《基於多方論據博弈的決策知識萃取與聯合學習方法研究》是依託中國人民解放軍國防科技大學，由姚莉擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多方論據博弈的決策知識萃取與聯合學習方法研究
- 項目類別：面上項目
- 項目負責人：姚莉
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
隨著信息技術的迅速發展，大數據（Big Data）現象開始引起國內外學術界的高度關注。如何從這些海量、複雜的數位化數據中抽取知識，提升輔助決策能力，已成為當前工業界和政府部門面臨的重大挑戰。本項目重點研究不同數據源和不同類型數據分布挖掘獲得的不一致、不完整或不確定知識的分析和萃取（Extraction）方法，以及面向大數據環境的多agent聯合學習方法，目的在於探索數據驅動的聯合決策新途徑。項目以分散式關聯規則挖掘的決策知識萃取為主要研究對象，通過研究經驗規則的合情論據表示、靜動態數據挖掘相結合的論據自動生成方法、集成多論據聚集與辯證分析的多方論據博弈模型等，提出多agent從辯論中實現決策知識萃取和聯合學習的方法，從而達到數據驅動的聯合決策目的。課題所研究的基於論據的經驗知識表示、基於多方論據博弈的決策知識萃取方法以及線上的多Agent聯合學習方法可推廣套用到具有豐富數據資源的決策支持系統。
結題摘要
本項目重點研究了不同數據源和不同類型數據分布挖掘獲得的不一致、不完整或不確定知識的分析和萃取方法；基於知識發現的套用本體建模方法；面向大數據環境的多agent聯合學習方法，以及這些方法在空間目標識別領域的套用。取得的創新成果包括：（1）提出了“基於辯證推理的規則知識萃取方法”。該方法採用論據表示經驗規則，能夠有效地利用領域規則和語境知識辯證分析各Agent數據挖掘規則的相關性和合理性，為基於計算辯論實現數據挖掘規則篩選提供了良好的理論基礎。實驗表明，本項目提出的基於辯證推理的規則萃取新方法，能夠抽取出泛化能力較好的優質規則。（2）提出了“基於計算辯論的多Agent聯合學習方法”。該方法通過局部知識生成、多Agent辯論、全局知識生成和全局知識套用與求精等自底向上的四個階段，逐步實現了規則知識的挖掘、優質規則的萃取、全局知識的集成和組合強化學習的知識最佳化。（3）提出了一種基於知識發現的套用本體建模方法SPIRALS。SPIRALS方法是一種螺旋式疊代的本體建模方法，強調本體模型的建造過程是一個不斷反覆、疊代求精的漸進過程。在領域知識的共享和復用基礎上，SPIRALS提供了人工建模知識和機器學習知識有效集成的可操作方法，並將套用本體的評估以數據測試的方式進行量化，保證了本體模型知識質量的螺旋式提升，為改善本體建模質量提供了新的方法論。（4）研製了具有自主智慧財產權的空間目標識別本體OntoStar3.01和空間目標識別系統Clairvoyant 2.02，並申請了國家發明專利。本項目的研究成果已用於空間目標識別領域，通過分散式信息融合解決了空間目標識別問題，提高了空間目標識別的精度，降低了目標識別的誤判率。項目研究成果對大數據環境下其他領域的數據挖掘和輔助決策具有普遍的指導意義。
