的数目, N为本体构成的知识论域空间的维数, v1 (s) =[s11, s12, …, s1N], W=[v1 (s) , v2 (s) , …, vM (s) ]′, W的第i行为第i个用户的兴趣向量空间表示Wi, 再设r为要降至的维数。概念索引先采用某种简单的聚类算法 (k-means或层次算法等) 对W作r路聚类, 将特征向量集分成r个互不相交的子集S1, S2, …, Sr, 然后, 对每个集合Si分别计算质心点向量Ci, 并将它们规格化为单位向量C′i, 将每一个单位质心向量C′i作为降维空间的一个坐标轴, 形成一个r维子空间, 每个用户的r维向量表示可通过将其映射到这个r维子空间得到, 因此, 降维后的兴趣向量空间W′可通过式 (7) 的矩阵运算得到:

$W^{\prime }{}_{m\times r}=W{}_{m\times n}\times C{}_{n\times r}(7)$

其中, Cn×r= (C′1, C′2, …, C′r) 。 W′m×r为降维后的用户兴趣局部特征向量构成的矩阵, 第i行表示第i个用户的兴趣局部特征向量, 局部特征向量由原来的N维降到r维。可以大大简化后面的计算量。

4 学习社区的自组织算法

社区应该是一组具有相同或相似兴趣学习者组成的团体, 因此社区的建立应该尽可能的将兴趣相似度大的学习者放在同一个社区中。在此思想的指导下, 我们提出如下的社区建立流程。

第一步: 兴趣特征向量降维后, 根据式 (6) 计算两两学习者之间的兴趣匹配度。

第二步: 设定阈值T1, 计算每个学习者的匹配浓度 (由与该学习者兴趣匹配度较高的学习者数目的多少来决定浓度的高低) 。假设某高校网络学习者为m个, 学习者i的浓度θi计算公式为:$\theta {}_i=\frac{{\displaystyle \sum _{i=1}^{m}a}{}_{ij}}{m}$, 其中,

$a{}_{ij}=\{\begin{array}{l}1,{\rm M}atchDegree(i,j)\ge {\rm T}{}_1\\ 0,\text{否}\text{则}\end{array},{\rm T}{}_1$

为预先假定的阈值。

第三步: 选出匹配浓度最高的学习者, 作为社区中心学习者来建立社区。预先设定一个阈值T2, 与中心学习者的兴趣匹配度高于阈值的学习者进入该社区。

第四步: 对剩下的学习者按照第一步至第三步的顺序, 重新计算, 直到学习者的最高浓度低于一个阈值T0为止。对于浓度低于T0的学习者, 计算他与各社区中心学习者的相似度, 进入最相近的社区学习。

5 实例分析

本文提出了一种基于本体兴趣向量空间模型的学习社区构建算法, 将具有相似爱好的学习者自动有效地组织成一个个的学习者社区, 帮助其共享资源, 进行协行式学习。实验结果证明, 该算法具有较高的分组效率和良好的可扩展性。

5.1 算法实验步骤描述

①采用语义距离的计算方法, 获得本体中概念间的语义距离, 可以使用语义矩阵表示。

基于专家支持建立程序员研发的领域本体, 为社区网络中分布的学习者用户提供共享的知识背景。考虑了概念层次树的深度、密度的语义距离, 认为路径长度相同的两个结点, 如果位于概念层次的越底层, 其语义距离较小, 如果位于概念层次树中高密度区域, 其语义距离应小于位于低密度区域。故概念层次离根部越近距离权值越大。使用对领域知识进行编码, 生成的本体概念关系图如下所示。

从本体图上可以清晰地看出, 知识可以分等级地表示, 本体中的概念相互间存在着一定的语义相关性。本体中的概念以数字标号的形式表示, 有限本体图是有向无环图, 按照层次遍历的“Breadth-First”算法进行解析, 与本体图2对应的概念索引表为:

{ 0 Computer Programmer-Related-Technology, |1 NETWORK, 2 software, |3 Network Protocol, 4 WEB Designing, 5 Operation-system, 6 Programming-language, 7 database, |8 SNMP, 9 ATM, 10 DSN, 11 APR/RAPR, 12 UDP, 13 TCP/IP, 14 HTML, 15 PHP, 16 JSP, 17 Ruby, 18 Ajax, 19 Java Script, 20 UI, 21 Embedded-operation-system, 22 Macintosh-operation-system, 23 windows, 24 DOS, 25 Developer, 26 .NET, 27 Assembly-language, 28 Oracle, 29 DB2, 30 MS-SQL, 31 MySQL, |32 WinCE, 33 VxWorks, 34 ucLinux, 35 Linux, 36 C, 37 MFC, 38 VB, 39 C++, 40 JAVA, 41 Delphi, 42 ASP.NET, 43 C#, 44 VB.NET, 45 VC.NET}。

索引列表中的竖直线用来示意有限本体图中的概念的层次划分。这里, 概念对应的标号并非随机指定的, 而是与概念所在的层次排列密切相关, 图中的标号对应于概念索引的序列号。考虑到本体可以表示成有限本体图, 那么我们将基于图形最短路径法计算语义距离。根据语义距离矩阵的定义, 可以获得如图3所示的46×46语义距离矩阵。可以看出, 语义距离矩阵是个对称矩阵, 灰度度量了实体间语义距离的大小。X、Y轴的标号对应于本体概念索引表中的标号。

②学生用户兴趣描述信息的局部知识数值化, 并经过模糊推理转化成统一度量下的特征向量。

假如学生用户甲描述自己的兴趣信息项为“Software Engineer, experiences in C language, .NET such as VC.NET, C#, interested in WEB designing with Ruby”, 依据前面3.1的方法从中提取出的知识空间内的术语为“Software, C, .NET, VC.NET, C#, WEB designing, Ruby”, 根据术语在知识空间内的相对结构, 上面信息中提取的知识片断可以表示成概念图4。用户乙描述的兴趣信息项提取出的知识空间内术语为 “Operation System, EmbeddedOperationSystem, Linux, Database, MySQL”, 同样的方法可以解析成本体实例, 转化成概念图5。

甲乙学习者用户兴趣描述信息的局部知识数值化为用户特征局部向量如下:

v1 (s) :[0, 0, e-α, 0, e-α, 0, …, e-2α, 0, …, e-2α, 0, 0, 0, e-3α, 0, …]

v2 (s) :[0, 0, 0, 0, 0, e-α, 0, e-α, 0, …, e-2α, 0, …e-2α, 0, 0, 0, e-3α, 0, …]

特征向量中的元素对应于概念索引表中的项。现假设有M=12个学习者希望能够通过自己声明的兴趣, 为其发现适合自己的学习社区。同样的方法, 从学习者用户的兴趣信息描述中提取出兴趣特征术语, 并对其进行重构, 由此获得的其他学习者用户兴趣描述信息项的局部知识向量为:

v3 (s) :[0, 0, e-α, 0, e-α, 0, …, e-2α, 0, …, e-2α, 0, …, e-2α, 0, 0, 0, 0, 0]

v4 (s) :[0, 0, 0, e-α, e-α, 0, …, e-2α, 0, …, e-3α, 0, …, 0]

v5 (s) :[0, 0, e-α, 0, …, 0, e-α, e-α, 0, …, e-2α, e-2α, 0, …, 0]

