一种机器思维实现方法及装置

技术领域

本发明涉及机器思维计算技术领域，尤其涉及一种机器思维实现方法及装置。

背景技术

目前，机器思维的实现都是基于规则系统、语义网络、或者本体等知识表示形式下，对现有知识的延展推导。此种实现方法中，所有的推导都在规范模式下可预知地执行，不存在思维跳跃或者创造性思维的灵感，因此被称为机器思维的逻辑基础。但是这种方式不能根本解决知识的大规模积累所带来的表示效率、知识冗余、冲突等问题，也不能解决不依靠直接原因的思维跳跃、类比联想和枚举探索等创造性思维的方式的实现问题。

发明内容

基于上述问题，本发明从模拟人类思维的角度，以简单规则推导为逻辑基础，对规则逻辑推导添加控制机制，形成类比联想和枚举探索的机器思维的实现方法，解决创造性思维机器实现的问题。

为解决上述问题，本发明一个实施例提供了一种机器思维实现方法，所述方法包括：

S1、对接收到的自然语言进行分解和识别，得到自然语言的分词词汇链表；

S2、基于全局数据池中的数据，根据分词词汇链表，建立数据元变量及数据元变量之间的关系，进行逻辑思维计算；

S3、对逻辑思维计算结果进行判断后输出。

其中，所述步骤S1，具体包括：

对接收的自然语言进行分解，得到数据特征词；

基于全局数据池中的分词结构，对所述数据特征词进行分词识别，得到分词词汇链表。

其中，所述步骤S2具体包括：

根据分词词汇链表进行数据元语义识别，建立数据元变量；

基于全局数据池中对应的数据元变量语义识别算法对建立的数据元变量进行对应的语义识别；

根据语义识别结果，在全局数据池中选择对应的公式变量，建立数据元变量与公式变量的对应关系，形成动态语义圈；

根据所述动态语义圈，进行逻辑思维计算。

其中，所述逻辑思维计算包括基本逻辑计算、类比逻辑计算和/或创造性思维计算。

其中，所述基本逻辑计算具体包括：

根据所属动态语义圈中的数据元变量与公式变量之间的关系，以及数据元变量的取值属性，匹配现有的数据元变量与公式变量，调用激活的求解规则，计算未知数据元变量的值。

其中，根据语义识别结果，在全局数据池中选择对应的公式变量，建立数据元变量与公式变量的对应关系，形成动态语义圈，具体包括：

根据语义识别结果，基于全局数据池中的数学常识，对所述语义识别结果进行数学常识识别；

在所述全局数据池中选择对应的是词汇序列及同义词和/或近义词，进行类比场景模式识别；

合并所述数学常识识别结果和类比场景模式识别结果，形成所述数据元变量对应的公式变量；

建立所述数据元变量与公式变量的对应关系，形成动态语义圈。

其中，所述类比逻辑计算具体包括：

根据所述动态语义圈中的类比场景模式识别中包含的场景的类比、同义词和/或近义词的类比以及场景框架蕴含公式，对属性表征类似的数据元变量进行推理，得到未知数据元变量的值。

