《面向管理與決策大數據的個性化知識服務及其套用》是依託中國科學技術大學，由陳歡歡擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：面向管理與決策大數據的個性化知識服務及其套用
- 項目類別：重大研究計畫
- 項目負責人：陳歡歡
- 依託單位：中國科學技術大學
中文摘要,結題摘要,
中文摘要
本項目立足於個性化知識服務在大數據套用中的問題和挑戰，以前期在知識表示與學習、知識融合與評估、個性化情景感知等方面的研究成果為基礎，結合醫學、法律領域的具體數據構建領域知識圖譜。本項目以知識服務為切入點，以自然語言理解和知識圖譜等技術為基礎，研究管理決策情境下大數據知識服務的技術與方法。同時，此滾動項目以套用示範為載體，開展面向糖尿病的個性化慢病知識服務和面向法律大數據的智慧型智慧財產權法律知識問答諮詢平台兩項示範套用，提升大數據知識服務的質量，實現知識服務的普適共享。
結題摘要
本項目在執行期間面向管理與決策大數據的個性化知識服務及其套用進行了研究，並開展了個性化知識服務示範套用。項目在理論研究及具體套用方面均取得了重要成果，相關概述如下：（1）提出碎片化數據特徵選擇與分類算法。針對存在大量未標記數據的情況，採用聯合半監督特徵選擇與分類技術，在自動選擇相關特徵的同時對分類器進行學習。同時，針對高維數據中存在無關特徵的情況，提出一種新的稀疏貝葉斯嵌入特徵選擇算法，該算法採用截斷高斯分布作為樣本和特徵先驗，能夠同時為分類任務選擇相關特徵和樣本。更進一步地，為實現比傳統特徵選擇算法更好的魯棒性和可解釋性，提出一種基於交叉檢查和補碼的馬爾科夫邊界發現，可有效用於類屬性與特徵之間的因果關係發現。（2）提出面向大數據的多任務聚類學習。提出一種魯棒的聚類多任務學習方法，通過學習具有代表性的任務，每個任務由這些代表性任務的線性組合來表示，對相關矩陣施加行稀疏約束並修改表示損失，在實現任務間信息共享的同時增加了方法的魯棒性。（3）提出基於可判別線性動力學系統的短序列數據分類算法：考慮兼顧模型之間的差異性與擬合能力，提出在訓練線性動力系統模型時間接引入標籤信息，並將模型間差異作為訓練目標，通過行列式點過程對數據多樣性進行度量。在短時間跨度數據集及合成數據上的實驗證明了該方法有效性。（4）開展個性化知識服務示範套用。基於知識圖譜的微信聊天機器人，採用檢索式多輪對話序列匹配網路，通過自然語言理解、對話管理和自然語句生成三個模組，可實現對用戶自然語句提問的智慧型化問答。基於知識圖譜的AR“融媒體”模型，融合醫療領域圖片、文字和視頻等數據，採用AR互動、隨機3D模型生成及融媒體等技術，可形象化展示醫療相關的知識圖譜，且能在2D和3D之間任意切換。