……

③经过模糊推理, 学习者用户的局部知识被转化成统一度量下的特征向量。然后按照用户设置的维数采用CI法计算降维的兴趣特征向量。

假设用户设置的维数r=3, M=12个学生的兴趣局部知识向量可以表示成M×N矩阵 (其中, M为用户的数目, M=12, N为本体构成的知识论域空间的维数, N=46)

$W^{\prime }{}_{12\times 3}=W{}_{12\times 46}\times C{}_{46\times 3}(7)$

其中, C46×3= (C′1, C′2, C′3) 。W′12×3为降维后的用户兴趣局部特征向量构成的矩阵, 第i行表示第i个用户的兴趣局部特征向量, 局部特征向量由原来的N=46维降到r=3维。可以大大简化后面的计算量。

④根据特征向量间的相似度, 自组织学习社区。根据式 (6) 计算出M=12个学生用户之间的匹配程度, 使用矩阵表示为

$\begin{array}{c}user1\\ user2\\ user3\\ user4\\ user5\\ user6\\ user7\\ user8\\ user9\\ user10\\ user11\\ user12\end{array}\left[\begin{array}{cccccccccccc}1& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.69647& 0.64377& 0.65392& 0.46811& 0.22933\\ 0.22933& 1& 0.29816& 0.24005& 0.69939& 0.69939& 0.29816& 0.22933& 0.22933& 0.22933& 0.22933& 0.69939\\ 0.22933& 0.29816& 1& 0.24005& 0.29816& 0.29816& 0.57877& 0.22933& 0.22933& 0.22933& 0.22933& 0.29816\\ 0.22933& 0.24005& 0.24005& 1& 0.24005& 0.24005& 0.24005& 0.22933& 0.22933& 0.22933& 0.22933& 0.24005\\ 0.22933& 0.69939& 0.29816& 0.24005& 1& 0.70074& 0.29816& 0.22933& 0.22933& 0.22933& 0.22933& 0.70074\\ 0.22933& 0.69939& 0.29816& 0.24005& 0.70074& 1& 0.29816& 0.22933& 0.22933& 0.22933& 0.22933& 0.74846\\ 0.22933& 0.29816& 0.57877& 0.24005& 0.29816& 0.29816& 1& 0.22933& 0.22933& 0.22933& 0.22933& 0.29816\\ 0.69647& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 1& 0.64377& 0.65392& 0.46811& 0.22933\\ 0.64377& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.64377& 1& 0.64377& 0.46811& 0.22933\\ 0.65392& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.65392& 0.64377& 1& 0.46811& 0.22933\\ 0.46811& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.22933& 0.46811& 0.46811& 0.46811& 1& 0.22933\\ 0.22933& 0.69939& 0.29816& 0.24005& 0.70074& 0.74846& 0.29816& 0.22933& 0.22933& 0.22933& 0.22933& 1\end{array}\right]$

输入阈值0.3, 在原来的模糊矩阵中, 模糊系数大于给定阈值的将被置成1, 小于阈值的将被置成0,

$\begin{array}{c}user1\\ user2\\ user3\\ user4\\ user5\\ user6\\ user7\\ user8\\ user9\\ user10\\ user11\\ user12\end{array}\left[\begin{array}{cccccccccccc}1& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 0\\ 0& 1& 0& 0& 1& 1& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 0& 0& 0& 1& 0& 0& 0& 0& 0\\ 0& 0& 0& 1& 0& 0& 0& 0& 0& 0& 0& 0\\ 0& 1& 0& 0& 1& 1& 0& 0& 0& 0& 0& 1\\ 0& 1& 0& 0& 1& 1& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 0& 0& 0& 1& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 0\\ 1& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 0\\ 1& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 0\\ 1& 0& 0& 0& 0& 0& 0& 1& 1& 1& 1& 0\\ 0& 1& 0& 0& 1& 1& 0& 0& 0& 0& 0& 1\end{array}\right]$

最后第4节介绍的匹配浓度法自组织学习社区。user1、user8、user9、user10、user11进入社区1学习, user2、user5、user6、user12进入社区2学习, user3、user5、user7进入社区3学习, user4进入社区4学习。

5.2 结果分析

①特征向量降维时, 设置的维数r越小, 对应的概念数N越小, 算法的复杂度就越小。没有采用CI特征降维设置时, 默认情况下的计算复杂度依赖于本体中概念的数量, 当用CI降维后, 计算复杂度将直接受用户设置维数的影响。

②根据学生用户之间的兴趣匹配度, 设定阈值T1, 计算每个学习者的匹配浓度, 求出1值最多者 (即浓度最高者) , 然后以此为中心组建社区。阈值过小, 社区数较少, 每个社区的学习者人数越多, 会将兴趣不同的学习都归入同一社区。反之, 阈值过大, 会使社区数目增多, 会使兴趣相近的学习都分到不同社区学习。故阈值的大小要根据经验取值, 不宜过大或过小。

③采用基于本体的向量空间模型, 考虑了概念相关性, 本文以同济大学网络教育学院学生为实验对象, 实验表明, 兴趣社区自组织算法具有较高的划准率和划全率。定义划准率和划全率的计算公式为:

$\begin{array}{l}\text{划}\text{准}\text{率}=\frac{\text{社}\text{区}\text{学}\text{生}\text{认}\text{同}\text{数}}{\text{社}\text{区}\text{学}\text{生}\text{总}\text{数}}\\ \text{划}\text{全}\text{率}=\frac{\text{社}\text{区}\text{学}\text{生}\text{总}\text{数}}{\text{参}\text{与}\text{学}\text{生}\text{总}\text{数}}\end{array}$

划 准率的计算采用人工判断返回信息项的方法计算, 例如对20名学生进行社区划分后, 人工地判断与学生用户期望一致得到肯定的信息项数为n, 那么划准率为p=n/20, 采用本节算法, 分别对学生人数M为20、50和100时进行了实验, 在M=20时, 平均的划准率=83%;M=50时, 平均的划准率=95%;M=100时, 平均的划准率=98%。实验表明, 实验对象越多, 划准率越高。对于算法中浓度低于T0的学习者, 计算他与各社区中心学习者的相似度, 进入最相近的社区学习, 故该算法划全率达到近100%。学生能根据自己描述的兴趣进入最适合自己的社区进行学 习。

6 结语

基于本体的向量空间模型计算学习者的兴趣特征向量, 它是一种考虑了术语间语义相关性的计算模型, 根据学习者描述的兴趣信息, 以学习者共同的知识背景——本体为基础, 根据兴趣的隐性表示获取对应的显式表示 (即兴趣向量) , 通过有限本体图计算概念间的语义相关度, 克服了传统的向量空间模型中术语间语义相关性被忽略的缺点, 能够提高兴趣相似性比较的精确程度。并根据兴趣相似度的思想, 提出了一种基于学习者兴趣相似匹配度和学习者相似匹配浓度的学习社区的自组织算法。针对基于本体的向量空间模型使用本体中的概念构造向量空间表现出的巨大维数, 把概念索引降维法改进运用于兴趣特征降维, 对兴趣特征矩阵进行合理的降维处理, 然后进行匹配计算, 大大降低运算量和计算的复杂度, 提高算法效率。