其中，所述根据语义识别结果，在全局数据池中选择对应的公式变量，建立数据元变量与公式变量的对应关系，形成动态语义圈，具体包括：

根据语义识别结果，在所述全局数据池中进行数据元变量迭代模式和数据元变量数值约束关系的选择，形成所述数据元变量约束关系；

基于全局数据池中的数学常识，对所述语义识别结果进行数学常识识别；

根据所述数据元变量约束关系和所述数学常识识别结果，形成所述数据元变量对应的公式变量；

建立数据元变量与公式变量的对应关系，形成动态语义圈。

其中，所述创造性思维计算具体包括：

根据所述动态语义圈中数据元约束关系，进行对应的逻辑计算，得到未知数据元变量的值。

本发明的另一个方面，提供一种机器思维实现装置，包括：

分解模块，用于对接收到的自然语言进行分解和识别，得到自然语言的分词词汇链表；

计算模块，用于基于全局数据池中的数据，根据分词词汇链表，建立数据元变量及数据元变量之间的关系，进行逻辑思维计算；

输出模块，用于对逻辑思维计算结果进行判断后输出。

本发明的机器思维实现方法及装置，以单一的规则推理模式为基本单元，添加类比推理计算和创造性思维计算逻辑控制基本规则推理单元的执行，对于类似思维方式和试探思维路径的思维现象进行模拟，完整刻画了人类思维的涵盖范围和深度，是现有思维计算方法的深化研究和思维计算实用化的成功探索。

附图说明

图1示出了本发明实施例的机器思维实现过程示意图；

图2示出了本发明实施例的机器思维实现方法的流程图；

图3示出了本发明实施例的类人求解数学应用题的基本功能框架图；

图4示出了本发明的机器思维实现装置的结构框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明实施例的机器思维实现方法，如图1所示，包括自然语言输入、类脑的处理和语言特征输出三个主要步骤。自然语言输入是指自然语言问题的描述或者事实的陈述；类脑的处理是指输入样例积累、知识表示和积累、冲突消解、综合识别、思维推理和计算；语言特征输出不仅包含样例的检索、常识知识的检索、自然语言问题的问答、以及对输入自然语言事实的真伪判断等基本逻辑问题，还包含总结凝练、创新创作、和自我意识等创造性思维问题。

类脑处理部分的机器运行包括常识知识实例、表示、存储、积累、匹配、识别、扩展、综合和分析等过程，完成这些语义工程过程之后，自然语言表示的内涵意义就识别出来了。下一步就是按照显式数值和逻辑关系、隐式常识数值和逻辑关系，进行基本逻辑计算、类比逻辑计算、和创造性思维计算等思维模拟过程。

上述语义工程过程的实现是个实验性的探索过程，需要积累问题及分析过程中间步骤的大量实例。也即，原始和中间步骤语料要以系统工程的方法保留在语料库中，和分析配置文件形成一个完整的系统支撑体系，以备经常性地回溯对比分析时使用。语义工程也采取增量式实例知识累积的方式实现，也就是说，确保软件开发过程中，实例优先执行，分析总结的推广模型或者类比模型只用于其它未调试过问题的求解。这样确保已经调试过的实例成为系统的“锚点”，也避免新的调试实例的修改反过来影响调试过的实例的运行流程。

常识知识表示、存储和识别会使用许多数据访问接口及其配置文件来完成。按面向对象编程思想，可以封装成一个个独立的知识存储、访问、和使用的类。比如，量词的识别包括常用量词表文件及其判断是否为量词的程序访问接口；“地板砖”常识蕴含属性有面积和体积，对应长方形和长方体的计算属性，配置文件包含“地板砖”属性有面积和体积，系统实现的时候，只开发对于长方形和长方体的面积和体积计算逻辑，其它都以常识知识配置文件及其对应访问接口实现。因数学抽象和计算规则的数量是有限的，系统的扩展会聚焦在实例概念与数学抽象之间的映射的常识知识扩展上。

基本逻辑计算包括公式配置文件、求解规则配置文件、及其访问接口组成。常识知识识别出来的变量与公式变量之间的匹配关系确定之后，调用相应的求解规则，求取问题结果。基本逻辑计算是其他两种计算方式的基础。类比逻辑计算包括有实例的类比、场景的类比、特征词组的类比、属性和规则的类比等方式，目的是通过类比取得与实例近似的问题的解。创造性思维计算包括使用基本运算概念与计算规则，探索组合求解问题的计算方式，创造性思维计算处理按步骤推理不能解决的思维跳跃问题。

