海量科學(xué)文獻中知識檢索與推理的融合.pdf

1、萬維網(wǎng)知識表示相關(guān)研究的進展，特別是鏈接數(shù)據(jù)項目及相關(guān)數(shù)據(jù)集的發(fā)布，使得人類知識庫達到了前所未有的規(guī)模。從網(wǎng)頁中提取結(jié)構(gòu)化知識的研究更促進了人類知識庫向“萬維網(wǎng)規(guī)?！卑l(fā)展。檢索與推理是知識處理的兩種重要手段，而知識規(guī)模的海量性為這兩種手段提出了巨大的挑戰(zhàn)：
　　 1.對于檢索：由于萬維網(wǎng)用戶背景及需求的差異，對于同樣的查詢輸入，不同的用戶可能期望得到更適合自己需求的結(jié)果。傳統(tǒng)知識檢索系統(tǒng)難以滿足上述需求，特別是在海量知識庫背景下

2、。
　　 2.對于推理：由于萬維網(wǎng)海量知識庫存在規(guī)模大、不完備、動態(tài)變化的特點，傳統(tǒng)方法的假設(shè)（如小規(guī)模的事實與公理集、推理規(guī)則的完備性、知識源的靜態(tài)性等）使得在萬維網(wǎng)海量知識庫上有效推理十分困難。
　　 本文圍繞以上問題，提出了知識檢索與推理的雙向融合方法與具體策略，并以萬維網(wǎng)上科學(xué)文獻知識庫為背景進行了驗證，具體研究內(nèi)容概括如下：
　　 1.知識檢索與推理的融合框架：在海量信息與知識處理的已有研究成果中，曾提

3、出通過邏輯改善檢索，以及通過搜索改善推理的思想。以上兩種思想缺乏具體的實現(xiàn)策略與在實際問題求解中的驗證，且相關(guān)的方法強調(diào)單向的改善。本文在結(jié)合以上兩種思想的基礎(chǔ)上研究了知識檢索與推理的雙向融合框架。
　　 2.萬維網(wǎng)知識結(jié)構(gòu)及組織方法：本文以概念及其關(guān)系為基礎(chǔ)，對知識結(jié)構(gòu)的基本組成與定義進行了論述，并在此基礎(chǔ)上研究了集成萬維網(wǎng)分散式知識源的方法。結(jié)合粒度理論，本文研究了兩類萬維網(wǎng)知識組織方法，并討論了針對不同知識組織方法生成的知

4、識結(jié)構(gòu)的基本操作與運用。
　　 3.研究興趣的測度及其結(jié)構(gòu)與動力學(xué)特性：為了在動態(tài)變化的知識源中追蹤用戶研究興趣的變化，本文研究了量化刻畫研究興趣的測度方法。為了深刻認識研究興趣的特點，本文依據(jù)復(fù)雜網(wǎng)絡(luò)與人類行為動力學(xué)理論，對研究興趣的結(jié)構(gòu)及其動力學(xué)特性進行了探索與分析。
　　 4.知識檢索與推理的融合方法與策略：本文依據(jù)研究興趣的結(jié)構(gòu)與動力學(xué)特性，從不同角度（如累加興趣、保留興趣、興趣時延等）量化衡量科研人員研究興趣，

5、并將其作為融合知識檢索與推理的依據(jù)。受粒計算理論“多層次、多視角的結(jié)構(gòu)化問題求解”思想的啟發(fā)，本文研究了運用知識結(jié)構(gòu)的?；M織及問題求解的粒化思想解決知識處理中規(guī)模問題的具體策略。
　　 本文的主要貢獻體現(xiàn)在以下幾方面：
　　 1.為應(yīng)對知識處理的規(guī)模瓶頸，提出了以用戶為中心的知識檢索與推理雙向融合框架。該框架強調(diào)融合的雙向性，即：在檢索過程中，以用戶興趣之間的差異為出發(fā)點，通過與興趣相關(guān)的推理改善檢索；在推理過程中，通

6、過檢索與用戶興趣相關(guān)的知識源子集，減少與查詢及用戶需求無關(guān)的推理。此外，該框架還通過用戶反饋指導(dǎo)檢索與推理進行更為交互式的、貼近用戶需求的融合。
　　 2.結(jié)合信息表、粒邏輯及萬維網(wǎng)知識表示語言的表達能力，提出了粒化知識結(jié)構(gòu)并探討了其多層次、多視角的組織方法，為融合知識檢索與推理提供了可行的依據(jù)。在?；R結(jié)構(gòu)的基礎(chǔ)上，針對萬維網(wǎng)知識源的分散性，提出了通過多種基本運算用于集成知識源，討論了由此產(chǎn)生的知識結(jié)構(gòu)在海量知識處理中的潛在

7、意義。
　　 3.為追蹤科研人員研究興趣及動態(tài)變化過程，提出了具體測度方法，特別是針對捕捉近期興趣，受人類認知記憶理論啟發(fā)，提出了類似記憶保持的保留興趣模型。采用復(fù)雜網(wǎng)絡(luò)與人類行為動力學(xué)理論，部分揭示了研究興趣的結(jié)構(gòu)與動力學(xué)特點，特別是興趣分布、興趣時延遵循冪律的結(jié)論為基于興趣融合知識檢索與推理提供了理論保證。
　　 4.根據(jù)以上有關(guān)用戶興趣及知識?；M織的研究成果，提出了基于興趣及基于粒度兩種融合檢索與推理的具體方法。

8、基于興趣的融合方法包含兩種策略，即基于興趣的查詢優(yōu)化策略和基于興趣的子集預(yù)選查詢策略。這種方法在檢索與推理的融合過程中從不同角度（累加興趣、保留興趣、興趣時延角度等）融入用戶背景，使得知識處理的結(jié)果更貼近特定用戶?；诹６鹊娜诤戏椒ò鹗键c策略、多層完備度策略、多層特定度策略、多視角策略、及不同策略的融合。該方法以不完備知識處理為背景，運用知識源的?；M織特點減少知識處理的開銷，并為從不同層次和視角滿足用戶需求提供了可行的方法。