大规模网络资源环境下基于关联知识流的Web知识供给模式及其应用研究

针对Web知识供给存在的不足，提出大规模网络资源环境下Web知识供给模式应该具有语义自动区分与关联的能力。本项目基于模糊认知图对网络资源与用户兴趣进行语义表示，为Web知识供给提供基本语义单元；进而增量构造复杂关联语义链网络作为网络资源语义组织的虚拟层，以减少Web知识供给计算过程所需的时间与内存空间；以复杂关联语义链网络为载体，生成关联知识流作为Web知识供给基本单位。.以此为基础，以用户兴趣模型和知识流的度量与评价为过滤器，生成符合用户兴趣和不同度量需求的关联知识流集合；以用户和关联知识流的交互计算与相互感知为手段，生成符合用户复杂知识需求的交互关联知识流。.上述知识流可作为一种新型的Web知识供给模式，提供基于用户需求语义自动区分与关联的Web知识供给；以期能在一定程度上解决大规模网络资源与人的有限认知能力之间存在的矛盾，以提高用户知识获取准确率、减少用户迷航和认知负担过重等问题。

针对Web知识供给存在的不足，提出大规模网络资源环境下Web知识供给模式应该具有语义自动区分与关联的能力。本项目基于模糊认知图，关联规则库，利用两分聚类的思想计算资源之间的关联语义链的权值；并对构造出的关联语义链网络进行相应的分析，提出构造范式与基于协同过滤的关联语义链网络的增量计算方法，从而使得最终构造出的关联语义链网络，可以更好的应用于实际的大规模网络资源环境的知识供给。.基于上述语义链网络，提出静态与动态知识流；在此基础上，提出不断通过用户当前浏览的历史，基于k阶-马尔可夫过程的动态网络知识流动模型，以预测用户下一步知识需求的过程，形成动态关联知识流，作为有效的网络知识按需供给。.提出基于网络知识流服务子图的新型Web知识供给模式，提出并开发了新型的事件层次、网页层次的关联语义搜索系统。基于PSR模型对网络文本语义复杂度进行计算，提出了新型的基于网页内容复杂度的网络知识供给方式，并开发了相应的系统。上述基于知识流的网络资源知识供给方式，可以有效的实现知识语义的自动区分与关联。.在上述研究的基础上，本项目通过对用户搜索行为进行细粒度分析，实现了语义链推理和基于信息梯度的文本集计算。在关联语义链网络的基础上，设计了最大信息传输的检索算法和及时应答用户搜索行为的特征文本集算法。将交互搜索中涉及的人网两端分别构建了计算模型，并通过信息交换、反馈、协同等机制实现了有效的交互感知；同时研究了交互搜索中的用户计算模型，提供了基于认知科学研究成果的网络知识供给方式。.上述研究内容可作为一种新型的Web知识供给模式，提供基于用户需求的语义自动区分与关联的Web知识供给；以期能在一定程度上解决大规模网络资源与人的有限认知能力之间的矛盾，以提高用户知识获取准确率、减少用户迷航和认知负担过重等问题。.本项目已经发表/录用论文19篇，其中8篇国际期刊论文，包括IEEE Trans. on SMC, IEEE Trans. on LT, IEEE Trans. on ASE等；发表11篇国际会议论文。申请专利2项。培养硕士研究生6名,博士研究生6名。另外，还有1篇目前在IEEE Transactions on Fuzzy System二审( Major Revision)。