基于情境感知的智慧矿山服务系统研究

随着矿山信息化技术的快速发展,信息系统的种类和数量日益增多,但其服务对象主要限于管理人员,落后的信息管理模式使得绝大多数一线矿工难以获得及时的信息服务,无法有效预防各类安全隐患,造成信息资源的极大浪费.针对以上问题,结合煤矿自身的行业特点,将情境感知技术引入到智慧矿山的建设中,构建了一个基于情境感知的智慧矿山服务系统,通过情境信息采集、情境信息推理、服务配置模型等关键步骤,能够实时感知井下矿工的情境需求,提供更加智能化的业务服务或服务组合,并能实现对煤矿遗留信息系统的充分利用以及更全面的互联互通.最后,通过仿真环境下的测试说明了构建该服务系统的过程以及实施情境感知服务的效果,并对可能存在的各种潜在问题进行了讨论.     

一种情境感知服务系统框架

根据感知的情境信息将业务服务组合成情境感知服务是提高服务水平的有效途径.现有研究多关注于情境信息及服务的表示,而对情境感知服务的构造特征和业务运行机制缺乏充分考虑.一方面,各情境感知服务的情境信息和业务服务重复性较强,通过预定义流程的紧耦合构造方式难以支持重用;另一方面,情境信息取值变化具有随机性和动态性,基于推理的触发式调用执行代价过高.基于情境感知服务特征分析提出了一种情境感知服务系统框架CBS3,给出了情境信息与业务服务的配置模型和构造机制.通过社区老年情境感知服务的案例说明使用CBS3建立情境感知服务的过程.对比分析的结果表明,与传统方法相比,CBS3能够提高情境感知服务重用度和执行效率.     

智慧矿山服务系统的情境感知实现技术研究

智慧矿山服务系统能够根据矿工的真实情境,实时提供最合适的信息服务,从而充分利用现有的各种信息系统资源,帮助矿工有效预防各类安全隐患.目前,该领域对于服务系统的实现仍然缺乏深入研究.为了弥补这个缺陷,结合煤矿的领域特征和实际需求,重点研究了服务系统实施过程中的3个关键问题：1)如何实现矿工的情境信息建模;2)如何为客户提供定制化的服务;3)如何验证服务调用的有效性.首先构建了煤矿传感器网络本体,建立了矿工的完整情境模型;然后定义情境信息与业务服务之间的配置模型,实现了业务服务的定制化调用;接着通过采用计算实验模拟各种事故场景来验证现有服务系统的有效性;最后对系统实现可能存在的问题以及未来的研究重点进行了讨论.     

基于活动的情境感知系统交互设计

情境感知是移动和普适计算研究中一个重要的组成部分。现有研究大多从技术的角度进行情境感知系统的设计和实现。由于缺少对人的情境感知机制的认识,导致系统的情境感知行为和人的期望之间存在着很大的差距。在活动理论和人的情境感知理论的基础上,提出了基于活动的情境感知模型,用于描述特定活动中人的情境感知过程;并在该模型的基础上,提出了基于活动的情境感知系统交互设计方法。通过基于活动的情境感知购物助手的交互设计过程,验证了基于活动的情境感知模型在情境感知系统交互设计中的应用。     

基于情境感知技术的智慧城市服务系统研究

随着城市规模越来越复杂,全国各级政府都在进行城市物联网和信息化建设,目前虽然搭建了互联骨干网和部署了大量的传感器,收集了众多的城市行为数据,但落后的信息管理模式难以体现信息价值,将信息体现在服务提升之中,造成信息资源的极大浪费。因此,将情境感知技术引入到智慧城市服务的应用之中,构建了一个基于情境感知的城市服务系统,并通过情境信息采集、情境信息推理和服务配置模型等关键技术,实时感知城市内的情境需求,从而提供智能化的业务服务组合。最后通过一社区智慧街道管理系统来验证本文所设计的系统效果。     

基于深度学习的情境感知推荐系统研究进展

传统的推荐系统存在数据高度稀疏、冷启动及用户偏好建模难等问题,而把情境信息融入推荐系统中能有效缓解此类问题.深度学习技术已经成为人工智能领域研究热点,把深度学习应用在情境感知推荐系统当中,为推荐领域的研究带来新的机遇与挑战.本文从情境感知推荐系统相关概念出发,综合整理国内外研究相关文献,介绍深度学习技术融入情境感知推荐系统相关应用模型,提出了基于深度学习的情境感知推荐系统研究的不足以及对未来的展望.     

