技術(shù)特征：

1.一種基于突發(fā)事件情景鏈的情景推理方法，其特征在于，包括：

(1)根據(jù)用戶輸入的情景獲取目標(biāo)情景鏈A₁；

(2)根據(jù)預(yù)存的情景鏈庫對目標(biāo)情景鏈A₁進(jìn)行推理，其子步驟為：

(2-1)對于預(yù)存的情景鏈庫中的每條情景鏈，計算情景鏈A₂與A₁之間的層次相似度：其中，m為A₁情景鏈的層級與A₂情景鏈的層級中的最小值，k為A₁情景鏈的層級與A₂情景鏈的層級中的最大值，Siml表示情景鏈A₁與情景鏈A₂在層次l上的節(jié)點集合之間的相似度，情景鏈中的每一個情景構(gòu)成一個節(jié)點，每一層次中的所有節(jié)點構(gòu)成一個節(jié)點集合；

(2-2)計算情景鏈A₂與情景鏈A₁之間的節(jié)點相似度Sim_N(A₁,A₂)，其子步驟為：

(2-2-1)由公式Sim_node(a,b)＝γSim_link(a,b)+δSim_p(a,b)計算兩情景a、b之間的情景相似度，其中，Sim_p(a,b)為兩情景a、b的特征屬性相似度，Sim_link(a,b)為兩情景a、b的鏈?zhǔn)疥P(guān)系相似度；

(2-2-2)設(shè)情景鏈A₁的情景集合為N_A1＝{a₁，a₂，……，a_i}，情景鏈A₂的情景集合為N_A2＝{b₁，b₂，……，b_j}，則由步驟(2-2-1)計算N_A1中每一個情景與N_A2中所有情景的情景相似度的集合S₁，S₂，……，S_i，其中，i表示情景鏈A₁中的情景個數(shù)，j表示情景鏈A₂中的情景個數(shù)；

(2-2-3)由公式：Sim_N(A₁,A₂)＝f(S₁，S₂，…，S_i)/max(i，j)計算情景鏈A₂與情景鏈A₁之間的節(jié)點相似度，其中，f(S₁，S₂，…，S_i)表示最大取值算法；

(2-3)由公式：Sim(A₁,A₂)＝αSim_H(A₁,A₂)+βSim_N(A₁,A₂)計算情景鏈A₁和情景鏈A₂的結(jié)構(gòu)相似度，其中，α和β為調(diào)整系數(shù)且α+β＝1；

(2-4)重復(fù)步驟(2-1)～步驟(2-3)得到預(yù)存的情景鏈庫中的每條情景鏈與目標(biāo)情景鏈A₁之間的結(jié)構(gòu)相似度；

(3)根據(jù)預(yù)存的情景鏈庫中的每條情景鏈與目標(biāo)情景鏈A₁之間的結(jié)構(gòu)相似度，按照相似度從大到小的順序選取若干個情景鏈進(jìn)行顯示。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(1)具體包括以下子步驟：

(1-1)接收用戶當(dāng)前輸入的情景，并輸出提示信息，提示用戶選取與該當(dāng)前輸入的情景關(guān)聯(lián)的上一個情景；

(1-2)若接收到用戶選擇的與當(dāng)前輸入的情景關(guān)聯(lián)的上一個情景的關(guān)聯(lián)指令，則將該當(dāng)前輸入的情景作為用戶選擇關(guān)聯(lián)的上一個情景的下一個情景組成情景鏈，其中用戶選擇關(guān)聯(lián)的上一個情景屬于本次匹配中用戶已經(jīng)輸入的情景中的情景；

(1-3)若沒有接收到用戶選擇的關(guān)聯(lián)情景的關(guān)聯(lián)指令，則將當(dāng)前輸入的情景作為新情景鏈的第一個情景。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(2-1)中，Siml的計算方式為：

