面向Web信息的知識融合關鍵技術研究

面向Web信息的知識融合關鍵技術研究

《面向Web信息的知識融合關鍵技術研究》是依託華中師範大學,由劉清堂擔任項目負責人的面上項目。

基本介紹

  • 中文名:面向Web信息的知識融合關鍵技術研究
  • 項目類別:面上項目
  • 項目負責人:劉清堂
  • 依託單位:華中師範大學
項目摘要,結題摘要,

項目摘要

針對Web信息集成和服務中存在的信息冗餘和認知過載的問題,項目結合元知識理論,研究面向用戶需求的多維度、多粒度、動態的Web信息語義融合方法。首先,項目擬從元知識角度對主題圖進行拓撲,研究支持多粒度知識表征的知識邏輯組織模型及其機器表示方法;在此基礎上,結合知識元內部表征和多類分類模型,進一步研究知識元抽取與語義關係挖掘的新方法,以克服知識元關聯分布中存在的長距離依賴性與數據稀疏性問題;此外,研究基於上下文和加權樹結構的知識元度量方法,並在此基礎上實現基於主題圖的知識融合算法,以克服信息融合中存在的語義衝突,降低知識的冗餘度;最後,項目研究基於信息加工模型的用戶興趣度感知與計算方法,並與遺傳算法相結合,以實現知識資源的動態聚合與個性化服務。項目的研究成果可以套用于軍事、商業、金融業、醫學、數字教育及信息服務等領域,具有廣闊的套用前景和理論價值。

結題摘要

課題針對現有Web信息集成和服務中存在的信息冗餘和認知過載問題,結合元知識理論探索麵向用戶需求的多維度、多粒度的Web信息語義融合方法。課題從元知識角度拓撲主題圖模型,實現形式化、多層次的知識表征方法,為提高知識融合的準確度建立理論基礎;探索Web信息的知識元及其關係挖掘方法,形成簡約的知識元語義集;研究多Web信息內容融合算法,以形成完整一致的解知識空間;結合用戶興趣感知模型研究Web信息動態聚合方法,為用戶提供多維關聯的個性化知識服務。 課題的具體研究成果包括:(1)提出了面向E-learning的知識元表征模型,並結合RDF表徵信息資源、知識元、知識之間的邏輯關係,為多維度、多粒度的知識融合與服務奠定理論基礎。(2)提出了面向領域的領域本體庫構建方法,涉及到知識元關聯的學科概念自動發現、學科領域本體構建等,並以教育技術學科為例構建學科領域本體庫,並開展典型套用。(3)提出了基於蟻群算法的知識元挖掘算法,緩解了知識元分布的長距離依賴和數據稀疏性所導致的知識元挖掘困難,並形成知識元間關聯關係。(4)提出了語義場模型的Web資源聚類算法。課題結合構建的學科領域本體庫,建立基於語義場的Web資源語義聚合模型,實現了Web資源的聚合與類別標籤抽取。(5)面向用戶需求的知識動態推薦研究。探索了學習者情感、興趣模型,結合用戶的知識需求、認知特徵、興趣度、情感等,研製了基於知識元的Web資源聚合、基於領域知識圖譜的教育資源推薦、基於學習者模型的適應性學習等系統。研究成果套用到教育行業領域,服務10多萬中國小教師信息技術能力培訓。 經過4年研究,課題組超額完成了預期任務。課題組共發表學術論文24篇。其中SCI/SSCI收錄4篇,EI收錄7篇,10篇被CSSCI收錄;申請國家發明專利4項,授權1項,軟體著作權1項;培養博士生8名,碩士生6名;培育教育部新世紀優秀人才計畫1名。
check!

熱門詞條

聯絡我們