摘要：为了解决远程教育不可避免地产生的“孤独”学习者的问题, 把具有相同学习兴趣的学习者组织到同一个学习社区中进行协作式学习。学习社区建立的重点和难点在于学习者之间相似关系的判定和计算, 针对传统的向量空间模型中术语间语义相关性被忽略的不足, 提出基于本体的向量空间模型来计算学习者的兴趣特征向量, 根据兴趣的隐性表示获取对应的显式表示, 此计算模型提高了兴趣相似性比较的精确程度。同时提出了一种基于学习者兴趣相似匹配度和学习者兴趣匹配浓度的学习社区的自组织算法。针对基于本体的向量空间模型使用本体中的概念构造向量空间表现出的巨大维数, 运用概念索引降维法对兴趣特征矩阵进行合理降维, 大大减少了计算的复杂性。最后, 以网络学习案例来进行实验分析, 验证该模型算法具有较高的效率和良好的扩展性。

关键词：本体,兴趣特征向量空间模型,概念索引降维,兴趣相似匹配度,兴趣匹配浓度

参考文献

[1]Tillman H N.Virtual community building using in-ternet tools[OL].Http://www.Hopetillman.com/i100/vc.htm, 2004-10-16.

[2]JoKim A著.张署, 胡蓉, 赵明译.网络社区建设——设计策略揭密[M].北京:清华大学出版社, 2001.

[3]Baeza-Yates R, Ribeiro-Neto B.Modern informationretrieval[M].ACM Press, 1999.

[4]Dumais S T.Using LSI for information retrieval, information filtering and other things[Z].Talk atCognitive Technology Workshop, April 4~5, 1997.

[5]Letsche T A, Berry M W.Large-scale informationretrieval with latent semantic indexing[J].Informa-tion Sciences-Applications, 1997, 100 (1~4) :105~137.

[6]Gauch S, Chaffee J, Pretschner A.Ontology-basedpersonalized search and browsing[J].Web Intelli-gence and Agent Systems, 2003, 1 (3~4) :219~234.

[7]Lin J, Gunopulos D.Dimensionality reduction byrandom projection and latent semantic indexing[A].Text mining workshop, at the 3rd SIAM Interna-tional Conference on Data Mining[C].2003.

[8]Kaski S.Dimensionality reduction by random map-ping:fast similarity computation for clustering[A].Proceedings of international joint conference on neu-ral networks (IJCNN’98) [C].IEEE Service Center, Piscataway, NJ, 1998:413~418.

[9]Fodor I K.A survey of dimension reduction tech-niques[R].LLNL technical report, UCRL-ID-148494, http;//www.llnl.gov/CASC/sapphire/pubs.html, 2002.

[10]Dumais S, et al.Using latent semantic analysis toimprove access to textual information[A].Proceed-ings of the conference on human factors in comput-ing systems CHI’88[C].Washington, D.C., USA, 1988.

本体特征 篇5

关键词：旅游活动,旅游目的地,游目的地形象 (TDI)

旅游目的地形象 (Tourist Destination Image) 是人脑对旅游目的地信息处理的产物, 而旅游目的地形象本体 (Ontology) 则是研究旅游目的地感知主体 (旅游者、当地居民、设计师、管理者、经营者等等) 与感知客体 (旅游地信息:人-地感知系统、人-人感知系统) 之间的相互关系;这种研究既要探讨人如何感应、选择、获得、评价、理解、认识旅游目的地信息, 也要研究所要形成的旅游目的地形象到底是什么样的, 它的内容、结构、差异和意义如何, 为什么会这样, 如何或有哪些因素影响对旅游目的地形象的最终认知。当然, 人们对旅游目的地形象的感知在旅游消费行为形成、旅游成为经历之后, 表现为旅游者的直接感知, 但是, 对大多数人而言, 旅游动机的产生、旅游决策的确定、旅游行为的形成乃至旅游审美的实现, 更多地依靠旅游目的地形象的吸引和引导。这就是说, 在一般情况下, 旅游目的地形象表现为间接感知。因为任何新兴的旅游地或任何旅游地在发展的最初阶段是没有游客, 没有感知主体的, 它在外界人心目中的形象是空白的, 必须有意识或无意识地通过间接感知渠道传递有关旅游目的地的信息, 更重要的是要通过形象塑造、传导, 使未来的、潜在的旅游者在心目中建立该旅游目的地的形象, 进而影响其旅游决策。所以, 旅游目的地形象的研究更为重要。抓住了旅游目的地形象本体特征, 就是抓住了旅游地形象最为关键的东西。

旅游作为产业历史短暂, 但作为一种活动或现象则历史久远。考查旅游作为一种活动或现象的发展轨迹, 对探求旅游的本质及其本体特征具有十分重要的意义。关于旅游的起源, 中西历史典籍中有确切记载的资料都是相当有限的。我们之所以从中国文化的角度来探析旅游的最本质特征, 既是因为中国典籍中用于表示旅游现象和旅游活动的词语的记载比西方要早得多, 也是因为中国传统的文化底蕴及审美哲学使其在内涵上更接近旅游活动的本体。早期用于表示旅游现象和旅游活动的词语主要是独立的“旅”和“游”。在先秦典籍中, 表示旅行、游玩或游览之意的“游”字即已出现。《尚书 大禹谟》中有“罔游于逸”;《诗经 国风》则有“以敖以游”、“驾言出游, 以写我忧”、“游于北园, 四马既闲”;《论语》、《庄子》、《楚辞》中更有“游必有方”、“孔子西游于卫”、“庄子游于雕陵之樊”、“逍遥游”、“乘云气, 御飞龙, 而游乎四海之外”、“悲时俗之迫厄兮、愿轻举而远游”等针对具体人物的记载。其中“游”字在《庄子》中竟出现百次以上。魏晋之后, 随着人性的解放和自然崇拜意识的淡化, 名士优游之风盛行, “游”作为一个流行的概念频繁出现在有关名山胜水的诗赋骈文中, 并开启了中国古代山水游记之先河。“旅游”在汉语中用作词汇最早出现在南朝梁诗人沈约的《悲哉行》一诗:“旅游媚年春, 年春媚游人。徐光旦垂彩, 和露晓凝津。时嘤起稚叶, 蕙气动初频, 一朝阻旧国, 万里隔良辰。”从诗歌大意来看, “旅游”一词当时已经含有外出游览的意思。