基于此，本发明的一个实施例中，提供一种机器思维实现方法，如图2所示，具体包括：

S1、对接收到的自然语言进行分解和识别，得到自然语言的分词词汇链表；

S2、基于全局数据池中的数据，根据分词词汇链表，建立数据元变量及数据元变量之间的关系，进行逻辑思维计算；

S3、对逻辑思维计算结果进行判断后输出。

本发明的实施例中，其思维计算过程依赖于全局数据池，该全局数据池属于预先建立的数据库，本实施例中的上述步骤执行过程中产生的数据，在进行逻辑计算的同时，同步存储到全局数据库中，作为全局数据库的基础数据，为下一次的机器思维计算提供基础数据和实例。

一个实施例中，全局数据池包括但不限于输入文本、词典、单各位/量词、分词词汇链表、数据元变量链表、运行步骤等全局数据。

上述实施例中，步骤S1主要对输入的自然语言进行识别和解析，具体包括：

对接收的自然语言进行分解，得到数据特征词；

基于全局数据池中的分词结构，对所述数据特征词进行分词识别，得到分词词汇链表。

上述过程中，将自然语言进行分解，得到数据特征词，然后通过全局数据池对数据特征词进行结构解析，在执行过程中，包括输入问题检索算法和分词算法，调用三个辅助类：问题类、词典类和分词特例类。其中，问题类包括原始问题及其问题特征(原始问题、子句、数据元、数据元变量、蕴含常识等个数和性质特征)数据文件，和问题检索和特征检索函数接口；词典类包括词典文件及其访问函数(全量匹配检索和按词查询词汇属性等)接口；分词特例类包含分词歧义特例、解决特征数据实例文件，及其调用匹配函数接口等。输入分词的主要输入数据是原始问题，输出是分词词汇链表。原始问题及其特征数据以及分词词汇链表，都存入全局公共数据池，供全局所有函数参考访问。

在进一步的实施例中，上述步骤S2具体包括：

根据分词词汇链表进行数据元语义识别，建立数据元变量；

基于全局数据池中对应的数据元变量语义识别算法对建立的数据元变量进行对应的语义识别；

根据语义识别结果，在全局数据池中选择对应的公式变量，建立数据元变量与公式变量的对应关系，形成动态语义圈；

根据所述动态语义圈，进行逻辑思维计算。

上述实施例中，数据元语义识别的目标是确定数据元变量的无歧义名称，本实施例用3元组<直接称呼，隶属概念，性质分类>描述。

在上述步骤中，逻辑思维计算可以包括基本逻辑计算、类比逻辑计算、创造性思维计算等方式，不同的逻辑计算过程，需要不同的数据元变量以及公式变量来实现，以下通过具体实施例来进行描述。

上述实施例中，基本逻辑计算具体包括：

根据所属动态语义圈中的数据元变量与公式变量之间的关系，以及数据元变量的取值属性，匹配现有的数据元变量与公式变量，调用激活的求解规则，计算未知数据元变量的值。

类比逻辑计算过程，在建立动态语义圈的过程与基本逻辑计算有区别，形成动态语义圈的具体过程包括：

根据语义识别结果，基于全局数据池中的数学常识，对所述语义识别结果进行数学常识识别；

在所述全局数据池中选择对应的是词汇序列及同义词和/或近义词，进行类比场景模式识别；

合并所述数学常识识别结果和类比场景模式识别结果，形成所述数据元变量对应的公式变量；

建立所述数据元变量与公式变量的对应关系，形成动态语义圈。

基于上述，类比逻辑计算具体包括：

根据所述动态语义圈中的类比场景模式识别中包含的场景的类比、同义词和/或近义词的类比以及场景框架蕴含公式，对属性表征类似的数据元变量进行推理，得到未知数据元变量的值。