基于主动推理的情境感知系统框架

情境感知计算是普及计算引发的新的研究领域。在分析情境感知计算系统模型的基础上,研究并改进了系统开发模型CTK,提出基于主动推理的系统框架ACTK,以智能家庭原型的实现证明了它对情境感知应用的开发和研究更好的支持。     

基于情境感知和本体的E-Learning系统研究

为了合理、有效地描述E-Learning环境中学习者的学习情形,利用本体论具有知识组织清晰、概念和关系定义明确的特性,建立了E-Learning环境中的情境信息本体模型。为提高学习者的学习兴趣和学习效率,对采集到的情境信息进行情境推理后,采用资源调度控制算法调用相应的学习资源服务及时向学习者提供。应用实例验证了基于情境感知的本体E-Learning系统的服务性能。     

智能环境基于用户交互模态的情境感知服务

智能环境系统构成的复杂性和大量的情境信息增加了为用户提供和布局服务的难度。情境感知服务系统能感知系统运行和人机交互情境,根据相应的决策机制选择适当的设备为用户提供服务,从而简化环境设施的功能布局。在决策过程中引入用户交互模态信息有利于系统根据用户的交互能力和对人机界面的偏好提供服务。把情境细分为用户信息、设备信息、软件信息和环境拓扑信息,针对智能环境提出了一种基于用户交互模态的情境感知服务系统,同时详细说明了利用该技术选择服务的推理过程及其应用方法。通过智慧家庭环境中的场景案例验证了该系统的有效性。     

情境感知研究现状

移动互联网的迅速普及为情境感知的发展奠定了技术基础,情境感知领域的相关研究逐渐成为了计算机领域里的一个热点,文章将从情境感知的起源开始,介绍情境感知的定义及相关研究方向,梳理出目前情境感知研究的脉络。     

Distributed Context Retrieval and Consistency Control in Pervasive Computing

The challenge of saturating all phases of pervasive service provision with context-aware functionality lies in coping with the complexity of maintaining, retrieving and distributing context information. To efficiently represent and query context information a sophisticated modelling scheme should exist. To distribute and synchronise context knowledge in various context repositories across a multitude of administrative domains, streamlined mechanisms are needed. This paper elaborates on an innovative context management framework that has been designed to cope with free-text and location based context retrieval and efficient context consistency control. The proposed framework has been incorporated in a multi-functional pervasive services platform, while most of the mechanisms it employs have been empirically evaluated.     

信息集成中上下文知识的描述与推理

基于本体的语义信息集成主要解决了异构数据源之间的模式级异构,但对于分布环境下普遍存在的上下文异构无法解决,这导致用户从信息集成系统得到的结果仍然存在语义异构。针对这种不足,本文提出了一种上下文知识的形式化描述和推理机制,并将这种上下文机制引入基于本体的语义信息集成中,同时对其进行扩展,使得扩展后的语义信息集成系统可以自动检测和消除上下文语义异构,从而形成了完整的语义异构解决方案。     

Context and its representation

Recent work in HCI has argued that an adequate account of computer use and the user's understandings should pay attention to the contexts in which interactions take place. The paper reaffirms this claim and distinguishes some variants of it, but simultaneously argues that the specification of what is to count as ‘context’ is more problematic than is often supposed. Some empirical data in the form of a transcribed videotape of one interaction is discussed to illustrate the argument. Finally some implications for HCI are briefly considered.     

基于情景和浏览内容的层次性用户兴趣建模

用户兴趣建模是个性化服务的核心,考虑到情景信息对用户偏好的影响,对融和情景信息的用户行为日志数据进行深入研究,提出了一种基于情景信息的用户兴趣建模方法.该方法首先通过计算情景相似度来获得用户当前情景的近似情景集;对“用户-兴趣项-情景”三维模型采用情景预过滤的方法降维处理.然后根据用户浏览内容得到用户兴趣主题,分析页面内容得到每种主题的兴趣关键词,建立基于层次向量空间模型的用户兴趣模型.实验结果表明,本文提出的基于情景信息的用户兴趣模型对用户兴趣的预测误差控制在9%以内,是有效的.     