中国古代文化与旅游活动也有着不解的渊源。“天人合一”这一传统主题, 不仅从哲学的角度塑造了中国人注重人生境界修炼和精神家园探寻的品格, 而且造就了中国人对待自然界和事物的超功利的审美态度, 以“情以物迁”的心理结构感应自然和事物。正是这种对社会和生活的审美态度, 使得旅游成为中国文人生活的一部分。从先秦诸子百家的哲学论著, 到山水诗、山水画、游记, 乃至文论、画论、诗话、词话, 先哲们在诗化的自然中寄托了自己的人格理想、政治思想, 以及对社会、事物、生活、自然界、艺术、伦理等等的认识。“知者乐水, 仁者乐山。知者动, 仁者静;知者乐, 仁者寿。”《论语》中的这一论述表明, 人们已经逐步摆脱对山川单一的原始崇拜, 而以“比德”为主要方式给予山川以审美评价;《庄子》则把“游”阐释为一种“自由自在、逍遥无为的精神境界和由此而来的对待世界的审美态度”。诗、词、歌、赋和游记中体现出来的“寄情山水”、“独善其身”的“文人情结”, 不仅令李白、杜甫、苏东坡等在政坛失意时难脱俗套, 而且使韩愈、王安石等政治上颇有成就的大文豪找到了聊以自慰的诗化生活方式。到了近代, 魏源依据先贤们的旅游观赏经验, 创立“游山学”, 对“游道”进行了抽象。在“仰观于天”和“俯察于地”之际, “心与物游”, 对自然界产生“石蕴玉而山辉, 水怀珠而月媚”的审美认同, 乃至于“精弩八极, 心懔懔以怀霜, 志渺渺而临云”, 获得“登山则情满于山, 观海则意溢于海”的审美愉悦。

从发生学的角度看, 旅游是社会、经济与文化发展到一定阶段的产物, 与物质生活因素 (闲暇时间和可支配收入) 和文化心理因素 (如生存质量与审美需求) 密切相关。从产业研究角度出发的单纯的经济学观点, 显然难以透视旅游作为一种集自然美、艺术美和社会生活美为一体的综合性审美活动的本质特征。当然我们也注意到, 西方的旅游学研究并非无视旅游的审美特征, 如“旅游是一种休闲的活动, 它包括旅行或在离开定居点较远的地方逗留。其目的在于消遣、休息或为了丰富他的经历和文化教育” (让-梅特森) ;“旅游是非定居的旅行和暂时居留引起的现象和关系的总和。这些人不会导致永久居留, 并且不从事赚钱的活动。” (韩泽格尔、克拉普夫《普通旅游学纲要》) 这些观点尽管在描述上存在泛化的倾向, 但的确注意到了旅游的文化内核, 靠近旅游的本质特征。

旅游作为一种审美化的生存状态, 某种程度上已经成为中国人心理结构和生存方式的一部分, 熏陶了国民性格, 影响了旅游研究的本体论方向。中国学界对旅游的本质特征的研究, 很多是界定在审美心理学范畴内的。当代学者李泽厚从美学的范畴出发论述旅游的审美特征。他认为:“把美学仅仅规定为艺术理论, 似乎就太局限了。人们要游历, 要观赏自然美, 要游玩大自然中, 人们要美化生活, 从外表到内心, 都希望符合美的要求, 美学能不管吗?”其他美学家、文学家的下述观点则从对旅游活动本身的研究出发来研究其审美特征。“旅游, 从本质上说, 就是一种审美活动, 离开了审美还谈什么旅游?”“观光旅游是景观信息的探索和景观知觉过程, 是一种景观审美活动”;“旅游是一种综合性的审美实践”;“旅游的基本出发点、整个过程和最终效应都是以获取精神享受为指向, ”“旅游不是一种经济活动而是一种精神活动, 这种精神生活是通过美感享受而获得的, 因此, 旅游又是一种审美活动, 一种综合性的 审美活动”;“旅游又是一种审美活动, 一个系统, 是人类物质文化生活和精神的一个最基本组成部分, 是旅游者这一旅游主体借助旅游媒介等外部条件, 通过对旅游客体能动的活动, 为实现自身某种需要而作的非定居的旅行的一个动态过程的复合体”, “旅游属于文化范畴, 是文化的一个范畴, 是文化的一个内容”。也许有人认为这些美学家把旅游活动的本质特征界定在其审美特征之上仅是一家之言, 但这些观点绝非美学家独有。1995年, 申葆嘉提出, 对旅游的研究应从经济中去, 从文化中出来, 并建议广泛地使用文化人类学和社会学的方法研究旅游。谢彦君明确倡导对旅游本质特征认识的审美视角。他指出:“旅游在根本上是一种主要以获得心理快感为目的是审美过程和自娱过程, 是人类社会发展到一定阶段最基本的活动之一”。他关于寻求审美和愉悦体验是旅游本质的规定性, 是所有旅游都具备的统一内核的看法, 与美学家和文学家的观点如出一辙。这说明, 学术界对旅游的本质的认识正在接近、甚至某种程度上可以说已经找到其本体特征, 是旅游研究在走了一段弯路之后的回归。通过旅游活动促进人们对文化、历史和自然等现象的认同, 使之在这些现象中获得知识、吸取精髓, 有利于调整人的心态、净化人的心灵、完善人格修养。这就是说, 旅游活动具有审美教育特质, 可以带给人们审美感受和心理愉悦。因此, 文化论者的立场与审美论者的立场在出发点上是完全一致的。

把审美心理特征界定为旅游的本质特征, 在一些国家和国际一些权威机构的认识中也能找到佐证。1975年, 国际《赫尔辛基条约》中就提出, 世界旅游业要“更加丰富其他国家人们的生活、文化和历史知识”;1995年, 《大阪旅游宣言》提出:“旅游的核心是一项接触、感知和学习丰富的大自然以及利用社会和文化的活动, 因此旅游者在旅行过程中应怀着谦虚和尊重的态度, 对于外国人民及其文化, 旅游者应培养求知的好奇心与开发的心态, 并应加深对异质文化 (Heterogeneous Culture) 中的人们的理解。籍此, 人们将学会感恩于大自然、社会与文化的赐予, 并将这个美丽的星球传诸后世。”亚洲的一些旅游强国在制定旅游发展战略是普遍重视类似观点。《泰国旅游业发展战略 (2002-2006) 》指出:“必须把旅游作为教育年轻人和向泰国人民提供不断学习的一种手段, 同时也是保护而不是破坏民族文化的方式。”“在促进年轻人和其他公民了解历史和文化遗产方面, 旅游可能是比课堂教学更加有效的机制。旅游可以提高人们的知识水平和文化遗产意识。”《21世纪初期的日本旅游业振兴战略》提出:“旅游不是一项简单的业余活动, 它对提高国民生活质量, 丰富大众生活内容有着重要作用。此外, 旅游还为人们创造了脱离日常生活环境, 增加多元化交流的机会, 从而加强了社会凝聚力。通过接触、学习当地的历史文化, 旅游者都不同程度的开阔了眼界, 掌握了知识。”这说明, 旅游活动在整体意义上就是文化交流活动, 是透过本国、本土、本地文化的视野, 去审视异国、异地、异质文化的新奇性价值, 从而充分享受旅游的乐趣。现代旅游实际上集中地反映了旅游者要求文化消费、启迪智慧、逃避日常琐事和摆脱社会压力的意愿, 及其要求洗涤心灵、完善自我的意愿, 可以说是一项寓教育于娱乐之中的社会文化活动和审美实践活动。这对提高人的素质、增强人际之间的相互理解、达成跨文化的对话和交融以及促进人的全面发展, 具有十分重要的意义。旅游是人的一种高层次的需求。

