基于生物医学文献的知识发现研究

随着生物医药文献的快速积累,利用文本挖掘技术处理海量的科技文献,从而发现生命科学领域新的知识,已成为当前数据挖掘和人工智能领域研究的热点。从Swanson最早提出基于生物医学文献的知识发现方法到现在,许多研究人员投入到这个新兴的领域中。对基于生物医学文献的知识发现的研究内容、研究方法以及成果进行了系统的分析和阐述,对不同的研究方法在文本挖掘过程中的优劣进行了比较,对基于生物医学文献的知识发现的发展趋势进行了展望。     

基于语义资源的生物医学文献知识发现研究

目前,生物医学文献的数量正在呈指数的方式快速增长,这些文献中隐含着大量有用的信息,挖掘这些文献可以形成医学假设。但传统的基于简单共现的方法会产生大量的目标词,导致很难发现有用的假设。该文提出了一种基于语义资源的方法,利用SemRep工具抽取句子内实体之间的关系,结合语义类型、概念的信息量以及关联规则对连接词、目标词进行过滤,并根据统计量信息对目标词进行排序。通过对Swanson发现的经典病例进行验证,实验结果表明该方法取得很好的效果。     

基于知识元语义网格平台的知识发现研究

文章讨论了Internet的增长和普及带来的科学研究对象和方法的巨大变化,科学家在跨领域合作研究过程中对数据的语义和复杂度要求越来越高,寻找关联方式发现知识成为科学家所面临的最严峻的挑战。面对这一挑战,文章提出构建知识元语义网格平台,实现以知识元为知识单位的知识发现服务体系结构。文章对基于网格的知识发现概念、网格的知识服务结构、基于知识元的语义网格知识发现基本模型作了研究。     

基于语义的移动对象轨迹知识发现研究

针对采用欧式空间坐标或线性参考坐标表达轨迹的方法对与应用需求相关的背景地理语义知识考虑不够,使得不能有效挖掘轨迹中隐含信息的问题,提出一种基于语义的轨迹建模和知识发现方法,该方法通过预先定义与应用需求相关的重要地点作为关键点,对与该地点具有同种空间关系的轨迹点进行聚类,以聚类后的关键点序列表达轨迹,运用正则表达式实现轨迹中隐含的关联规则和频繁模式的发现,通过实例表明该方法的可行有效。     

基于知识发现的范例推理系统

1 引言范例推理(Case-Based Reasoning,CBR)是近十几年来人工智能中发展起来的区别于基于规则推理的一种推理模式,它是指借用旧的事例或经验来解决问题、评价解决方案、解释异常情况或理解新情况。CBR兴起的主要原因是传统的基于规则的系统存在诸多的缺点,如:在知识获取问题上存在困难,对于处理过的问题没有记忆而导致推理效率低下,不能有效地处理例外情况,整体性能较为脆弱等等,而CBR恰好能解决以上问题。     

基于知识表示学习的实时语义数据流推理

传统的语义数据流推理使用前向或后向链式推理产生确定性的答案,但是在复杂的传递规则推理中效率不高,无法满足实时数据流处理场景对答案的及时性要求。因此,提出一种基于联合嵌入模型的知识表示方法,并应用于语义数据流处理中。将规则与事实三元组联合嵌入并利用深度学习模型进行训练,在推理阶段,根据查询中涉及的规则建立推理模板,利用深度学习模型对推理模板产生的三元组进行预测和分类,将结果作为查询和推理答案输出。实验表明,对于复杂规则推理,基于知识表示学习的实时语义数据流推理能够在保障较好推理准确性和命中率的前提下有效地降低延迟。     

基于生物医学文献的知识发现研究

随着生物医药文献的快速积累,利用文本挖掘技术处理海量的科技文献,从而发现生命科学领域新的知识,已成为当前数据挖掘和人工智能领域研究的热点.从Swanson最早提出基于生物医学文献的知识发现方法到现在,许多研究人员投入到这个新兴的领域中.对基于生物医学文献的知识发现的研究内容、研究方法以及成果进行了系统的分析和阐述,对不同的研究方法在文本挖掘过程中的优劣进行了比较,对基于生物医学文献的知识发现的发展趋势进行了展望.     

文本知识发现：基于信息抽取的文本挖掘

1.引言大家熟知,所谓“数据丰富但知识缺乏“的现状导致了数据挖掘(Data Mining)技术研究的兴起,数据挖掘又称数据库知识发现(Knowledge Discovery in Databases)是从海量的结构化信息中抽取或挖掘隐含信息和知识的重要方法和途径。数据挖掘技术已相当成熟。因为除了结构化的数据之外,在数字化信息中更多地存在大量自由、非结构化或半结构化的文本信息如新闻文章、电子书本、电子图书馆藏、Web页面内容、Email、文档数据库等,显然手工处理需要花费大量的人力物力,并且具有不确定性。所以出现了从文本中发现知     