创造性思维计算，其形成动态语义圈的具体过程包括：

根据语义识别结果，在所述全局数据池中进行数据元变量迭代模式和数据元变量数值约束关系的选择，形成所述数据元变量约束关系；

基于全局数据池中的数学常识，对所述语义识别结果进行数学常识识别；

根据所述数据元变量约束关系和所述数学常识识别结果，形成所述数据元变量对应的公式变量；

建立数据元变量与公式变量的对应关系，形成动态语义圈。

基于此，创造性思维计算具体包括：

根据所述动态语义圈中数据元约束关系，进行对应的逻辑计算，得到未知数据元变量的值。

本发明的实施例主要是小学数学应用题类人求解，通过不同的应用题类型来对不同的逻辑思维计算进行描述。

如图3所示，小学数学应用题类人求解的运行流程为：输入分词、数据元语义识别、动态语义圈生成、求解规则匹配、结果输出等功能步骤，其中，前三步骤属于常识知识表示、存储和识别的范畴，所有功能步骤都在在全局公共数据池的支撑下执行，全局公共数据池包含输入文本、词典、单位/量词、分词词汇链表、数据元变量链表、运行步骤等全局数据。按照面向对象程序设计思想，小学数学应用题类人求解封装成一个主类，五个主要功能步骤封装为成员函数，全局公共数据池封装成私有成员变量。

在一个实施例中，以基本逻辑思维计算方式为例，如实例“小明家装修房子，客厅和卧室打地板，正好用了200块长50厘米，宽80厘米，厚2厘米的木质地板，小明家客厅和卧室的面积是多少平方米？他家买地板多少立方米？”。

该实施例中，输入分词即是对上述语言的分词解析，输出分词词汇链表，该步骤作为每个逻辑思维计算的基础，准确的分词解析，能够便于其后的逻辑思维计算的准确进行。

其后的数据元语义识别中，使用3元组<直接称呼，隶属概念，性质分类>来描述，其数据元及数据元变量识别结果如下表1所示：

表1数据元和数据元变量

数据元变量的三元组名称是数据元的语义描述和推理计算的唯一标识，其构成的部分识别算法描述见下表2所示：

表2数据元变量意义识别算法描述

数据元变量识别完成后，生成动态语义圈，动态语义圈用于描述问题求解所需要的公式知识及数据元变量与公式变量的对应关系。隐式常识使用常识概念配置文件和数学概念配置文件实现；显式和显隐结合式语言表述，实用显式关系配置文件实现。本实施例中的常识概念配置文件格式示例如下：

数学概念配置文件格式示例如下：

本实施例中，实际概念属性列表和公式变量表中的概念变量是一一位置对应关系。

一个数量倍数和比较关系的显式关系配置文件格式示例如下：

通过设计实现上述配置文件的访问、匹配、识别算法和接口，然后动态语义圈生成结果为：

1 23：：地板::体积，长::地板::距离，宽::地板::距离，厚::地板::距离＝-长方体体积，长方体长，长方体宽，长方体高

2 11：：地板::面积，长::地板::距离，宽::地板::距离＝-长方形面积，长方形边长，长方形宽度

3 31：：总::地板::体积，地板::体积，个数＝-总体积数量，单体体积数量，个数

4 32：：总::地板::面积，地板::面积，个数＝-总面积数量，单体面积数量，个数

本实施例中，动态语义圈中间变量的命名，一般采用同一公式中数据元变量的宏观概念特征，加上自身的属性特征，然后创建新的中间变量。

本实施例的问题比较简单，因此通过基本逻辑计算就能实现上述问题的求解。基本逻辑计算就是通过语义识别出来的数据元变量语义及其相互计算关系，依靠规则推理求解问题的过程。基本逻辑计算过程包括求解规则的匹配和求解结果的输出两个过程。

依据动态语义圈中数据元变量与公式变量的对应关系，以及数据元变量取值的属性(未知/已知)，匹配现有数据元变量与公式变量，调用激活的公式求解规则，计算未知数据元变量的值。本实施例中，其求解规则如下：