人们对旅游活动的审美特质之所以难以准确把握, 根本的问题在于, 旅游作为一种极其复杂的社会现象, 人们在认识其特征时很容易直观地抓住其外部可见的特征及其所展示的一般属性, 如异地性、暂时性、及消费属性、休闲属性。而旅游的产业化又使旅游学研究偏向于住宿、餐饮服务、交通运输、休闲娱乐等相关服务业研究。实际上, 我们并不否认这些产业的发展和完善, 对于满足旅游者需求、促进旅游活动目的的最终实现的确有极其重大的作用。这些相关产业的发展和完善, 有利于旅游者在旅游活动中获得心理快感、完成审美过程。同时, 从旅游活动的发生学角度、从旅游者的旅游动机出发研究旅游的本质特征, 这尽管在研究方法上抓住了根本, 但是, 由于旅游者作为个体出现, 其旅游动机、审美情趣、文化底蕴、生活阅历、性格禀赋、道德情操因个体而异, 加之人们对快感的体验包括生理快感和心理快感两个层面, 而生理快感又为人和动物所共有。所以, 按照唯美的标准来衡量旅游活动及旅游者, 那种纯以获得生理上的愉快为目的并在旅游过程中始终谋求生理愉快的纯功力性旅游者的确存在, 因此, 也会对旅游的研究产生误导, 影响人们对旅游的审美特征这一最本质特征的认识。

旅游活动的审美特质表明, 旅游在其本质上是旅游主体 (旅游者) 对旅游客体 (旅游地或旅游吸引物) 在心理上的观照, 这种观照以美感为向导, 以实现心理上的愉悦为目的, 在旅游主体 (旅游者) 对旅游客体 (旅游地或旅游吸引物) 构成了一种人-地感知关系。尽管这种感知往往以旅游者对旅游地、旅游吸引物的审美过程和直接审美感受的形成出现。但是, 这种旅游主体对旅游客体的审美观以及由此所带来的审美心理愉悦, 实际上也是旅游主体通过大脑对旅游地信息进行处理而产生, 这对旅游地形象的本体论研究的对象是一致的。只不过旅游者在大脑中对旅游地信息进行处理的形式表现为一种直接感知, 而从旅游地形象的本体论出发研究任何塑造旅游地形象, 更多的表现为旅游规划和管理者的直接感知。对旅游者而言, 旅游地形象最初只是一种间接感知, 是旅游规划者和管理者给旅游者创造的一个图式, 它以提高旅游地的吸引力、引导旅游者完成旅游活动实现审美愉悦为目的。当然, 旅游者对旅游地的直接感知, 也为从本体论的角度塑造旅游地形象积累了经验, 同时也是对旅游地形象内涵的丰富和发展。掌握了旅游活动的本质特征, 有助于我们借助旅游者的旅游审美经验认识旅游地形象的本体, 更深刻地把握旅游地形象的本体特征, 也有助于我们按照旅游活动的规律、适应旅游者的审美需求进行旅游地形象塑造, 而不是单纯地从规划者、管理者或经营者的单一立场出发, 采取闭门造车的方式进行旅游地形象塑造。这样, 必然也有利于充分展现旅游地形象塑造的价值, 依靠旅游地形象塑造和旅游地形象传播提高旅游地的吸引力、竞争力。

当然, 单纯的从旅游客体本身出发, 或是单纯从经济的角度出发的旅游地形象塑造, 也是有悖于旅游活动自身规律的。因此, 在理论研究中, 专家们倡导审美倾向和文化论观点, 实践中旅游管理者和经营者们所谓的“文化搭台, 经济唱戏”的观念, 符合我们从本体论的观点出发研究旅游目的地形象和旅游目的地形象塑造的思维。

参考文献

[1]谢彦君.旅游学研究:尚不可靠的理论基础[J].旅游学刊, 2003, (2) .

[2]谢彦君.基础旅游学[M].北京:中国旅游出版社, 1999.

[3]仇学琴.现代旅游美学:修订版[M].昆明:云南大学出版社, 2001.

[4]汪德根, 陆林, 刘昌雪.20年中国旅游地理学文献分析——<地理学报>、<地理研究>、<地理科学>和<自然资源学报>发表的旅游地理类论文研究[J].旅游学刊, 2003, (1) .

本体特征 篇6

72MN/80MN油泵直接传动双立柱斜置式快速自由锻造液压机是目前国内投产的最大的快速锻造设备, 具有完全自主知识产权。该设备在30MN的工作压力下, 可以达到160mm/s;在42MN的工作压力下, 可以达到150mm/s;在72MN的工作压力下, 可以达到67mm/s。斜置式双立柱预应力组合框架结构实现其中心线与压机操作工的视线成33.5°夹角, 与移动工作台成56.5°夹角, 使操作工对锻造工具和操作机钳口具有良好的可视性, 而且机架内侧净空距大, 可在锻造或更换工具时具有最优的易接近性和开阔的工艺尺寸空间, 能生产超大规格的锻件。

2 设备的主要结构特征

该快锻设备本体轮廓如图1所示。

其设备主要由预应力组合框架、多缸布置的不等径工作缸、带导向装置的组合式活动横梁/上垫板、回程缸、上砧快速夹紧和旋转装置、工作台移动装置和基础梁装置等部件构成。结构示意如图2所示。

2.1 工作台

两件辅座通过键和下横梁的两侧台肩定位, 采用螺栓预紧的方式与下横梁构成一个整体, 作为移动工作台的支承和导滑面基础。移动工作台由移动台、导滑板、左右辅座、活塞油缸和盖板等组成, 与下横梁采用钢质-铸铁导板滑动副连接。移动台尺寸和行程满足“两砧锻造”方式, 即镦粗和拔长两个工位。对于特殊锻件的锻造、镦粗以及饼类件和环形件的锻造, 允许将几种锻造工具同时放置在工作台上, 通过工作台移动完成工具的更换, 以进行矫直、拔长和镦粗工作。

1.下横梁2.回程缸3.移动工作台4.导向架5.拉杆6.上砧旋转装置7.上砧夹紧装置8.中横梁9.上横梁10.立柱11.侧缸12.主缸13.上垫板14.基础梁15.砧座固定装置

2.2 活动横梁

活动横梁采用组合结构, 主要由中横梁、两个‘凵’形导向架和两个支承块构成, 通过螺栓预紧联接为一个封闭立柱的组合式活动横梁。两个‘凵’形导向架和中横梁的两端构成了两个封闭的六面导向体, 内置楔形导向装置由一个固定斜板座和一个活动斜铁组成———这种导向系统间隙调整方便, 导向精确, 尤其适合于吸收偏心负荷, 具有坚固性、精确性。另外在活动横梁的下平面连接有一个上垫板, 用于安装上砧等锻造附件。

2.3 主工作缸

设备主工作缸采用了不等径多缸布置方式, 由一个主柱塞缸和两个侧柱塞缸组成。柱塞下部为空心体, 内装有凸球面垫和双凹球短圆柱铰轴, 通过一个安装在活动横梁中的凸球面垫, 构成双球铰联结结构, 将力传递到活动横梁。双球铰结构能够满足快速锻造的抗偏心载荷的工艺要求, 有效降低偏心锻造对于主油缸、横梁和立柱的影响, 同时避免将因偏心载荷产生的水平推力和反力矩传递到导套和密封处, 能提高密封和导向的寿命。