基于本体的科学效应知识表达和语义推理

针对创新设计领域中科学效应知识的表达和语义扩展方面的不足,分析研究效应、功能、流和参数之间的关系和模型,借助本体将概念间属性和关系扩展到语义层次上,通过本体来更加全面地表达科学效应知识,构建科学效应知识本体模型,包括效应本体、功能本体、流本体和参数本体。在此基础上基于属性构建相应的语义推理规则,进行功能扩展和效应关联,通过语义推理实现科学效应知识的共享和重用。开发一个基于本体的科学效应知识检索系统,验证了此模型和方法的有效性和可行性。     

基于文本分类的网络知识发现

研究基于网络的文本知识发现,根据搜索引擎分类内容的特点,通过几种常用搜索引擎的比较,结合文本分类的特点,发现单纯搜索文本信息资源的引擎更适合于文本分类;进而给出基于文本分类的网络信息获取原型,提出基于元数据的用户感兴趣知识的提取模式,用户可以根据实际情况在给定范围内提取自己感兴趣的文本信息,从而提高文本信息挖掘的精准性。     

基于语境和动作推理的语义Web服务发现

在语义Web服务发现中,服务本身及用户所处的语境是不可忽视的因素.针对现有服务发现方法的不足,给出一种基于语境和动作推理的语义Web服务发现方法.该方法通过建立基于动作的语境模型来刻画静态和动态的语境信息,利用动态描述逻辑中的动作推理实现语境推理,并在此基础上实现语境敏感的语义Web服务发现算法.案例研究及相关工作对比表明,与现有方法相比,文中方法在语境刻画和推理能力方面均有较优表现.同时实验结果也表明,在增加合理逻辑推理的时空开销的前提下,文中方法能为用户提供更符合需求的服务发现结果.     

文本知识发现:基于信息抽取的文本挖掘蝌

In the general context of Knowledge Discovery, Knowledge Discovery in Text (KDT), which uses TextMining techniques to extract and induce hidden knowledge from unstructured text data, surges in the data and naturallanguage processing research. KDT is a multi-discipline of Artificial Intelligence, Machine learning, Natural Lan-ing with a stressing on its IE (Information Extraction)-based induction and specific sublanguage fields oriented prac-tices.     

一种普及计算中基于语义描述的服务发现方法

在普及计算环境中正确地找到所需要的服务对于服务间的交互是非常必要的,但是目前的服务发现系统对此要求缺乏有效的支持。该文提出了一种在普及计算中基于语义的服务发现方法,通过服务接口基本实体的描述、服务的描述规则、服务匹配的算法实现了具有语义特征的服务查找方法,该方法提高了服务查找的查准率和查全率,增强了服务之间的互操作性。     

数据库中知识发现的处理过程模型的研究

1 前言数据库中的知识发现KDD(Knowledge Discov-ery in Database)是近年来随着数据库和人工智能技术的发展而出现的,它是从大量数据中提取出可信的、新颖的、有效的并能被人理解的模式的高级处理过程。它主要采用机器学习算法或统计方法进行知识学习,一般将KDD中进行知识学习的阶段称为数据挖掘(Data Mining)。数据挖掘是KDD中的一个非常重要的处理步骤。人们往往不加区分地使用两者。一般来说,在工程应用领域多称数据挖掘,而在研究领域人们则多称为数据库中的知识发现。人们进行的关于KDD的研究是为了将知识发现的研究成果应用于实际数据处理中,为科学的决策提供支持。正是因为这样,目前所进行的关于     

语义Web中开放知识服务体系的研究

WWW是信息时代的重要标志。基于WWW的信息管理系统不仅要能运行在不同的平台上、分布的信息网络中,而且还能提供通用的平台与大量的、独立的、多类型的数据源和应用程序进行交互。开放知识服务体系OKSA就是为实现这一目标而提出的,在开放的Web资源环境中,建立动态的、跨平台的虚拟知识环境,使得人们能够获取、发布、共享和管理各种Web资源,并向用户提供按需的知识服务以支持协同工作、问题求解和决策支持等。     

格值语义归结推理方法

归结自动推理是人工智能领域的一个重要研究方向,语义归结方法是对归结原理的一种改进,它利用限制参与归结子句类型和归结文字顺序的方法来提高推理效率。基于格蕴涵代数的格值逻辑系统的二归结原理提供了一种处理带有模糊性和不可比较性信息的工具,它能对格值逻辑系统中在一定真值水平下的不可满足逻辑公式给出反驳证明。首先研究了格值逻辑系统上一类广义子句集的性质,该类子句集在任意赋值下能分为两个非空子集,接着讨论了这类广义子句集的语义归结方法,并证明了其可靠性和完备性。     

用于应急指挥的知识推理技术研究

针对迫切需要为现有应急管理和指挥工作提供及时、有效的辅助决策功能的问题,深入分析应急业务流程, 从将智能技术与行业应用相结合的角度出发,对知识推理技术进行了研究,包括知识获取、知识表示、推理机制等,提 出了基于智能辅助决策的应急指挥系统。在实际项目中的应用结果表明,该方案具有行业化程度高、自适应能力强等 特点,能够满足应急指挥工作在智能化方面的要求。