通过匹配求解规则，并依据求解规则计算中间变量的值，直到求解出疑问变量结束推理。本实施例的输出的结果如下：

本实施例中，在求解过程中，从疑问变量倒推，求解疑问变量没有贡献的中间步骤从求解步骤中剔除，从而取得局部最优解，从而实现本实施例的应用题的答案的求解。

在进一步的实施例中，类比逻辑计算通过词汇序列及其同义词表示类似场景，通过场景公式表达表示不同场景相同处理方式的情况。以下通过一个场景类比的计算实例介绍推理计算的过程。

问题：“一个长方体水缸，长10分米，宽8分米，水深4.5分米，放入一块石头，这时水面上升到6分米；这块石头的体积是多少？”

上述问题的求解过程如下：

(1)数据元变量识别

依据<直接称呼，隶属概念，性质分类>描述，识别出数据元变量名称如下(核心名词前的修饰词归属核心名词域)：

(2)数学常识识别

这道题目求解必备的数学常识知识如下所示(事先表示和存储)：

1 23：：水::长方体::体积，长::长方体::距离，宽::长方体::距离，1::水::深::长方体::距离＝-长方体体积，长方体长，长方体宽，长方体高

2 37：：四周::水::长方体::面积，长::长方体::距离，宽::长方体::距离，1::水::深::长方体::距离＝-长方体四周面积，长方体长，长方体宽，长方体高

3 38：：底部::长方体::面积，长::长方体::距离，宽::长方体::距离＝-长方体底部面积，长方体长，长方体宽

4 38：：顶部::长方体::面积，长::长方体::距离，宽::长方体::距离＝-长方体底部面积，长方体长，长方体宽

(3)类比场景模式识别

由于场景决定一些数据元变量的内涵与计算方式，可以使用词汇序列及同义词表示类似场景框架。本题中，可以描述这道题的类比场景模式如下：

1

3

水::体积，底部::面积，1::深，

22

长方体体积，截面面积，长方体长，

石头::水::体积，底部::面积，2::深，

22

长方体体积，截面面积，长方体长，

石头::体积，石头::水::体积，水::体积，

6

A部分，总量，B部分，

9

...

v放入||投入、放进去、投进去、投掷、掷入、投掷进去、掷进去、

c1

s石头||**

...

s水面||水、

v上升

t至||到、到达、达到、

n2::深

从上述场景框架可以看出，这个场景含有3个背景数学公式知识，并且涉及一个数据元变量(2：：深)的命名改变和推导(即已存在带“深”数据元变量改为“1：：深”)。经过场景类比模式匹配，数据元变量语义表示改变为(其中-9999999999.000000表示待求解的值)：

(4)动态语义圈表示

合并数学常识知识和类比场景公式知识，形成完整题目场景的数据元变量语义表示数学公式集合：

1 23：：水::长方体::体积，长::长方体::距离，宽::长方体::距离，1::水::深::长方体::距离＝-长方体体积，长方体长，长方体宽，长方体高

2 37：：四周::水::长方体::面积，长::长方体::距离，宽::长方体::距离，1::水::深::长方体::距离＝-长方体四周面积，长方体长，长方体宽，长方体高

3 38：：底部::长方体::面积，长::长方体::距离，宽::长方体::距离＝-长方体底部面积，长方体长，长方体宽

4 38：：顶部::长方体::面积，长::长方体::距离，宽::长方体::距离＝-长方体底部面积，长方体长，长方体宽

5 22：：水::长方体::体积，底部::长方体::面积，1::水::深::长方体::距离＝-长方体体积，截面面积，长方体长

6 22：：石头::水::体积，底部::长方体::面积，2::深＝-长方体体积，截面面积，长方体长

7 6：：这块::石头::体积，石头::水::体积，水::长方体::体积＝-A部分，总量，B部分

求解结果

对于动态语义圈中的数学公式集合进行基本逻辑计算和推导，可以得到求解步骤和结果如下：

综上，本实施例的类比逻辑计算依据的是场景的类比、同义词近义词的类比、以及场景框架蕴含公式相同来表征属性类似的推理，实现类似语言表征和不同语言表征，而具有相同思维推理特征和方式的思维现象。

