Deep Web信息量大、主题专一、信息质量好。然而Deep Web信息存在着不完备问题,给网络资源的利用带来极大的困难。本项目在分析Deep Web中不完备知识的单调性、动态性、模糊性的基础上,将多种非经典逻辑的语法和语义相融合,建立一套基于混合逻辑的不完备知识表示及模型生成的理论与方法。①研究混合逻辑的tableau的推理结构、算法和策略,将提高海量不完备知识的推理效率,减少搜索空间;②研究不完备知识搜索的逻辑模型约束和评价的理论与方法,将提高Deep Web搜索的预处理能力;③在混合逻辑tableau推理模型的基础上,研究不完备知识库的修正及融合的理论方法,将提高不完备知识库中知识的可信度和可依赖性。因此采用逻辑方法对面向Deep Web的不完备知识进行表示并实现合理的推理和利用,具有重要的理论价值和现实意义。
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
二维FM系统的同时故障检测与控制
扶贫资源输入对贫困地区分配公平的影响
A tale of two databases: the use of Web of Science and Scopus in academic papers
A Deep Neural Network Based Quasi-Linear Kernel for Support Vector Machines
面向Deep Web的大规模知识库自动构建方法研究
基于逻辑强化学习的Deep Web模式匹配研究
基于语义计算的海量Deep Web知识探索机制研究
面向Deep Web的数据整合关键技术研究