2.4 预应力组合框架

压机本体的预应力组合框架由上横梁、下横梁、空心立柱组成, 并由放置于空心立柱中的14根圆拉杆和4组十字键定位并预紧。通过对拉杆全长施加超压拉力负荷, 同时对立柱施加压应力, 从而使整个框架处于应力预紧状态———使这些零部件构成具有高的整体刚性和抗疲劳强度的封闭的预应力组合框架。两个长方形空心断面立柱, 使材料远离中性轴, 在每侧立柱四周固定有6组耐磨导板, 为活动横梁提供了一个坚固的、刚性的12面导向平面, 进而能够承受偏心载荷产生的巨大的弯曲应力和压应力, 能够达到很好的平衡和稳定并能满足400mm的抗偏载要求。

3 设备本体的安装

设备本体轮廓尺寸:22010mm×9970mm;总净高:18830mm;总净重:1720t;最大净空距6000mm;立柱间的净距:2000mm×3800mm;锻造工作行程:2600mm;移动工作台尺寸:6000mm×2800mm;行程:6000mm;主系统压力:35MPa。

主要零部件重量及轮廓尺寸如表1所示。由于该设备规格超大, 安装施工过程中受到运输、起重能力等诸多客观因素的影响, 须制定合理的装配工艺方案, 设计必要的、可靠的专用工装, 避免返工或窝工现象, 并保证安装质量和施工进度。

3.1 装配难点

72/80MN快速自由锻造液压机装配主要难点如下: (1) 按照实际条件, 厂房内行车最大起吊高度不能满足装好立柱后再将拉杆吊装入立柱, 需在立柱平置状态下将8根拉杆穿入其内空腔并将拉杆立柱装配体翻转竖起。细长杆型拉杆在吊装过程中非常容易变形, 需要专用吊装工具。 (2) 活动横梁组件的装配顺序控制以及上横梁与各主缸的吊装连接。 (3) 组合框架的预紧。

3.2 装配步骤

针对设备的结构特点制定了装配施工工艺, 具体步骤分解示意图如图3所示。

第一步, 首先将基础梁安放在地基上, 按照相关装配技术要求调整好标高水平, 对地脚螺栓及基础梁灌浆并预紧。将下横梁吊装在基础梁上, 再分别安装左右辅座与下横梁联接构成下横梁组件, 并调整其全行程范围内各方向水平标高。然后依次装入移动工作台等相关零部件。

第二步, 考虑到厂房高度及行车钩高的影响, 吊装立柱前必须在平置状态下先把拉杆穿入立柱内。将拉杆完全穿入立柱后, 拉杆上端一侧拧上螺母, 使用专用吊具将立柱由水平翻转为竖直状态, 缓慢将一侧立柱吊装在下横梁上。施工过程中需要密切注意起吊钢丝绳、吊钩与立柱、拉杆不应相互干涉。

第三步, 放置活动横梁的中横梁前应首先将两件支承梁临时固定在中横梁两端的下部。在工作台上布置4个能够承受100t以上静载荷的等高支座, 然后将中横梁吊放在等高支座上。以已经装好一侧立柱为基准调整间隙, 使中横梁中心与安装基准的中心对正。

第四步, 吊装一侧保持架、中横梁和支承梁联接紧固, 然后安装各导向装置并调整间隙。

第五步, 吊装另一侧立柱拉杆装配体组件及中横梁另一侧保持架, 构成活动横梁组件。

第六步, 将三个主工作缸部件吊放在活动横梁相应位置上, 首先吊放主缸, 然后依次吊装两个侧缸。

第七步, 吊装上横梁。先将平台栏杆进行试装, 并将所有现场焊接的部位焊好。水平起吊上横梁, 吊起后用水平仪检查吊平情况, 水平度误差应在0.5/1000以内;吊至压机上方后, 对正位置缓慢下降, 在接近拉杆端部时暂停下落, 观查拉杆穿入上横梁的实际情况, 防止螺纹碰伤;待落至每个缸的端部时都应确认无干涉后再落下, 直至对正8个键槽安装到位。然后逐一将拉杆吊起, 装上拉杆上下螺母并紧固。逐一起吊各缸体与上横梁连接紧固。

第八步, 吊装两侧回程缸与活动横梁及专用支架连接固定。最后进行平台、栏杆和梯子等零部件的安装。

3.3 组合框架的预紧

预紧组合框架前首先应按照图纸尺寸和精度要求对框架的精度进行测量和调整。并将应变片和导线及仪表装置全部安装到位。

本体预应力组合框架的拉杆和被预紧构件 (立柱和梁) 之间的载荷及变形量如图4所示。

由于在预紧过程中, 每组拉杆所承受的拉力不相等, 整个预紧过程中各组拉杆处于变张力预紧状态, 故不能对拉杆依次预紧, 需按照图5所示方位和编号顺序, 对各拉杆进行编号预紧。

在预紧过程中预紧后一组拉杆时, 前一组拉杆产生一定的回缩量。各组根拉杆的预紧力、伸长量, 以及计算所得的预紧油缸的介质工作压力如表2所示。

施加预紧力。每两根拉杆同时预紧, 需使用专用液压预紧工具, 如图6所示———由超高压泵、随机带的高压软管和三通体同时联接到两个预紧螺母油缸的进油口附接法兰构成。依编号顺序对左右两侧拉杆螺母分别进行预紧, 控制预紧螺母油缸压力, 平均分三次升压, 最后达到表2规定的压力。每次升压达到要求的压力后, 从支承套的开口处各个拧紧拉杆固定螺母, 记录压力和固定螺母位移量, 然后使油泵卸压。

在拧紧拉杆螺母时, 为确认螺母位移达到要求的数值, 应测量螺母位移量。可由螺母外径尺寸及测量螺母旋转过的弧长C弧长=1296.02mm求得相应转过的角度θ=390.825°及螺母相应总位移量δ=17.37mm。同时还要分别测量拉杆在预紧时的伸长值和油泵卸压后的回缩量。油泵卸荷后, 拧出预紧螺母, 再按顺序依次对其余拉杆固定螺母进行预紧, 使预紧螺母油缸的表压力均达到表2的规定值, 并各个拧紧拉杆螺母。实施中同时进行电测监视预紧过程, 并根据具体情况作出相应调整。全部预紧完成后对第一组预紧的两根拉杆进行二次拉伸检验, 使拉杆达到平均预紧力时, 检查固定螺母与上横梁垫板贴合间隙, 应≤0.05mm。完成所有拉杆的预紧后, 复检框架精度, 安装防松装置, 焊接防松挡块等。

