个性化知识导航的交互式模型简析( 二 )_个性化知识导航的交互模型通过用户与知

碎片化知识在线挖掘和协同学习：拟构建基于稀疏表示的概念漂移和演化模型，解决概念漂移学习时间窗的时空代价问题；研究概率图模型稀疏分布的共享优化，实现碎片化知识的多维度协同学习。

基于时序特性分析的知识演化模型：针对碎片化知识的更新和动态变化特点，需要研究融合时序特征的演化模型变结构学习。为提升模型精准性，需要研究知识演化下的噪音清洗方法。

碎片化知识语义关联挖掘与涌现特性分析：碎片化知识融合的依据是知识之间的语义关联，拟设计关联拓扑与深层语义特征相结合的关联挖掘算法，生成知识簇；在此基础上，分析关联拓扑特性的涌现规律，为知识融合提供理论支撑。

基于可靠子图发现的知识动态融合：旨在融合碎片化知识，实现量质转换与增殖拟将融合过程看作从知识簇对应的不确定图中发现可靠子图的过程，研究知识簇中可靠子图发现与变粒度语义推理方法，并基于量子概率对融合结果进行置信度评估。

交互式情景感知：知识导航的前提是感知用户情景。拟综合多数据源、多维度的统计特征，构建融合交互行为、情感和偏好等属性的情景感知模型。

个性化知识导航的交互式模型简析( 二 )