用于知识库扩充的在线百科表格知识获取与融合

互联网中的HTML表格蕴含着丰富的结构化或半结构化知识,是知识库构建与扩充的重要数据资源。然而如何对HTML表格进行正确解析并获得三元组知识用于扩充知识库,则是一个很有挑战的问题。首先,HTML表格的结构各有不同。其次,表格与知识库中的实体和属性的表示不同,需要统一,即实体链接与属性对齐。本文首先提出了一个基于知识库的在线百科表格解析与知识融合框架,该框架可针对不同类别的表格进行知识抽取;并提出了基于知识库的表格实体链接和属性对齐方法,用以将表格中的知识与知识库进行匹配与融合。实验使用了126万在线百科表格数据为CN-DBpedia扩充约1000万三元组。     

大型知识库存储结构的研究

在专家系统及其开发平台的研究中，知识库的存储和管理是一个关键问题。该文提出了多层知识单元的基本概念。基于该知识单元提出了一种基于知识节点(属性)的图矩阵、二维链表、产生式规则的三级管理模式和数据存储结构，通过知识库管理系统(KBMS)实现了二层逻辑结构和一层物理结构的三层独立映射关系。大大压缩r知识的搜索空间。经在农业专家系统综合知识库中的具体应用。该知识库系统结构的定义以及相应的KBMS完全满足上述要求，并可推广至通用的大、中型知识库系统.     

基于知识本体的属性分析以及概念联通

知识库是计算机智能的重要来源。要提高机器的智能程度．不仅需要大型的知识库，更需要知识之间的广泛联通。类似于MindNet的语义联通，我们以文本知识为背景提出了基于本体的概念联通。文章首先介绍了知识本体的设计思想，然后进行属性的本体分析，最后讨论了基于属性的概念联通以及A-属性联通测度。     

煤矿瓦斯预测专家系统中基于粗集的知识获取方法

针对现有煤矿瓦斯预测专家系统因没有新知识获取措施及知识自更新功能而预测效果不佳的问题,提出了基于粗集的知识获取方法。该方法首先建立瓦斯数据与瓦斯突出强度之间关系的预测样本集;然后运用粗糙集的连续属性离散化、属性约简以及规则提取算法,从大量的预测样本集中自动获取预测知识,并将预测知识存储于专家系统知识库中;最后基于推理机实现煤矿瓦斯突出的实时预测。实例分析验证了该方法在煤矿瓦斯突出预测专家系统知识获取中的有效性和实用性。     

大型知识库知识存储结构的研究及其在知识发现系统中的应用

在基于数据库和知识库的知识发现系统(KDD&K)的研究中,需对知识库中的重复、冗余、矛盾、循环的知识进行实时校验、修改,并能够发现知识短缺,指导KDD过程进行聚焦;在KDK过程中,需要找出有关联的知识组成的知识域以便于归纳、解释等具体应用需求,针对于此,该文提出了一种基于知识节点(属性)的图矩阵、二维链表、产生式规则的三级管理模式和数据存储结构,通过知识库管理系统(KBMS)实现了二层逻辑结构和一层物理结构的三层独立映射关系,大大压缩了知识的搜索空间。经在KDD&K原型系统中的具体应用,该知识库系统结构的定义以及相应的KBMS完全满足上述要求,并可推广至通用的大、中型知识库系统。     

基于本体的业务源模型知识库构建及应用研究

针对当前网络业务源模型领域的知识表示及复用问题,采用本体技术实现了业务源模型领域本体的建模,形成一种标准化格式的异构信息知识库。通过分析业务源模型领域的相关知识,以改进的本体构建七步法为指导,利用Web本体语言OWL(Web Ontology Language)对业务源模型领域中的概念、属性及概念和属性之间的关系进行知识表示,将语义特征引入业务源模型知识库;利用本体查询语言和本体推理机,结合具体应用场景实现基于语义的知识检索,以验证其实用价值;在上述基础上设计开发了业务源模型智能检索系统,验证了所建本体的合理性和通用性。实验结果表明,采用本体技术能有效提高查询和推理的准确度。     

