返回
Predictive modeling: BIM command recommendation based on large-scale usage logs
DOI:10.1016/j.aei.2025.103574.png)
摘要
En 中文
建筑信息模型(BIM)和基于模型的设计在建筑、工程和施工(AEC)行业的应用一直受到“使用BIM创建工具比传统二维绘图需要更多努力”这一观念的阻碍。为提高设计效率,本文提出了一种BIM命令推荐框架,该框架基于用户的历史交互实时预测最优下一步操作。我们针对大规模原始BIM日志数据提出了一种全面的过滤和增强方法,并引入了一种新颖的命令推荐模型。该模型基于为大型语言模型(LLMs)开发的最新Transformer骨干网络构建,并整合了自定义特征融合模块、专用损失函数和定向学习策略。在案例研究中,该方法应用于超过320亿行来自全球BIM创建软件Vectorworks的真实日志数据。实验结果表明,我们的方法能够从不同国家、学科和项目中的匿名用户交互序列中学习通用且可泛化的建模模式。在生成下一个命令推荐时,本方法实现了约84%的Recall@10。代码可在以下地址获取:https://github.com/dcy0577/BIM-Command-Recommendation.git。
Keyword:
Building Information Modeling (BIM)
Sequential recommendation
BIM logs processing
Transformer
Large language model (LLM)
Machine learning
期刊
IF:
9.9
论文数:
4.5K
被引数:
1.7W
机构
暂无机构信息

