面向Web信息的知识融合关键技术研究

This project aims at the information redundancy and cognition overload which exist in the process of web information fusion and service. So combined with the meta-knowledge theory, we explores new knowledge fusion methods to provide users with multi-dimensional, multi-granularity and dynamic web knowledge service. First, we expand the topic model with knowledge element to realize a knowledge logical organization model which can support multi-granularity knowledge representation. On this basis, with the help of the internal characterization of knowledge element and multiclass classification model, we have the further study on new methods of knowledge element extraction and semantic relation mining. These new methods can overcome the long distance dependency and data sparseness in knowledge element distribution. Besides this, we propose a knowledge element measure method based on context and the weighted tree structure. And based on this, we design a knowledge fusion algorithm based on topic map to solve the semantic conflicts that exist in information fusion, and reduce the redundancy of knowledge. Finally, we introduce the information processing model to characterize and estimate the user interest. And combined with genetic algorithm, we can achieve the dynamic update and integration of knowledge resources, and provide users with personalized knowledge service. The research findings of this project can be well applied in military science, business, financial, medical, e-learning and information services. So this project has a good theoretical value and application prospect.

针对Web信息集成和服务中存在的信息冗余和认知过载的问题，项目结合元知识理论，研究面向用户需求的多维度、多粒度、动态的Web信息语义融合方法。首先,项目拟从元知识角度对主题图进行拓扑，研究支持多粒度知识表征的知识逻辑组织模型及其机器表示方法；在此基础上，结合知识元内部表征和多类分类模型，进一步研究知识元抽取与语义关系挖掘的新方法，以克服知识元关联分布中存在的长距离依赖性与数据稀疏性问题；此外，研究基于上下文和加权树结构的知识元度量方法，并在此基础上实现基于主题图的知识融合算法，以克服信息融合中存在的语义冲突，降低知识的冗余度；最后，项目研究基于信息加工模型的用户兴趣度感知与计算方法，并与遗传算法相结合，以实现知识资源的动态聚合与个性化服务。项目的研究成果可以应用于军事、商业、金融业、医学、数字教育及信息服务等领域，具有广阔的应用前景和理论价值。

课题针对现有Web信息集成和服务中存在的信息冗余和认知过载问题，结合元知识理论探索面向用户需求的多维度、多粒度的Web信息语义融合方法。课题从元知识角度拓扑主题图模型，实现形式化、多层次的知识表征方法，为提高知识融合的准确度建立理论基础；探索Web信息的知识元及其关系挖掘方法，形成简约的知识元语义集；研究多Web信息内容融合算法，以形成完整一致的解知识空间；结合用户兴趣感知模型研究Web信息动态聚合方法，为用户提供多维关联的个性化知识服务。.课题的具体研究成果包括：1）提出了面向E-learning的知识元表征模型，并结合RDF表征信息资源、知识元、知识之间的逻辑关系，为多维度、多粒度的知识融合与服务奠定理论基础。2）提出了面向领域的领域本体库构建方法，涉及到知识元关联的学科概念自动发现、学科领域本体构建等，并以教育技术学科为例构建学科领域本体库，并开展典型应用。3）提出了基于蚁群算法的知识元挖掘算法，缓解了知识元分布的长距离依赖和数据稀疏性所导致的知识元挖掘困难，并形成知识元间关联关系。4）提出了语义场模型的Web资源聚类算法。课题结合构建的学科领域本体库，建立基于语义场的Web资源语义聚合模型，实现了Web资源的聚合与类别标签抽取。5）面向用户需求的知识动态推荐研究。探索了学习者情感、兴趣模型，结合用户的知识需求、认知特征、兴趣度、情感等，研制了基于知识元的Web资源聚合、基于领域知识图谱的教育资源推荐、基于学习者模型的适应性学习等系统。研究成果应用到教育行业领域，服务10多万中小学教师信息技术能力培训。.经过4年研究，课题组超额完成了预期任务。课题组共发表学术论文24篇。其中SCI/SSCI收录4篇，EI收录7篇，10篇被CSSCI收录；申请国家发明专利4项，授权1项，软件著作权1项；培养博士生8名，硕士生6名；培育教育部新世纪优秀人才计划1名。