設(shè)L_A1＝{a_l1,a_l2,…,a_lg}表示情景鏈A₁在層次l上的節(jié)點集合，g表示情景鏈A₁在層次l上的節(jié)點數(shù)，L_A2＝{b_l1,b_l2,…,b_lh}表示情景鏈A₂在層次l上的節(jié)點集合，h表示情景鏈A₂在層次l上的節(jié)點數(shù)，依次計算出集合L_A1中每一節(jié)點與集合L_A2中所有節(jié)點的節(jié)點相似度集合Q₁,Q₂,…,Q_g，然后計算出Sim l＝f(Q₁,Q₂,…,Q_g)/max(g，h)，其中，兩節(jié)點之間的相似度用歸一化歐式距離表示，f(Q₁,Q₂,…,Q_g)為最大取值算法。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在步驟(2-2-1)中，Sim_p(a,b)與Sim_link(a,b)的計算方式為：Sim_p(a,b)＝∑d(Same(a,b))/n，其中，Same(a,b)表示情景a與情景b中特征屬性名相同的屬性對，n為情景a的特征屬性數(shù)與情景b的特征屬性數(shù)中的最大值，∑d(Same(a,b))表示情景a與情景b中特征屬性名相同的屬性對的相似度之和，d表示情景a與情景b中特征屬性名相同的屬性對的相似度且數(shù)值類屬性的相似度由歸一化曼哈頓距離來度量，字符類屬性的相似度為0或1；

Sim_link(a,b)＝p/q，其中，p為情景a與情景b中情景類型相同的元素對的個數(shù)，q為情景a中所有關(guān)系集合元素數(shù)量之和與情景b中所有關(guān)系集合元素數(shù)量之和中的最大值。

5.根據(jù)權(quán)利要求1至4任意一項所述的方法，其特征在于，所述方法還包括：

若接收到用戶輸入的單一情景作為匹配搜索的目標(biāo)情景，則將所述目標(biāo)情景作為特殊情景鏈，將預(yù)存的情景鏈庫中以該目標(biāo)情景為父節(jié)點且存在子節(jié)點的情景鏈進(jìn)行匹配檢索，計算與所述特殊情景鏈之間的節(jié)點相似度，根據(jù)計算出的節(jié)點相似度的大小顯示匹配結(jié)果。

6.一種基于突發(fā)事件情景鏈的情景推理系統(tǒng)，其特征在于，包括：

輸入模塊，用于根據(jù)用戶輸入的情景獲取目標(biāo)情景鏈A₁；

推理模塊，用于根據(jù)預(yù)存的情景鏈庫對目標(biāo)情景鏈A₁進(jìn)行推理，具體包括以下子模塊：

層次相似度計算模塊，用于對于預(yù)存的情景鏈庫中的每條情景鏈，計算情景鏈A₂與A₁之間的層次相似度：其中，m為A₁情景鏈的層級與A₂情景鏈的層級中的最小值，k為A₁情景鏈的層級與A₂情景鏈的層級中的最大值，Siml表示情景鏈A₁與情景鏈A₂在層次l上的節(jié)點集合之間的相似度，情景鏈中的每一個情景構(gòu)成一個節(jié)點，每一層次中的所有節(jié)點構(gòu)成一個節(jié)點集合；

節(jié)點相似度計算模塊，用于計算情景鏈A₂與情景鏈A₁之間的節(jié)點相似度Sim_N(A₁,A₂)，具體包括以下子模塊：

第一計算子模塊，用于由公式：Sim_node(a,b)＝γSim_link(a,b)+δSim_p(a,b)計算兩情景a、b之間的情景相似度，其中，Sim_p(a,b)為兩情景a、b的特征屬性相似度，Sim_link(a,b)為兩情景a、b的鏈?zhǔn)疥P(guān)系相似度；

第二計算子模塊，用于由第一計算子模塊計算N_A1中每一個情景與N_A2中所有情景的情景相似度集合S₁，S₂，……，S_i，其中，情景鏈A₁的情景集合為N_A1＝{a₁，a₂，…，a_i}，情景鏈A₂的情景集合為N_A2＝{b₁，b₂，…，b_j}，i表示情景鏈A₁中的情景個數(shù)，j表示情景鏈A₂中的情景個數(shù)；

第三計算子模塊，用于由公式：Sim_N(A₁,A₂)＝f(S₁，S₂，…，S_i)/max(i，j)計算情景鏈A₂與情景鏈A₁之間的節(jié)點相似度，其中，f(S₁，S₂，…，S_i)表示最大取值算法；

