专利名称：一种基于重要度度量的概念图自动布图方法
技术领域：
本发明属于计算机科学可视化领域，涉及一种自动布图方法，具体涉及一种基于重要度度量的概念图自动布图方法。
背景技术：
概念建模是计算机仿真系统的最基本阶段，概念模型的精确性、一致性对上层的仿真系统有着重要影响。自动布图模块作为图形化概念建模系统的重要组成部分，对于建模人员更加精确、便利地理解模型、建立模型具有重要影响。由于各种概念模型语义关系的复杂性、领域特点的特殊性等因素的影响，使得对特定领域的概念图自动布图提出了更高的要求
发明内容
为了克服上述现有技术的不足，本发明的目的在于提供了一种基于重要度度量的概念图自动布图方法，该方法基于语义，能够反映概念图中概念重要程度的自动布图方法，使得建模人员建模过程更加精确和有效。为了实现上述目的，本发明采用的技术方案是一种基于重要度度量的概念图自动布图方法，包括如下步骤步骤一，为所有可能出现在概念图上待布图的领域内的概念构建一个分类的概念集，概念集中每个概念具有静态权重，且不同类别概念集中的概念具有不同的静态权重，所述静态权重指根据概念的类别，人工标识地用来区分概念重要性的固定的权重，可根据从特定领域建模实践中得到的经验值来区分；步骤二，根据待布图的概念图中出现的所有概念之间的关系和数量约束确定每待布图的概念图中每一个概念的动态权重，所述动态权重定义为一个根据待布图的概念图的内容得到的用来区分概念重要性的权重；步骤三，根据步骤一中的静态权重和步骤二中的动态权重，使用加权平均的方式计算概念的综合权重；步骤四，根据概念的综合权重进行排序，并挑选出综合权重最大的若干个概念作为中心概念，所述中心概念指权重大小达到预先设定标准的概念；步骤五，将步骤四中挑出的每一个中心概念形成一个概念子图，将概念图中的所有概念采用基于单源最短路径算法改进的最近邻算法进行分类，将它们分配到概念子图中；步骤六，分别为所有的概念子图进行布图，布图方法采用改进的磁场力布图算法;步骤七，对所有已布图的概念子图进行整合，使得所有概念子图不重叠得布局在同一个概念图中。所述动态权重考虑的因素为
A、不同概念的关联关系的紧密程度；B、考虑所有概念相关联的概念的数量；假设在概念图G(V，E)中，V表不概念图中的所有概念，E表不概念图中的关联关系，概念Ci由于本身的重要程度而被重视的概率即静态权重为P(Ci), R(j，i)表示概念Cj, Ci之间的关系的影响度，则概念Ci的初始的重要度权重W(Ci)可以表示成概念Ci被重视
的概率，
权利要求
1.一种基于重要度度量的概念图自动布图方法，其特征在于，包括如下步骤 步骤一，为所有可能出现在概念图上待布图的领域内的概念构建ー个分类的概念集，概念集中每个概念具有静态权重，且不同类别概念集中的概念具有不同的静态权重，所述静态权重指根据概念的类别，人工标识地用来区分概念重要性的固定的权重； 步骤ニ，根据待布图的概念图中出现的所有概念之间的关系和数量约束确定每待布图的概念图中每ー个概念的动态权重，所述动态权重定义为ー个根据待布图的概念图的内容得到的用来区分概念重要性的权重； 步骤三，根据步骤一中的静态权重和步骤ニ中的动态权重，使用加权平均的方式计算概念的综合权重； 步骤四，根据概念的综合权重进行排序，并挑选出综合权重最大的若干个概念作为中心概念，所述中心概念指权重大小达到预先设定标准的概念； 步骤五，将步骤四中挑出的每ー个中心概念形成ー个概念子图，将概念图中的所有概念采用基于单源最短路径算法改进的最近邻算法进行分类，将它们分配到概念子图中；步骤六，分别为所有的概念子图进行布图，布图方法采用改进的磁场カ布图算法； 步骤七，对所有已布图的概念子图进行整合，使得所有概念子图不重叠得布局在同一个概念图中。
