融合知识情境的知识个性化服务关键技术研究

Knowledge personalized service is an important way to solve the information overload. To provide accurate knowledge services, this study introduces knowledge context to the knowledge personalized service to improve the accuracy and efficiency of reusing the knowledge in the organization memory of the enterprises, to enhance the technology, competition, business and strategy intelligence of enterprises, and to provide a strong knowledge guarantees for the sustainable development of enterprises..To integrate knowledge context into knowledge, based on the ontology-based knowledge modeling theory, this study designs ontology representation language to combine knowledge with knowledge context, and provides the knowledge content with conceptualized description and exoteric integration from multi-level and multi-angle..The foundation of knowledge personalized service is the user's knowledge interest. To dynamically adapt to the evolution of user knowledge interest, this study provides ontology-based user interest representation, and constructs the user interest mining method based on the knowledge context. By developing knowledge context matching strategy oriented to the knowledge personalized service, knowledge filtering strategies based on the knowledge context, and knowledge personalized service strategy oriented to knowledge practical utility, this research provides theoretical and technical foundation for the knowledge personalized application of enterprises and government departments.

知识的个性化服务是解决信息过载的重要途径。为提供准确的知识服务，本研究把知识情境引入到知识的个性化服务中，以提升企事业单位重用组织记忆中知识的正确性和高效性，增强企事业单位的技术、竞争、商务和策略智能，为企事业的可持续发展提供强有力的知识保障。.为融合知识与知识情境，本研究以基于本体论的知识内容建模理论为基础，设计本体论表示语言，把知识和相关情境结合起来，从多层次和多角度对知识内容做概念化描述和开放性集成。.知识个性化服务的基础是用户的知识兴趣.本研究提供基于本体论的用户兴趣表示方法，并构造基于知识情境的用户兴趣挖掘方法，动态跟踪用户知识兴趣的演变。制定面向知识个性化服务的知识情境匹配策略、基于知识情境的知识过滤策略和面向知识实用化的知识个性化服务策略，为企业和政府部门的知识个性化应用提供理论和技术基础。

当前，各种媒介上出现了与日俱增的数据，如何高效从中获取有用知识成为了一个热点问题。获取知识的主要途径有知识检索和知识个性化推送，其中，个性化推送因其针对性强和范围限定而被逐渐推广应用。然而个性化推送的准确性还有待提高，其主要原因在于知识匹配过程中可用的辅助信息不足。为此，本项目把知识情境引入到知识推送中，系统化研究知识情境应用中的关键技术，为知识的个性化服务提供强有力的技术支撑。. 项目组以本体论为基础，采用多层次、多维度建模方法，将知识情境划分为情境维度层、情境要素层和属性层，清晰地描述出了各情境要素之间相互联系、相互影响的关系。该方法可有效提高人与机器对知识内容的理解。为识别和获取知识情境，项目组提出KC-CRRM（Knowledge Context-Collection recognition Reasoning and Storage）框架，通过清洗、集成和变换以及规约三种方法对含有噪声的情境数据进行预处理和解释，以确保知识情境的一致性。该框架有助于减轻情境输入的负担，减少差错率。为实现知识情境的相似性评估，采用构造情境树的方式来表示情境，并在此基础上，分别构造了节点相似度算法、属性相似度算法和树相似度算法。实验表明，此相似度算法可解决多层次多维度知识情境的相似度匹配。为防止推送的知识过载，项目组分析了协同过滤应用于推送系统存在的问题，采用了改进型的矩阵填充方法，并由此设计了邻居集获取算法和Top-N推荐算法，从过滤后的待推荐对象中选取最切合用户需求的，推送给用户。项目组把研究成果分别应用于3个实用化的知识系统，取得了良好的效果。. 本项目以解决信息过载为目标，把知识情境引入到知识的个性化服务中，可提升企事业单位重用组织记忆中知识的正确性和高效性，增强企事业单位的技术、竞争、商务和策略智能。