个性化知识导航的交互式模型简析

个性化知识导航的交互式模型简析

个性化知识导航的交互模型通过用户与知识库间的交互优化求解路径 , 实现知识的动态适配 。 然而 , 传统知识库上的寻径主要是针对专家知识 , 鲜有考虑用户的多粒度和多维度的情景 , 适应性较差 。 因此 , 用户情景感知成为构建个性化知识导航交互模型的首要问题 。 此外 , 由于难以衡量用户再学习和反馈机制的收敛性 , 理解知识适配的作用机理成为一项难题 。

如何感知用户情景 , 探索知识适配机理 , 优化知识适配模型是大数据知识工程的一个关键科学问题 。 围绕上述三个科学问题 , 拟通过“在线学习拓扑融合-知识导航”三个阶段 , 实现碎片化知识的“量质-序”转化与应用问题求解 。 需要重点研究八个研究方向:

  1. 碎片化知识表示/知识簇表示:碎片化知识表示是知识挖掘、融合的前提 。 针对碎片化知识的高维、稀疏、低质、分面等特性 , 拟采用深度学习方法对碎片化知识与语义联系进行建模 , 实现分布式环境下可溯源的碎片化知识和知识簇表示 。

    推荐阅读