2.根据权利要求I所述基于重要度度量的概念图布图方法，其特征在于，所述动态权重考虑的因素为 A、不同概念的关联关系的紧密程度； B、考虑所有概念相关联的概念的数量； 假设在概念图G (V, E)中,V表概念图中的所有概念,E表概念图中的关联关系，概念Ci由于本身的重要程度而被重视的概率即静态权重为P(Ci),R(j，i)表示概念らCi之间的关系的影响度，则概念Ci的初始的重要度权重W(Ci)可以表示成概念Ci被重视的概率， P0(Ci)理解成概念Ci在概念图中的相对重要度的初始值，采用随机游走模型，假设ー个概念因为本身的性质而被重视的概率为d，则ι-d可以理解成概念Ci由于关联关系而受到重视的概率，而概念间由于与概念G的关联关系而对概念重要度的影响PR(j，i)表示为 而ー个概念的总权重表示为/ν((:)= '( 、+ (1—めΣ PR(j“、 将上述两个公式结合起来，得到概念权重计算公式即，某个概念的重要程度等于该概念本身静态权重和动态权重的概率组合。
3.根据权利要求I所述基于重要度度量的概念图布图方法，其特征在于，在步骤四中挑选中心概念的具体方法如下 概念图中所有综合权重超过一定阈值的概念都将被选为中心概念； 若所有概念综合权重均低于所设定的阈值，则选取综合权重最大的ー个概念作为中心概念。
4.根据权利要求I所述基于重要度度量的概念图布图方法，其特征在于，所述步骤五中基于单源最短路径算法改进的最近邻算法具有如下特征 a)每ー个中心概念到自身的距离为I; b)非中心概念到中心概念的距离等于所有连接该非中心概念到该中心概念的边的权重的乘积的最大值； c)每ー个非中心概念将被分配到与该非中心概念之间的距离最大的中心概念所在的概念子图中； d)每ー个非中心概念只能属于ー个概念子图，当该非中心概念存在多个距离相同的中心概念吋，随机划分到任何ー个中心概念所属的概念子图。
5.根据权利要求I所述基于重要度度量的概念图布图方法，其特征在于，所述步骤六分类的为概念子集进行布图的改进的磁场カ布图算法具有如下特征 a)磁场カ模型采用磁场カ布图算法中的极地模型； b)计算待布图的概念之间的排斥力时考虑概念的综合权重； c)初始位置，中心概念处于磁场的中心,其它非中心概念分散地布局在中心概念的周围； d)中心概念采用边框加粗、加亮的方式突出显示。
6.根据权利要求I所述基于重要度度量的概念图布图方法，其特征在于，所述步骤七进行概念子图整合的算法具有如下特征 a)任何两个概念子图中二维坐标上距离最近的两个概念之间的距离不能超过这两个概念子图中距离最大的两个概念之间的距离； b)任何两个概念都不能重叠。
全文摘要
一种基于重要度度量的概念图自动布图方法，为所有可能出现在概念图上待布图的领域内的概念构建分类概念集，不同类别的概念具有不同的静态权重，根据待布图的概念图中出现的所有概念之间的关系和数量约束确定每待布图的概念图中每一个概念的动态权重，使用加权平均计算综合权重，根据综合权重排序并挑出综合权重最大的若干个概念作为中心概念；将每个中心概念形成一个概念子图，将概念图中的所有概念采用基于单源最短路径算法改进的最近邻算法进行分类，将它们分配到概念子图中；分别为所有的概念子图进行布图并整合，使得所有概念子图不重叠地布局在同一个概念图中，本发明能使建模过程更加精确有效。
文档编号G06F17/50GK102708244SQ20121014137
公开日2012年10月3日 申请日期2012年5月8日 优先权日2012年5月8日
发明者任博岩, 徐哲, 徐文华, 李金星, 王珍, 王瑶, 胡浩, 覃征, 赵凤飞 申请人:清华大学