基于用户兴趣的局部上下文分析方法*

针对根据目前网络信息检索存在的查全率和查准率低的特点,提出一种个性化的局部上下文分析方法,以提高Web信息检索的性能.该方法通过设计一种客户端的用户兴趣挖掘模型,同时将用户兴趣模型与局部上下文分析方法相结合,克服了局部上下文分析的缺陷.实验结果显示该方法能有效提高Web信息检索的查全率与查准率.     

融合语境分析的时序推特摘要方法

时序推特摘要是文本摘要任务中的一个重要分支,旨在从热点事件相关的海量推特流中总结出随时间演化的简要推特集,以帮助用户快速获取信息.推特作为当今最流行的社交媒体平台,其信息量爆发式的增长以及文本碎片的非结构性,使得单纯依赖文本内容的传统摘要方法不再适用.与此同时,社交媒体的新特性也为推特摘要带来了新的机遇.将推特流视作信号,剖析了其中的复杂噪声,提出融合推特流随时序变化的宏微观信号以及用户社交上下文语境信息的时序推特摘要新方法.首先,通过小波分析对推特流全局时序信息建模,实现某一关键词相关的热点子事件时间点检测;接着,融入推特流局部时序信息和用户社交信息建立推特的随机步图模型摘要框架,为每个热点子事件生成推特摘要.在算法评估过程中,对真实推特数据集进行了专家时间点和专家摘要的人工标注,实验结果表明了小波分析和融合了时序-社交上下文语境的图模型在时序推特摘要中的有效性.     

基于情境感知的用户个性化兴趣建模

用户兴趣模型作为个性化信息推送的基础和核心,其性能的好坏直接关系到个性化推送服务的质量,如何全面了解用户动态的兴趣需求,并及时为用户提供其实时有效的兴趣,是目前用户兴趣模型研究的热点问题。本文主要利用情境感知、用户行为等多维因素建立一种M-C-W用户兴趣模型,提出结合用户显示和隐式兴趣度的计算,挖掘出用户显式兴趣和隐式兴趣的关联性,实现多维动态情境兴趣的结合。通过多角度综合计算用户的兴趣度,实时而准确地表达用户的兴趣爱好。最后,通过实验验证了该模型的有效性和可靠性。     

改进空间信息服务质量的设计策略

针对分布式空间信息领域服务的特点,结合“国家科学数据共享工程”的开发实践,提出了改进空间服务质量的3种策略：针对组件纵向关系的设计,采用面向服务结构和中心元数据服务器对OGC服务框架的改进策略;针对组件横向关系的设计,引入面向方面编程的策略;针对空间信息的领域特点,采用地图服务和空间数据缓冲池的设计策略。给出了一个原型系统实现的拓扑结构和相应的测试数据,验证了3种策略优越性。     

专家系统中背景研究的意义

人工智能中不同领域的研究表明：新一代的智能辅助系统是与背景相关的。虽然人们普遍接受知识应有一个背景部件的观点，但在可用的知识表态方法及随后的知识处理中极少显式表达和利用背景知识。本文着眼于探讨 背景研究在专家系统开发中的意义，以期阐明：背景知识的显式识别、表达与利用有助于专家系统听知识获取、知识表示、推
推理、学习和解释，从而提高专家系统自适应能力和解决问题的智能性。     

基于学习情境分析的E_Learning系统用户视图设计

设计符合学习者认知特性的E_Learning系统用户视图,有助于提高学习者的学习效率、促进组织的知识转移.给出了基于学习情境分析的E_Learning系统用户视图的设计框架,在设计过程中,通过学习情境更新方法获取学习者的认知特性,通过用户视图生成方法保证设计出的E_Learning系统用户视图符合学习者的认知特性.最后的实例说明了所给设计的具体实用和实际效用.