ai-structure.com：土木工程自然语言规则AI解译模块上线测试

2023年4月20日、4月27日和5月5日，ai-structure.com相继发布了新的v0.0.4版本以及图神经网络剪力墙设计、GAN-to-ETABS自动化建模程序(含源代码)等功能。感谢过程中各位工程师的积极参与和反馈。

本次更新，我们将发布一个全新模块：“规则自动解译”（https://ai-structure.com/#/auto-explain），该模块无需注册和登陆账号，可直接使用。本研究由郑哲同学、林佳瑞老师等完成，参阅（新论文：面向自动合规审查的知识增强语义对齐和自动规则解译方法）。

0

太长不看版

土木工程领域有大量的知识是用人类的自然语言表达的，典型例子就是我们的设计规范。如果能够让计算机读懂设计规范并自动将其翻译成计算机代码，那将显著提升我们的结构设计智能化水平。不过由于土木工程专业词汇众多，AI学习的专业语料又比较贫乏，严重限制了土木工程自然语言规则自动解译工作的进展。

针对以上挑战，我们开发了AI规则自动解译模块（访问链接：https://github.com/SkydustZ/auto-rule-transform），并在ai-structure.com网站进行了部署（访问链接：https://ai-structure.com/#/auto-explain）。用户只需要在“输入栏”输入自然语言表达的语句（如“保护层厚度不应小于30mm”），则AI可以通过识别词语含义，对自然语言的文本打上标签，进而把文本内容翻译成对应的语法树结构，可以转换成任意计算机语言的代码。

注意：“输入栏”输入的文字不能有空格，否则系统会解译失败。

1

典型案例

规则解译的典型案例如下：

2

规则自动解译模块原理介绍

规则自动解译方法，融合深度学习与CFG语法，兼具高效与准确，可解释性强；引入领域本体和实体链接技术，跨越模型及规范的语义鸿沟，提升规则生成效率及准确度；支持复杂规则解译，可生成不同语法、格式的规则语言，具有高通用性及高扩展性。

详细技术可见新发明专利：一种规范自动解译的BIM智能审图方法、系统和介质。

3

规则自动解译模型组成

3.1 预处理

3.2 结构解析

语法树规则与层级标签示意图

基于CFG语法的自动语法树生成

4

后记

智能审查也是智能设计的一个重要环节。自动化的规则解译可以有效避免人工编码带来的成本高、维护性和可扩展性差等问题。欢迎大家试用、并反馈您的宝贵意见。

联系方式

QQ群：741840451（欢迎入群交流讨论）

廖文杰：[email protected]；

费一凡：[email protected]

ai-structure.com网站中也有联系我们选项

1. Liao WJ, Lu XZ, Huang YL, Zheng Z, Lin YQ, Automated structural design of shear wall residential buildings using generative adversarial networks, Automation in Construction, 2021, 132, 103931. DOI: 10.1016/j.autcon.2021.103931.
   

2. Lu XZ, Liao WJ, Zhang Y, Huang YL, Intelligent structural design of shear wall residence using physics-enhanced generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2022, 51(7): 1657-1676. DOI: 10.1002/eqe.3632.
   

3. Zhao PJ, Liao WJ, Xue HJ, Lu XZ, Intelligent design method for beam and slab of shear wall structure based on deep learning, Journal of Building Engineering, 2022, 57: 104838. DOI: 10.1016/j.jobe.2022.104838.

4. Liao WJ, Huang YL, Zheng Z, Lu XZ, Intelligent generative structural design method for shear-wall building based on “fused-text-image-to-image” generative adversarial networks, Expert Systems with Applications, 2022, 118530, DOI: 10.1016/j.eswa.2022.118530.

5. Fei YF, Liao WJ, Zhang S, Yin PF, Han B, Zhao PJ, Chen XY, Lu XZ, Integrated schematic design method for shear wall structures: a practical application of generative adversarial networks, Buildings, 2022, 12(9): 1295. DOI: 10.3390/buildings1209129.

6. Fei YF, Liao WJ, Huang YL, Lu XZ, Knowledge-enhanced generative adversarial networks for schematic design of framed tube structures, Automation in Construction, 2022, 144: 104619. DOI: 10.1016/j.autcon.2022.104619.

7. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on attention-enhanced generative adversarial network, Engineering Structures, 2023, 274, 115170. DOI: 10.1016/j.engstruct.2022.115170.

8. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent beam layout design for frame structure based on graph neural networks, Journal of Building Engineering, 2023, 63, Part A: 105499. DOI: 10.1016/j.jobe.2022.105499.

9.  Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on graph neural networks, Advanced Engineering Informatics, 2023, 55, 101886, DOI: 10.1016/j.aei.2023.101886

10. Liao WJ, Wang XY, Fei YF, Huang YL, Xie LL, Lu XZ*, Base-isolation design of shear wall structures using physics-rule-co-guided self-supervised generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2023, DOI:10.1002/eqe.3862.