領域知識驅動的深層知識發現研究

《領域知識驅動的深層知識發現研究》是依託中國科學院大學，由張玲玲擔任項目負責人的面上項目。

基本介紹

• 中文名：領域知識驅動的深層知識發現研究
• 項目類別：面上項目
• 項目負責人：張玲玲
• 依託單位：中國科學院大學

項目摘要

數據挖掘已成為後信息化時代獲取知識的關鍵技術和商業智慧型的關鍵要素。本研究針對數據挖掘實踐套用中存在的知識過載、忽視情境、專家領域知識等導致的挖掘出的規則不新穎、不可行動和難以用於決策支持等問題，從數據挖掘和知識管理交叉學科的角度，提出領域知識驅動的深層知識發現。本研究在建立領域知識驅動的深層知識發現理論模型框架的基礎上，重點研究領域知識的提取、表示以及基於領域知識的深層次知識發現模型和關鍵技術，主要包括數據挖掘產生的衍生原始知識的測度、評價以及模式轉化的模型算法和技術實現，並在此基礎上構建領域知識驅動的深層知識發現過程模型和系統平台，進行套用和實證研究。該研究把數據挖掘獲取的衍生原始知識明確地引入知識管理領域，作為一種特殊的知識進行研究，並充分考慮了領域知識等重要因素。該研究基於套用需求，對促進數據挖掘和知識管理學科的融合，推進數據挖掘的商業套用具有重要的理論和實踐價值。

結題摘要

在大數據時代，數據挖掘已成為獲取知識的關鍵技術和商業智慧型的關鍵要素。主要針對目前數據挖掘實踐套用中存在的知識過載、忽視情境、專家領域知識等導致的挖掘出的規則不新穎、不可行動和難以用於決策支持等問題，綜合利用知識管理、數據挖掘（關聯規則、分類等）、綜合集成、本體論、可拓學等交叉學科的理論進行研究，在國家自然科學基金的資助下，對領域知識驅動的深層知識發現進行了較為系統全面的研究。 　　研究成果主要有以下幾個方面：（1）在系統綜述和分析已有國內外研究成果以及數據挖掘典型案例的基礎上，把數據挖掘獲取的衍生原始知識明確地引入知識管理領域，從深層知識發現過程、知識庫與知識資產、深層知識管理關鍵要素三個層面提出了深層知識發現過程模型，並提出了六種智慧型知識管理系統集成方法，以及衍生原始知識到深層知識的五種轉換模式。（2）從知識模型的角度分析了用本體表示領域知識的可行性，提出了一個改進的本體構建模型，設計了一個適用於知識發現的基於本體的領域知識表示和提取方法，並將其用於車險領域本體、超市商品領域本體等。（3）重點研究了基於領域知識的深層次知識發現算法、模型和關鍵技術，將領域知識加入數據處理、數據挖掘過程以及數據挖掘後結果的處理，基於效用測度、用戶關注程度、意外度的領域知識驅動的關聯規則深層知識發現算法等，包括基於意外度的關聯規則挖掘、基於領域知識的個性化推薦算法、基於可拓學的可轉化深層知識獲取算法、基於領域知識和客戶偏好的深層知識獲取算法、基於情境的知識發現算法、基於粗糙集的多目標線性規劃分類規則提取等。（4）在上述研究的基礎上，本研究設計了基於情境的深層知識發現平台系統原型，該系統的特點是可以將情境等因素加入數據挖掘過程，並可實現挖掘知識的存儲、推送等功能。（5）本研究還進行了案例和實證研究，包括銀行、保險、零售業、汽車銷售、電子商務數據等網路零售數據等，獲得了好的套用效果。 　　該項目在課題組全體成員的努力下，圓滿地完成了預定的研究計畫，研究成果對促進數據挖掘和知識管理學科的融合，推進數據挖掘的商業套用具有重要的理論和實踐價值。