ITS系统中基于关系模型的知识表示

在计算机智能导师系统(ITS)中,知识表示是一个关键问题。它是计算机智能教学的基础,其结构决定了智能推理过程的有效性。同时教学系统还必需具有大量多媒体数据的管理能力,学科知识库与教学材料库结合也是一个重要问题。本文使用关系模型讨论建立学科知识库的方法。首先把学科知识分解为知识点,用关系模型来组织知识点,形成知识点属性库和链接库。知识点属性库描述知识点的特性和与多媒体教学材料库的连接关系;知识点链接库反映知识点间的关系,便于推理。为了形成系统的教学过程,还必需建立教学策略库,以规定教学策略模板和规则。本文使用机械制图课程中的圆锥体一节作为例子,展开讨论。     

面向初等数学的知识点关系提取研究

随着互联网技术的发展,在线教育已经改变了学生的学习方式.但由于缺乏完整的知识体系,在线教育存在着智能化程度低和"信息迷航"的问题.因此,构建知识体系成为在线教育平台的核心技术.知识点间的关系提取是知识体系构建的主要任务之一,目前比较高效的关系提取算法主要是监督式的.但是这类方法受限于文本质量低、语料稀缺、标签数据难获取、特征工程效率低、难以提取有向关系等挑战.为此,基于百科语料和远程监督思想,研究了知识点间的关系提取算法.提出了基于关系表示的注意力机制,该方法能够提取知识点间的有向关系信息.结合了GCN和LSTM的优势,提出了GCLSTM,该模型更好地提取了句子中的多点信息.基于Transformer架构和关系表示的注意力机制,提出了适用于有向关系提取的BTRE模型,降低了模型的复杂度.设计并实现了知识点关系提取系统.通过设计3组对比实验,验证了模型的性能和效率.     

基于XML的Web课件知识表示模型的构建

XML具有良好的语义和清晰的层次结构,适合树状层次结构数据的描述,是Web课件资源描述的首选语言。对Web课件中知识点以及它们之间的关系进行了探讨。并在此基础上运用XML技术构建了一个知识表示模型。     

MDR概念系统注册及本体表示标准化研究

随着大数据与人工智能在各个领域的深入应用，知识表示的标准化问题被提到了重要的日程。为实现知识表示的标准化，引入了现实世界、概念世界与计算机世界3个世界模型，明确阐述了将现实世界中的事物通过抽象，将其转化为概念世界中的概念系统模型，依据标准将其转化为计算机世界中的信息模型，从而实现知识表示。为了使概念系统模型表示规范化，重点研究了ISO/IEC 11179 MDR系列标准，剖析了其中的概念系统注册元模型规范，构建了MDR概念系统的七元组模型，同时还定义了概念间关系表示方法，为概念系统模型的表示奠定了基础。为了将注册在MDR中的概念系统模型转为计算机世界中的OWL本体表示模型，定义了将MDR概念系统向OWL本体映射的规则。最后，设计并开发了概念系统注册原型系统，验证了MDR概念系统和本体表示的可行性。研究成果为领域知识表示的标准化提供了方法论。     

ITS的设计与实现

从认知科学、教育心理学、人工智能和计算机辅助教育等方面着手，设计并实现了一个双主型的智能教学系统(ITS，Intelligence Teaching System)．在设计部分，给出了ITS的结构和领域知识的知识表示，提出了基于加权产生式规则的教学策略推理机；依据认知学习理论，设计了一个采用逐步逼近法的有学习历史继承的认知学生模型和学习过程自动导航的教学模型．在实现部分，研究了推理机的实现，并尝试给出一个智能教学系统模型的初步实现．     

知识化制造系统的知识网数据库设计

首先分析了KMS自重构中的数据操作过程，设计了知识网E-R图．在此基础上，通过设计先进制造模式与知识网之间映射关系表实现两之间一对一的映射．通过设计知识网公共属性表、知识点间继承流和信息流表、知识点功能描述表和虚拟Agent表，实现知识网的面向关系数据库的表示．通过设计知识点功能的资源约束、父知识点功能与子知识点功能之间的约束和功能与信息流之间的约束等3个基表，评判知识网的有效性与合理性．然后根据KMS的特点与数据库表的逻辑设计给出了数据库的物理实现．该知识网数据库已作为KMS自重构工具的一个重要组成部分并已成功运行．     

基于知识表示学习的公共计算机课程管理研究

为解决假负例和零损失问题, 将 Transformer 网络结构用于提取知识库中的实体描述信息, 用带有约束性的自注意力机制寻找最能表达实体意义的表示子空间以增强实体的表示能力, 引入对抗生成网络思想生成负样本, 提升了知识表示能力。 该方法在公共计算机课程知识图谱的构建中, 清楚描绘了课程知识点间的内在关系, 对于指导课程设置与进度安排, 引导学生学习具有十分重要的意义。     

基于本体的监测组态知识表示研究

为重用监测组态领域内已有知识,实现快速有效地开发监测组态系统,提出了一种基于本体的监测组态知识表示方法．该方法通过对监测组态知识的分类分析,构建基于本体的监测组态知识三层框架结构．在最低层定义一个公共的组态元模型,通过重用或继承元模型的类或关系,建立监测系统的组态知识模型,实现监测组态系统模型知识的重用．以压缩机监测系统组态为例,通过执行JESS规则引擎获得该监测系统的一个组态解决方案,验证了本文方法的可行性．     