結(jié)構(gòu)相似度計算模塊，用于由公式：Sim(A₁,A₂)＝αSim_H(A₁,A₂)+βSim_N(A₁,A₂)計算情景鏈A₁和情景鏈A₂的結(jié)構(gòu)相似度，其中，α和β為調(diào)整系數(shù)且α+β＝1；

推理子模塊，用于得到預(yù)存的情景鏈庫中的每條情景鏈與目標(biāo)情景鏈A₁之間的結(jié)構(gòu)相似度；

結(jié)果顯示模塊，用于根據(jù)預(yù)存的情景鏈庫中的每條情景鏈與目標(biāo)情景鏈A₁之間的結(jié)構(gòu)相似度，按照相似度從大到小的順序選取若干個情景鏈進(jìn)行顯示。

7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述輸入模塊包括：

接收模塊，用于接收用戶當(dāng)前輸入的情景，并輸出提示信息，提示用戶選取與該當(dāng)前輸入的情景關(guān)聯(lián)的上一個情景；

情景鏈建立模塊，用于在接收到用戶選擇的與當(dāng)前輸入的情景關(guān)聯(lián)的上一個情景的關(guān)聯(lián)指令時，將該當(dāng)前輸入的情景作為用戶選擇關(guān)聯(lián)的上一個情景的下一個情景組成情景鏈，其中用戶選擇關(guān)聯(lián)的上一個情景屬于本次匹配中用戶已經(jīng)輸入的情景中的情景；

所述情景鏈建立模塊，還用于在沒有接收到用戶選擇的關(guān)聯(lián)情景的關(guān)聯(lián)指令時，將當(dāng)前輸入的情景作為新情景鏈的第一個情景。

8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，Siml的計算方式為：

設(shè)L_A1＝{a_l1,a_l2,…,a_lg}表示情景鏈A₁在層次l上的節(jié)點集合，g表示情景鏈A₁在層次l上的節(jié)點數(shù)，L_A2＝{b_l1,b_l2,…,b_lh}表示情景鏈A₂在層次l上的節(jié)點集合，h表示情景鏈A₂在層次l上的節(jié)點數(shù)，依次計算出集合L_A1中每一節(jié)點與集合L_A2中所有節(jié)點的節(jié)點相似度集合Q₁,Q₂,…,Q_g，然后計算出Sim l＝f(Q₁,Q₂,…,Q_g)/max(g，h)，其中，兩節(jié)點之間的相似度用歸一化歐式距離表示，f(Q₁,Q₂,…,Q_g)為最大取值算法。

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，Sim_p(a,b)與Sim_link(a,b)的計算方式為：Sim_p(a,b)＝∑d(Same(a,b))/n，其中，Same(a,b)表示情景a與情景b中特征屬性名相同的屬性對，n為情景a的特征屬性數(shù)與情景b的特征屬性數(shù)中的最大值，∑d(Same(a,b))表示情景a與情景b中特征屬性名相同的屬性對的相似度之和，d表示情景a與情景b中特征屬性名相同的屬性對的相似度且數(shù)值類屬性的相似度由歸一化曼哈頓距離來度量，字符類屬性的相似度為0或1；

Sim_link(a,b)＝p/q，其中，p為情景a與情景b中情景類型相同的元素對的個數(shù)，q為情景a中所有關(guān)系集合元素數(shù)量之和與情景b中所有關(guān)系集合元素數(shù)量之和中的最大值。

10.根據(jù)權(quán)利要求6至9任意一項所述的系統(tǒng)，其特征在于，

所述推理模塊，還用于在接收到用戶輸入的單一情景作為匹配搜索的目標(biāo)情景時，將所述目標(biāo)情景作為特殊情景鏈，將預(yù)存的情景鏈庫中以該目標(biāo)情景為父節(jié)點且存在子節(jié)點的情景鏈進(jìn)行匹配檢索，計算與所述特殊情景鏈之間的節(jié)點相似度，并由所述結(jié)果顯示模塊根據(jù)計算出的節(jié)點相似度的大小顯示匹配結(jié)果。