预紧过程中的注意事项: (a) 预紧螺母的行程最大允许值为20mm, 严禁超程使用; (b) 预紧时的每次表压值应一致; (c) 根据测试数据验算, 使拉杆的伸长量与平均伸长量之比小于5%, 以使四根拉杆在工作时受力均匀; (d) 在预紧螺母油缸升压和卸荷过程中, 应注意测试拉杆的伸长量和回缩量是否与计算值相符。如有严重偏差, 应暂停预紧工作, 进行核查。 (e) 仔细测量和观察上梁的实际位移量, 以确认对立柱施加了正确的压应力。 (f) 防止预紧螺母在频繁装拆过程中与拉杆螺纹粘死或拉伤。

4 结语

关于本体论与本体教育(上) 篇7

距今2500年前后的“轴心时代”,是本体论异常活跃的时代。东西方圣人们思想的一个惊人相似点是,他们不约而同地提出各自的本体论,进而提出本体与现象的区分与联系。例如,苏格拉底的“先天观念”、柏拉图的“理念”、赫拉克利特的“逻各斯”、老子的“道”、佛陀的“自性”(般若智慧)等。这是本体论星光灿烂的时代,由此以降,人类再没有出现过如此璀璨、如此密集的本体论思想。

什么是本体论(Ontology)?它说明的是宇宙万物存在的根本原因,或者说是讨论存在之所以存在的最本源的终极依据。本体论与宇宙论(Cosmology)接近,但并不完全相同。哲学家汤一介先生曾就本体论和宇宙论有过说明,认为:“Cosmology是研究宇宙起源或构成的问题,而Ontology是讨论宇宙存在的原因和根据问题(终极原因,Final Cause)。”[1]

一个耐人寻味的事实是,近现代人普遍对本体论没有什么感觉;在一般人的意识中,对究竟为什么需要一个叫“本体”的东西,普遍存有困惑。如何解释这种现象?这是因为我们越来越深地陷入了“现象界”,执迷于现象界的五光十色、赏心悦目,认为哪里有必要追问五光十色的现象界到底是怎么来的?我认为,人类生活存在一种“趋远运动”的本性,就是全力以赴面向未来,高歌猛进越走越远,而不再考虑出发点,不再想念和回归出发时的“家园”—毕竟,“家园”太过遥远。

本体,用老子的话讲,“视之不见,听之不闻,搏之不得”,这算什么?就是一个“虚设”,不管吃,不管穿,没有什么实际作用,所以才会产生“下士闻道,大笑之”[2],是让人目瞪口呆、没法言说、无从捉摸的状态。用老子的话说,是“无有叠加”“玄之又玄”的状态。这是什么意思?老子的解释是:“此两者,同出而异名,同谓之玄。”就是说,“无”和“有”作为由道同生的对立统一体,呈现为“可道”(有迹可循、可以为道)的现象界,共同体现道的深远奥秘。玄,就是深远的奥秘。我们看到,现代量子科学讲“波粒二相性”,而老子在2500年前讲“无有叠加”“玄之又玄”,二者何其相似!老子在《道德经》第二十一章里这样形容:“道之为物,惟恍惟惚。惚兮恍兮,其中有象;恍兮惚兮,其中有物。窈兮冥兮,其中有精。”这里的“象”“物”“精”,都以一种“恍惚”即若有若无、时有时无的方式存在。

我曾经打过一个比方:在雾气朦胧的密林深处,一个美貌无比、身着霓裳、广袖善舞的仙女隐隐约约曼舞其间,为了得窥真容,人们想尽办法,但总不能如愿。终于有一天,人们在林子中用网索捕到一位姑娘,近处来看,却是相貌平平的村姑。如果说,那个永远不见真容的仙女是“虚际世界”的隐喻,那么相貌平平的村姑就是“实际世界”的象征。人类所拥有、所确定的事物,只是我们自己的样子。

“实际世界”源于“虚际世界”,但“虚际世界”并不是本体。本体无虚无实,所有二分、矛盾对立的关系和概念,都不能用来描述本体。“虚际世界”尽管“恍惚”,毕竟还“有象”“有物”“有精”。一句话,它是“有”的,而本体是一无所有的。一无所有而又能生万物的本体,既不是“虚际世界”,更不是“实际世界”。那它是什么?老子说:“吾不知其名,强字之曰道,强为之名曰大。”(1)曰道也罢,曰大也罢,都是勉强而为。如果按照“虚际世界”→“实际世界”的逻辑关系,可以把本体命名为“无际世界”。

概括地说,首先,“无际世界”是唯一本体,也就是道。其次,“虚际世界”由“无际世界”产生,也就是道生万物,但万物的最初状态并不清楚明朗,而是“无有叠加”“玄之又玄”。最后,现在我们能够清清楚楚、一清二白确定感知和理解的,是由“虚际世界”转变而来的“实际世界”,是“人工的世界”。

三、“道有五德”

本体之所以为本体,总要扮演几种角色:(1)宇宙与人类的“创生者”,即是它创造和生成了这个宇宙和人类。(2)宇宙与人类的“养护者”,即让“万物并育而不相害,道并行而不相悖”,使万物互生互养互补,达到整体共存协调。(3)宇宙与人类的“成就者”,即是为宇宙与人类的存在、运行、演化提供不同的生存法则、规律,使万物各成其物、各有所长。(4)宇宙与人类的“教育者”,即是为整个觉性世界(有情众生)进行合道循规的“元教育”。(5)宇宙与人类的“安顿者”,使万物、人类能够安全存活、安住当下、安身立命,终致“复归其根”。

关于本体的价值(“无用之用”),老子讲得很清楚:

道生之,德畜之,物形之,势成之。是以万物莫不尊道而贵德。道之尊,德之贵,夫莫之命而常自然。故道生之,德畜之。长之育之,亭之毒之,养之覆之。生而不有,为而不恃,长而不宰。是谓玄德。(1)

我把它归结为“道有五德”。什么是德?德者,得也;得什么?得道了。道的能量、恩泽和规范,体现在万物和人类的身上,就是“德”。“道有五德”,是哪五德?大生德,大养德,大成德,大教德,大安德。

“大生德”:“生而不有”;

“大养德”:“长而不宰”“衣养万物而不为主”;

“大成德”:“为而不恃”“功成而弗居”;

“大教德”:“处无为之事,行不言之教”;

“大安德”:“天长地久”“安以久,动之徐生”“夫物芸芸,各复归其根”。

道对万物人生的创生—养护—成就—教育—安顿之恩德,总括起来就是“生养教化,安顿成就”。这是什么?是“大爱”“尽其力而无我”。所以我们要懂得感恩,没有道的五德,什么都谈不上。

道(本体)对人类有五大恩德,是万物、人类的“五德父母”。

人(家长)对自己的子女也有五德:生、养、成、教、安,是“五小德”。人的“五小德”要法(学习)道的“五大德”。

道的“五德”是统一的整体,是“不二法门”。说“五德”云云,只是随顺世缘而已。因为我们习惯于把事情分开来说,以便说得清楚。“五德”只是随缘而立,实质是一个东西—大爱。

讲到这里,我们应该了解一个根本性问题了:为什么需要理解本体、回归本体?

