随着智能制造、数字化、物联网的快速发展,知识的自动推送在上述技术的工程应用中越来越重要。目前,我国相关的主要成果还集中在多种形式的知识主动索引和与任务挂接的知识推送方面,在基于人、行为、应用对象等构成的情境中进行智能化的知识推送方面,还没有形成系统的方法和应用系统。其主要原因是情境复杂,情境与知识的映射关系难以抽取,制造知识复杂,模糊检索准确率低等。针对上述问题,本文开展如下研究工作。为实现生产线相关知识的有序组织,研究基于词向量聚类的知识本体建模方法。本文利用Word2Vec训练制造文本语料,快速生成关键字词向量。为提高词向量的准确度,采用交叉对比实验确定Word2Vec模型的最优参数。基于关键字词向量进行多次K-Means聚类,提取类中心基本概念以及概念之间的二元关系。利用所获得的概念及关联关系建立制造知识本体模型,实现制造知识的有序组织。实验证明本文所提方法可实现制造知识本体自动化建模。为支持基于情境条件的联想检索,研究联想查询语义网络的建模方法。提出一种支持有序建模的语义网络表达及存储模式。为降低语义网规模,提高语义网的准确性,采用余弦距离获得概念词向量相似度,并基于相似度分离删除关联度最小的概念。建立了一种基于词频的概念语义相关性度量模型,并基于度量结果建立联想查询语义网络,并利用实验验证自动化建模的合理性。研究基于联想查询语义网络和知识本体映射的模糊检索方法。利用联想查询语义网络模型对情境查询条件进行推理联想,在查询语义网络中进行模糊扩展,获得联想查询词组;建立联想查询词组到知识本体的映射规则,利用联想查询词组映射出知识本体节点集合,实现基于情境查询条件的模糊检索。本文的研究内容对于丰富知识推送方法体系,提高知识推送的智能化水平具有实用意义。同时,本文所研究的本体自动化建模方法对其他领域的复杂建模需求也具有一定的借鉴意义。