一个基于本体主题的中文知识获取方法

中文语言自身的特点决定了从中文自然语言文档中获取知识是非常困难的。尽管目前对中文的命名实体识别(简称为NER)已经取得了较好的效果,但是如果不借助同义词表或者类似WordNet的中文语言知识库,几乎无法正确地抽取已经识别出的实体之间的关系。文章提出了一个基于本体主题的思想进行中文知识获取的方法,该方法首次将主题思想引入领域本体,由领域专家对原始的领域本体中的概念和属性按照主题进行划分,建立起概念到主题、主题到属性的关联关系。在对一句话进行知识抽取时,通过简单的NER和直接与本体映射的方法可以识别出一句话中的部分概念、个体和属性,利用这些准确识别出的信息可以判定该句话所属的主题;该主题则进一步提供了寻找关系的线索。初步的实验结果表明与没有利用主题信息的方法相比,该方法可以取得更好的召回率和准确率。     

“CAU”词及其知识图分析

专家系统是人工智能研究领域的一个重要研究分支。专家系统主要由两部分组成:知识库和推理机。知识库中的知识主要由“IF-THEN”这样的知识组成。知识图是一种新的知识表示方法。在知识图中,含有“IF-THEN”结构的句子是由起因操作符(causal operator)或起因关系(CAU-relation)表示的。本文挑选了一些具有一定代表性的起因意义的汉语“CAU”操作符,并且基于知识图理论分析了这些操作符,并进行了分类,目的是为专家系统中知识库的建立做准备。     

聚合邻域信息的联合知识表示模型

知识表示学习在关系抽取、自动问答等自然语言处理任务中获得了广泛关注,该技术旨在将知识库中的实体与关系表示为稠密低维实值向量。然而,已有的模型在建模知识库中的三元组时,或是忽略三元组的邻域信息,导致无法处理关联知识较少的罕见实体,或是在引入邻域信息时不能自适应地为每个实体抽取最相关的邻节点属性,导致引入了冗余信息。基于以上问题,该文在知识表示模型TransE的基础上提出了聚合邻域信息的联合知识表示模型TransE-NA(neighborhood aggregation on TransE)。该模型首先根据实体的稀疏度确定其邻节点数量,然后根据实体的邻边关系选取对应邻节点上最相关的属性作为实体的邻域信息。在链接预测和三元组分类任务上的实验结果表明,该文的模型效果超越了基线模型,验证了该模型能有效聚合邻域信息,缓解数据稀疏问题,改善知识表示性能。     

知识粗糙性与知识粒度的关系研究

提出了知识的粒数、籽数和粒度的概念,证明了粗糙集理论中知识粗糙性与其所对应的粒度之间的单调关系,从而揭示了知识粗糙性与其所对应的知识的粒数、籽数和粒度之间的密切关系。知识粒度的概念从物理意义上反映了知识库中的知识颗粒状结构的本质。     

基于Web的广义配套件选型专家系统的研究与实现

论文以配套件选型专家系统上网为主要内容,结合配套件选型的特点,提出了一种集成的知识表示方法,以及采用面向对象的推理技术,并介绍了系统的实现。     

Transactive directories of organizational memory: Towards a working data model

Transactive memory system is a term from group psychology that describes a system that helps small groups maintain and use personal directories to allocate and retrieve knowledge. Such systems have been observed at the level of whole organizations, suggesting that they provide a means for conceptualizing the exploitation of organizational memory. In this paper, I describe a longitudinal investigation of a global engineering consulting firm in which I used inductive analysis of interview data to map and then develop a conceptual entity-relationship model of organizational memory. This model formed the basis for a transactive directory to facilitate knowledge retrieval and allocation in the firm.     

基于Concept—Relation模型的知识联通

1 引言 Johnson认为知识不是孤立的而是互相联系的,认知学指出思维过程体现为相关知识间的连接过程。那么如何在相关的知识之间建立联通?如何判定两条知识之间是否存在有意义的联通?又如何建立有意义的联通?这是知识处理中很重要的问题。形象地讲,知识联通就是在知识之间建立有意义的“由此及彼”的桥梁。总体上说,从知识工程角度看,要提高机器的智能程度需要知识间广泛的知识联通;从认知和语义学角度讲,知识联通是可行的。另外,Johnson的三阶段     

基于面向对象的知识库的设计

在人工智能中需要知识,才能更好地实现其目的。本文对颐和园导游系统知识库的构建,知识的提取,知识的更新等作了初步的探讨,并与其他功能子系统相配合,实现了颐和园导游对话系统。     

