我在 elasticsearch 服务器中安装了一个本地运行的ConceptNet5知识库实例。我使用这些数据将所谓的“ Analogietechnik ”（一种从另一个系统的角度解决问题的创造性技术）实现为算法。

该技术的工作原理如下：

1. 选择系统的功能
2. 查找也具有此功能的系统
3. 从这些其他系统的角度解决问题
4. 将找到的解决方案应用于问题

举个例子，这里是一个商场营销的问题：一个商场有很多房间和楼层（1）。博物馆也有许多房间和楼层（2）。博物馆如何营销？他们展示了许多图片或雕塑（3）。我们可以用我们的房间和地板用图片和雕塑来装饰它们（4）。

当然，将其实现为人工智能算法的想法并不遥远。但是，我对现有的方法数量感到有点不知所措。神经网络、贝叶斯推理等。我目前的经验并没有比简单的机器学习更进一步，比如 k-means 聚类。

你认为这个问题很难找到解决方案吗？

我正在考虑一个控制台应用程序，您可以在其中输入一个概念化的问题，例如“创意写作方法”，它使用上述方法找到问题的可能解决方案。当然，没有深度广泛的解决方案，更像是从我拥有的知识库中得出的基本思想。

让我们以一个控制台应用程序为例，其中有人问“如何写小说”：

1. 它首先应该发现系统的所有内容都在“小说”一词中。要找到该系统的一个特征，它只搜索包含该术语的概念：它会发现“小说是一个故事”所以这是一个特征。

2. 哪些系统也是故事？它应该找到一个好的概念，例如“情节是一个故事”。（当然只有当我手动选择搜索结果时）-->在不知道哪个最适合时如何找到列表的最佳概念？

3. 然后它应该发现一个情节是使用故事情节编写的：“故事情节就是情节”

4. 在这种情况下，人工智能的一个可能答案是：“通过编写故事情节”

你知道一些有用的库、算法或其他可能对我有帮助的资源吗？我知道这不是一件容易编程的事情，但你可能会同意它非常有趣。