在又一个实施例中，通常的计算推理依赖于固定的知识表示形式，而形式决定了推理的方式应用的范围。创造性思维计算表示形式不固定，是多样的，依赖于具体计算场景。

对于每个问题的每一个知识项或句子，试图用不同的思维表示形式进行表示，比如枚举、排序、矩阵、队列、集合、框架、规则、起终地、环形或网络表示等，并记录；对于合适的思维表示，试探用常识计算，如大小、远近、快慢、好坏、多少、香臭、美丑、前后、总和、类比和加减等判别计算，进行求解或判断，并记录结果。比如，对于数学应用题中的归一问题：“买5只铅笔要0.6元，买同样的铅笔12只，要多少钱？”，用枚举表示法表示每个单一分量，最终求取总量。

下面通过一个面向对象方法的创造性思维计算实例来详细描述本发明的创造性思维计算过程。系统求解采用枚举试探的求解思路，不仅仅依靠规则推理求解，而是观察求解过程的状态趋势变化，并做出下一步试探计算的判断。

问题：“五年级(1)班学生进行队列表演，每行12人或16人都正好整行，已知这个班的学生不到50人，这个班有多少人？”

(1)数据元变量语义识别

其中，nValStrict 1表示变量的“小于”约束。

(2)约束关系识别

约束关系识别分别识别数据元变量迭代模式和数据元变量数值约束关系。下面是2个例子，一个是数据元迭代变量的词汇匹配框架，一个是数据元变量数值约束的词汇匹配框架。

1

1::个数::列::队列::效率，2::个数::列::队列::效率，

1

两迭代器约束函数

10

c1

n1::效率

t或

n2::效率

t都

t正好||@@

t整

s行

w1::个数::列::队列::效率

w2::个数::列::队列::效率

2

约束::个数，

2

单数值约束函数

8

v已知||@@

t这个||这、

s班

d的

s学生

t不

v到

n约束::个数

(3)数学常识识别

下面例子表示了数学常识表示数据元概念属性为“队列”的数据元变量与计算公式及变量的对用关系。

(4)动态语义圈表示

依据数学常识识别，生成所有的数据元变量与可能的计算公式之间的关系，即动态语义圈，表示了数据元变量集合中所有可能的计算推导过程。

1 11：：队列::个数，1::个数::行::队列::效率，1::个数::列::队列::效率＝-长方形面积，长方形边长，长方形宽度

2 11：：队列::个数，2::个数::行::队列::效率，2::个数::列::队列::效率＝-长方形面积，长方形边长，长方形宽度

(5)迭代枚举算法

系统对于第一个数据元迭代变量赋给初值1，依次激活求解规则，计算各问题变量值，系统运行至结束条件判断：约束变量都满足条件，迭代次数小于最大限制次数，并且所有迭代变量均为整数，若不满足结束条件，第一个数据元迭代变量的值加1后，系统重新循环运行，直到结束条件全部满足。

在迭代过程中，系统不断观察迭代满足数据元约束变量的程度，如下表3所示：

表3迭代满足数据元约束变量的程度表

观察上表可以看出，数值差为正的迭代满足数值约束条件，在所有数值差为正的迭代中，只有第四次迭代时，第二迭代变量的取值为正整数，满足迭代枚举结束条件。数值差的减小，预示着迭代经过有限次数终会结束。

(6)求解结果

依据迭代枚举算法，在第4次迭代时，上述示例满足了所有求解结束条件，并输出运行结果如下：

综上，本实施例的创造性思维计算是在基本逻辑计算的基础上添加控制和趋势状态判断逻辑，控制基本逻辑计算的探索、枚举和迭代，并依据趋势和状态判断逻辑结束程序运行。

本发明的上述实施例的机器思维实现方法中，通过语义识别、基本逻辑计算、类比逻辑计算和创造性思维计算，实现了面向人类思维的普遍现象，以数学问题求解为例的机器思维基本工程架构。