基于转换的汉语基本名词短语识别模型

基本名词短语的识别在自然语言信息处理领域具有重要作用。本文首先从语言学的角度提出了汉语基本名词短语的概念,然后从语言信息处理的角度将用于基本名词短语识别的知识分为两部分,即表示基本名词短语句法组成的基本结构模板(静态知识)与表示基本名词短语出现的上下文环境特征的转换规则(动态知识)。在此基础上设计了一种基于转换的基本名词短语识别模型,该模型可同时结合这两类知识识别基本名词短语。实验结果显示了较高的识别正确率。     

Dynamic knowledge modeling and fusion method for custom apparel production process based on knowledge graph

Compared with ordinary mass-produced apparel products, custom apparel products will generate more data at each stage of their life cycle. Such data is in a highly dynamic state, while the relationship between the data is more complex. However, the current use of traditional relational data to store the whole life cycle data of custom apparel products has several problems of high redundancy, weak correlation, discrete distribution, and certain limitation of storage capacity. Therefore, based on knowledge graph, a dynamic knowledge modeling and fusion method is proposed for the production process of custom apparel. Firstly, an ontology-based knowledge modeling method is designed for custom apparel, which defined three types of ontology modeling methods for the process, resources, and features. On this basis, a knowledge graph construction method based on bi-directional fusion for the custom apparel production system is proposed. With one order as a unit, a knowledge graph facet (KGF) model, as well as the derived knowledge representation, generation and fusion method, is established to realize dynamic knowledge fusion of the custom apparel production process. Finally, taking the suit production process of a custom apparel factory as an example, the corresponding knowledge graph is constructed based on the ontology knowledge model, and the effectiveness of the proposed knowledge fusion method is verified.     

Process-centered knowledge model and enterprise ontology for the development of knowledge management system

Among many enterprise assets, knowledge is treated as a critical driving force for attaining enterprise performance goals. This is because knowledge facilitates the better business decision makings in a timely fashion. However, since knowledge is created and utilized during the execution of business processes, if knowledge is separated from the business process context, it does not lead to the ability to take the right action for target performance.This paper proposes the framework for process-centered knowledge model and enterprise ontology for the context-rich and networked knowledge storage and retrieval required during task execution. The enterprise knowledge object for a process-centered knowledge model is classified into two types: process knowledge and task support knowledge. In the proposed enterprise ontology, which represents major enterprise concepts, and the relationships between them, all domain concepts are related to the “process” concept, both directly and indirectly. As a result, networked and sophisticated knowledge, rather than single-level knowledge, is provided to the participant of unit activity.In order to show the applicability of the proposed framework, a process-centered KMS (knowledge management system) was also developed, which is classified into 3 parts: (1) project management sub-system based on process knowledge. (2) Knowledge management sub-system for maintaining task support knowledge. (3) Infrastructure sub-system which supports the above two sub-systems.     

从《中国大百科全书》中获取教育知识

教育知识获取是国家知识基础设施研制中知识获取的一项重要工作。《中国大百科全书》中包含着教育学、教育心理学、学习理论、教育管理和各国教育等丰富的教育知识。该文研制了一种知识获取方法,并采用此方法成功地获取了大量的教育知识。该方法由两部分组成:一是高度类自然的教育知识描述语言(PKDL),由知识工程师用于形式化《中国大百科全书》中的教育知识文本;二是PKDL编译系统,该系统对PKDL文本进行编译、分析和知识连接,最终生成教育知识库。     

Trace-driven knowledge acquisition (TDKA) for rule-based real time scheduling systems

Expert scheduling systems, which develop the schedule automatically on a real time basis, are able to respond to the changes of product demand in Flexible Manufacturing Systems (FMS). While developing an expert scheduling system, the most time-consuming and difficult step is knowledge acquisition, the process that elicits the knowledge from experts and transfers it into the knowledge base. A trace-driven knowledge acquisition (TDKA) method is proposed to extract the expertise from the schedules produced by expert schedulers. Three phases are involved in the TDKA process: data collection, data analysis, and rule evaluation. In data collection, the expert schedulers are identified and decisions made during the scheduling process are recorded as a trace. In data analysis, a set of scheduling rules is developed based on the trace. The rules are then evaluated in the last phase. If the resulting rules do not perform as well as the expert schedulers, the process returns to phase two and refines the rules. The whole process stops whenever the resulting rules perform at least as well as the expert schedulers. A circuit board production line is used to demonstrate the feasibility of the TDKA methodology. The scheduling rules perform much better than the expert schedulers from whom the rules are extracted.