一种基于混合超图的R~2空间知识表示模型

现有的基于一般图论的空间知识表示模型难以反映知识系统的复杂构成和所隐含的组织结构。针对这一问题,引入混合超图(Hybrid hypergraph)的思想,提出一种基于混合超图的空间知识表示模型,用来组织规模巨大、连接复杂多样且具有嵌套特性的空间知识网络。该模型用混合超图的超边来表示多元空间关系。对基本的二元区域拓扑关系进行扩展,提出了多元的超拓扑关系来定性地描述多个空间对象间的分离、相连和包含等。以超拓扑关系为例,通过对一个小型环境的表述,说明了基于混合超图的空间知识表示模型的应用,为复杂空间知识的表示、组织和分析提供了一种新的工具和思路。     

基于知识的锤上模锻终锻型槽设计支持系统

结合当前人工智能技术和知识工程技术的发展，研究了锤上模锻终锻型槽设计过程中知识集成和应用的基本方法，包括：终锻型槽设计中知识获取、知识表示和基于知识的设计方法．说明了面向对象的知识表示方法，知识对象的框架由关系槽、属性槽、规则槽、方法槽组成，并给出了终锻型槽设计中知识对象的关系模型．基于以上方法开发了基于知识的设计支持系统，该系统是一个引导型系统，在整个设计过程中提供合适的知识，引导设计人员完成整个设计任务，并用一个实例说明该系统的这些特点．     

智能自动化色彩协调系统

阐述了带有知识库的智能化自动色彩协调系统的实现。讨论了专家知识的表示 问题，提出了随机联想式的推理模式，建立了配色知识库。系统已用于地毯图案设计系 统中。     

智能教学系统知识表示的设计与实现

知识表示方法是智能教学开发系统的关键.在阐述知识表示方法重要性的基础上,结合领域知识表示方法,为《计算机基础》课程设计出了一个认知的超文本的知识表示,并给出了实现模型.该模型便于知识的管理和组织,有利于教学推理机的实现,具有一定的使用价值.     

知识发现中概率统计与粗集方法的比较

对知识发现中,概率统计方法与粗集理论方法在评价系统参数的重要性,分类隶属度与条件概率,输入条件与决策结果的依赖关系等方面进行了比较, 提出了将概率统计方法和粗集理论相结合,由确定性粗集的近似空间扩展到了不确定性的概率粗集的近似空间,为确定性和不确定性知识表达系统提供一个统计粗集模型。     

基于模糊Petri网的动态知识表示与推理方法

针对专家系统知识库中的知识具有模糊特性以及知识库需要频繁更新的特点,设计了一种基于模糊Petri网的动态知识表示与推理方法。该方法利用实际环境中的数据,通过学习来调整知识模型的权值、阈值和确信度等参数,从而实现知识库的动态实时更新。此方法同时结合了产生式知识表示方式和神经网络知识表示方式的优点:知识模型结构清晰,参数意义明确;具有学习和并行推理能力。仿真实验结果表明,经过训练调整后的知识模型具有更高的准确度。     

基于知识的敏捷工作流系统建模方法的研究

为了提高企业的敏捷性，增强工作流管理系统对业务流程变化的适应性，提出了一种基于知识的敏捷工作流系统模型，并对该模型的框架构造和知识表示进行了详细讨论，通过使用知识表示模式和相关谓词建立了系统的更改传播机制，增强了系统的可靠性和柔性，并在开发某大型汽轮机厂的工艺设计过程管理系统的软件开发实践中得到了应用，实际应用表明，其于知识的工作流系统模型对于实现业务流程的自动化具有一定的应用价值。     

基于模糊本体的智能交通系统知识建模

为有效处理交通知识建模中的模糊与不确定现象,提出包括领域本体与顶层本体的模糊本体模型.在领域本体中引进模糊概念属性值,并将普通的概念关系扩展为模糊关系与直觉模糊关系.顶层本体基于模糊语言变量的形式化表示,考虑了模糊概念间的实质性语义关系:集合关系、序关系与等价关系.以交通事故分析与预测系统为例,建立交通知识本体模型与基于语义的信息检索系统.该模型可有效进行智能交通系统的知识建模,有利于语义Web环境下智能交通的信息管理与知识管理.     

学生成绩分析专家系统的研究与应用

对成绩分析专家系统的实现方法进行初步探讨,针对成绩分析的特点,对领域知识进行分类组织,提出了产生式结合关系数据库的方法表示知识,精简了规则库,同时也使推理机易于实现.经过实践表明,把专家系统理论知识应用于成绩分析领域是可行的,能大大提高工作效率,减少成绩评判的误差.     

扩展产生式规则知识表示方法

通过对现有知识表示方法进行分析，指出了产生式规则和概念图表示方法在自然语言理解中存在的问题，提出了扩展产生式规则知识表示方法，并对该规则的推理机制和具体实现进行了讨论．扩展产生式规则表示方法是将产生式规则的前提、结论和处理分别用概念图表示，是一种混合知识表示方法．它既保持了产生式规则的模块性，又揭示了自然语言中的深层次关系，与自然语言形成自然映射。通过分析表明，扩展产生式规则的总体性能要优于传统的产生式规则。并且特别适合于自然语言理解中的知识表示．该规则已应用于网络故障诊断专家系统的自然语言接口设计中．