本发明的机器思维的实现方法中，采用“功能程序+数据配置文件”的模式识别数据元变量的语义，由于程序和数据分离，可以在不修改程序的前提下，通过补充完善数据配置文件，就可以实现识别能力的提升。

此外，本发明采用场景框架描述思维场景，类似或相同场景默认隐含的处理方式相同。基于场景框架比较描述场景的类似程度，判别隐含的常识知识，实现思维类比的过程。

进一步地，创造性思维计算用于思维推理跳跃的情况，一直是传统基于逻辑规则公理推理系统的空白。本发明基于基本数据表示结构，比如枚举，试探和观察趋势和状态，寻找通过简单操作组合或趋势状态判断求解维问题的路径。

本发明的另一个实施例中，如图4所示，提供一种机器思维的实现装置，其具体包括：

分解模块10，用于对接收到的自然语言进行分解和识别，得到自然语言的分词词汇链表；

计算模块20，用于基于全局数据池中的数据，根据分词词汇链表，建立数据元变量及数据元变量之间的关系，进行逻辑思维计算；

输出模块30，用于对逻辑思维计算结果进行判断后输出。

上述实施例中，分解模块，具体包括：

分词单元101，用于对接收的自然语言进行分解，得到数据特征词；

分词识别单元102，用于基于全局数据池中的分词结构，对所述数据特征词进行分词识别，得到分词词汇链表。

进一步地，计算模块，具体包括：

数据元变量建立单元201，用于根据分词词汇链表进行数据元语义识别，建立数据元变量；

语义识别单元202，用于基于全局数据池中对应的数据元变量语义识别算法对建立的数据元变量进行对应的语义识别；

动态语义圈生成单元203，用于根据语义识别结果，在全局数据池中选择对应的公式变量，建立数据元变量与公式变量的对应关系，形成动态语义圈；

逻辑计算单元204，用于根据所述动态语义圈，进行逻辑思维计算。

逻辑计算单元，具体包括基本逻辑计算子单元、类比逻辑计算子单元和创造性思维计算子单元中的一个或多个。

在一个实施例中，当逻辑计算单元执行类比逻辑计算子单元时，动态语义圈生成单元，具体包括：

数学常识识别子单元，用于根据语义识别结果，基于全局数据池中的数学常识，对所述语义识别结果进行数学常识识别；

类比场景模式识别子单元，用于在所述全局数据池中选择对应的是词汇序列及同义词和/或近义词，进行类比场景模式识别；

公式变量生成子单元，用于合并所述数学常识识别结果和类比场景模式识别结果，形成所述数据元变量对应的公式变量；

动态语义圈生成子单元，用于建立所述数据元变量与公式变量的对应关系，形成动态语义圈。

在又一个实施例中，当逻辑计算单元执行创造性思维计算子单元时，动态语义圈生成单元，具体包括：

约束关系生成子单元，用于根据语义识别结果，在所述全局数据池中进行数据元变量迭代模式和数据元变量数值约束关系的选择，形成所述数据元变量约束关系；

第二数学常识生成子单元，用于基于全局数据池中的数学常识，对所述语义识别结果进行数学常识识别；

第二公式变量生成子单元，用于根据所述数据元变量约束关系和所述数学常识识别结果，形成所述数据元变量对应的公式变量；

第二动态语义圈生成子单元，用于建立数据元变量与公式变量的对应关系，形成动态语义圈。

本发明的机器思维实现方法及装置，以单一的规则推理模式为基本单元，添加类比推理计算和创造性思维计算逻辑控制基本规则推理单元的执行，对于类似思维方式和试探思维路径的思维现象进行模拟，完整刻画了人类思维的涵盖范围和深度，是现有思维计算方法的深化研究和思维计算实用化的成功探索。

本发明的另一个方面，提供一种计算机程序，所述计算机程序被处理器执行时能实现根据前文记载的所述的方法。

上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。