最简单的回答是:本体是万物之母,是大自然终极的“立法者”“守护者”和“教育者”,我们的一切源于本体;本体是无限的,而本性(自性、道心)源于本体,是无限的存在。想一想:宇宙间,有没有什么有限事物能够安顿我们的心?功德、名利、地位、成就、声誉、财富、能力、情分、嗜欲……没有,没有任何有限事物会满足和安顿我们的心!因为我们在本性上是无限的,是“无限的觉性动物”。人类本性所具有的这种无限性,源于本体与我们固有的一种“内在性”。也就是说,本体与众生人类不是对立的,不是隔绝的,不是高高在上的,而是一体、内在连通、一脉相承的。本体内在于我们,让我们具有它、成为它、复归它,息息相通,善始善终。

本体是我们自己。本体是什么,我们就是什么。

参考文献

[1]汤一介.魏晋玄学论讲义[M].厦门:鹭江出版社,2006:49.

本体特征 篇8

我国当代油画的发展目前是以多样性的创作而展现的,所谓多样性,就是在审美观念和思维创作上表现出的多样化,这是目前我国当代油画发展的一种最基本的状态。自由不受任何约束的状态是目前很多画家共同的追求,但是在绘画艺术中很多应根据行业的定位而给画家很多不一样的创作空间,随着社会生活文化人性化的趋势和艺术实验的合法化,促使我国当代油画随着西方油画的风格不断演绎,变得复杂而又宽广。

不管是我国的油画还是西方油画,它们都有一种共同的价值本源。一直以来,我国油画在着重创作时,忽略了油画艺术价值本体的两个关键,就是画家群体和风格。这与西方油画有很明显的对比。目前很多的艺术家觉得,中西方油画的结合就是以中国的审美意识与西方绘画技法相结合,从而创新自我的油画理论,表面看起来是很有道理的,实际上却很简单。真正意义上的中西油画结合主要表现在创作思维上,应该把两种文化和艺术美学体系相互结合,然后才是形成艺术共同的交织,但是这并不是什么取长补短,而是多元文化中艺术的诞生。理论上说,多年来我国油画注重的都是油画的审美本体,也就是画的内涵和画本身的审美,基本上很少有人能从油画的价值本体上有一定认识。价值本体是油画的一种身份,也是在西方的风格和画家群体上构成的。西方当代油画缺乏对传统的油画认识,只知道油画是用油彩和画布绘画的,因此,价值本体理论如:风格,群体,形式,派别,已经成为无关紧要的表面特征。而我国注重传统美学文化理论,以“天人合一”、“成竹在胸”、“气韵生动”在我国油画作为主要的审美。因此这种审美意境只能自己意会,而不可言传,而风格理论在油画中被认为有或无。现在很多画家都只管画的好不好,而不管油画的风格,这种审美意识已经失去了我国当代油画本身的价值本体和审美本体。

二、中国当代油画的创作观念与“多元化”构成

在艺术家中,创作观念就是作品创作的思维和审美体系,也是一种以自我为主导的创作性思维。我国当代油画在创作观念上有两点:第一,艺术里面都有一个“主旋律”,而在油画里面,“主旋律”是以主题的方式表现审美;第二,画家的创作思维都是经过长时间的关注的题材为方向的。我国当代油画的创作方向是通过社会的审美精神指引的,而既要吸引人们的目光又要把握好大众的审美观念,画家一定得掌握好主题性。社会的需求和大众的审美是引导着我国当代油画的发展和进步,画家与群众这种相呼应的关系只在于对应了两者的各自需求,而油画本身的价值是什么,无人去了解。目前,我国当代油画的创作理念和世界艺术相连接会变得很复杂。从理论上说,多元化实际就是多样性的表现,而油画创作观念的不同恰恰就是“多元化”的基础。因此,西方和东方的油画风格不同并且风格种类多,说法也不一样,西方的艺术评论家很少说是“多元化”,而东方的评论家不一样,只要稍微的风格上的改变就被说成“多元化”的构造。所以,在油画的创作思维上看,“多元化”并不是画的表面的主要的内容表现,于是在我国当代油画多样性发展上是一个很重要的趋势,而多元化还是处于发展之中。

三、中国当代油画家群体的审美意识

我国当代油画家很多都是以自由不受约束的状态创作的,大多数是以独特的审美个性为中心,与西方的画家群体的审美意识不同,其主要表现为:第一,我国当代油画家主要是以中国艺术的“和合”思想为主,主观化的审美意识让中国油画家认为材料和工具是表达自我的方式,而西方油画的本质在中国艺术的审美意识里一般是受到排斥的;第二,中国的油画家大多都是以“画自己的画,随别人说去”这样的心态创作的,很多作品也是有风格,但无确定性和专项性。很多人都觉得画家只是画画而不需要做理论研究,导致了很多人对画家的评论都是赞扬,而没有实质性的理论分析;第三,我国油画家和观赏者都喜欢看画的表面,而对真正的画中的价值本质舍去和抛弃,及意象化的界定,才有今天的中国式油画。这也是在我国当代油画中特殊诠释。

就目前而言,我国当代油画是以自己的艺术审美意识结合着西方艺术理论形式的生存状态,主要是因为西方的多元文化被我国的美学的心、物、能三者一体的观念所排斥。不管油画是在西方还是在东方,都有自我的本体结构。油画的价值本体的构成就是百年传承和风格体系,以及画家群体的结构体系。就现在的油画实践发展的境界中,很多艺术家开始发觉我国油画还有很多的缺点与不足,很多画家都把学习西方油画传统文化的话题放在嘴边。然而该怎么学?没有人去过多的解释,因此就这样的一个富有深刻的话题就成了一段空话。

四、我国当代油画风格理论体系的建构

目前,我国当代油画还没有具体发展成多样化的学术性的风格理论体系。而我国油画家一般首要主张绘画的审美,不喜欢专注一种风格和形式,而是发挥自我的表达。从一定程度上讲,我国油画的创作从一开始都与风格理论上有着不相连接的表现,这些理论都是从油画的历史中展现出来的,从而缺乏美学意识上的知识。一直以来,我国油画的审美本体都是靠我国传统艺术的审美观念引导的,才会把很多西方油画的文化风格挡在外面,然而与传统的艺术理论还是无法连接,导致我国油画没有明显的风格体系。其次,我国很多油画家都只看作品不评论的现状也说明了很多问题。目前,我国油画艺术发展来看,也有很多的关于风格的词语,但是这些词语都是借鉴西方油画的风格,并没有我们自己的一套风格体系。

总体来说,我们从中国油画的发展方向上研究,知道了油画的发展不仅从民族文化和时代需求上进行艺术评判和价值体现,还要从创作新方向和思维上来创作出自己的体系,实际上讲就是以世界性油画的标准衡量。目前来讲,创造自己的油画风格体系,加强我们自己创作的相关理论体系;把我国当代油画的风格展现出来,促使画家意识自由而不受任何的左右,创造出不同的创作意识和风格体系,让每一个作品都能清晰的表达内容;提高油画家的艺术责任意识,构造我国油画的自身价值本体,这些都是我国现在画家需要改善的首要任务,也是我国当代油画发展的主要路径。

参考文献

[1]尚辉.从“舌尖中国”到“笔端中国”[J].中国油画,2012,(4):82-82.

[2]张祖英.中国油画有着宽广的发展空间[J].中国油画,2013,(3):44-47.