5知识获取与知识发现资料.pptVIP

知识获取与知识发现 知识获取 机器学习 知识发现与数据挖掘 重点与难点 重点 掌握知识获取定义，理解各种知识获取方法，以及知识获取在智能信息系统中的应用。 难点 如何进行知识获取。 一、知识获取 知识获取是把所需要的知识从知识源中抽取出来，并将其转换成可被计算机程序利用的表示形式的过程，是知识工程的关键工序。 知识获取是智能信息系统开发中的一个“瓶颈”。 知识获取贯穿于智能信息系统生命周期的始终，可分为早期、中期、和后期三个阶段。 知识获取的任务和目标 知识获取的任务包括: 获取知识：获取事实和规则、从规则演绎新的事实，描述基本元素、定义概念 精练和维护知识：分类、整合、精练知识；维护一致性、完整性，修改事实和规则 知识获取的任务和目标 在智能信息系统中，知识获取的目标和任务可概括为以下三个方面： 领域知识的获取 用户知识的获取 专家知识的获取 领域知识的获取 领域知识就是专业领域的概念术语及其相互关系的描述。 领域知识的主要表达方法是概念知识库，它是描述问题领域和智能提问处理的重要工具，直接影响着系统的执行效率。 领域知识获取的主要工作是建立、修改和扩充概念知识库，即获取基本概念、复合概念及概念之间的各种语义关系，建立分类层次结构。 领域知识的获取 领域知识的来源形式不同，其获取方法也不同： 文本知识的获取 多媒体知识的获取 Web知识的获取 文本知识的获取 文本知识发现 自动文本分类 自动文本摘要 文本知识发现 多媒体知识的获取 多媒体知识来源于对多媒体数据库的知识挖掘和获取 特征分析与提取 语义分析与抽取 Web知识的特点 Web的信息量过于庞大 Web上的数据形式多样，结构复杂 Web是一个动态性极强的信息源 Web面对的是一个广泛的形形色色的用户群体 Web知识的获取 Web知识的获取可以定义为：从与WWW相关的资源和行为中抽取感兴趣的、有用的模式和隐含信息。它大体上可以分为如下三类： Web内容挖掘 Web结构挖掘 Web记录的挖掘 Web知识的获取 在Web知识获取的研究领域，目前比较受关注的问题有： 权威Web页面的识别 web用户日志的挖掘 Web文档的自动分类 用户知识的获取 用户知识包括用户的身份、目标、兴趣、系统经验和用户背景知识、偏好的交互方式等，它可通过用户模型来描述。 智能信息系统通过用户模型，能比较准确地预测用户的行为和信息需求，从而使系统行为变得更为有效。 用户知识的获取模型 用户知识获取的主要目标之一是获取和学习用户的兴趣偏好。 用户的兴趣偏好包括两种： 长期偏好 短期偏好 用户知识的获取模型 专家知识的获取 专家知识是指专家执行专门任务的决策规则和技能，它们是系统执行各种推理的基础。 使用专家知识的优点： 使系统能够在无人监督的情况下，高效、准确、迅速地工作。 使专家知识突破时间和空间的限制，长久保存，并可复制任意多的副本或在网上供不同地区或不同部门的人使用。 知识获取方法 非自动知识获取方法 知识工程师获取知识,通过知识编辑软件输入到知识库 自动知识获取 自然语言理解 模式识别 机器学习 数据挖掘与知识发现 机器感知 知识获取的主要技术 机器学习 数据挖掘 知识获取与机器学习 知识获取 机器学习 知识发现与数据挖掘 何为机器学习 心理学中的解释：学习是指（人或动物）依靠经验的获得而使行为持久变化的过程。 Simon认为：如果一个系统能够通过执行某种过程而改进它的性能，这就是学习。 Minsky认为：学习是在人们头脑中（心理内部）进行有用的变化。 Tom M. Mitchell在《机器学习》一书中对学习的定义：对于某类任务T和性能度P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，则称这个计算机程序从经验E中学习。 当前关于机器学习的许多文献中大都认为：学习是系统积累经验以改善其自身性能的过程。 ① 学习与经验有关； ② 学习可以改善系统性能； ③ 学习是一个有反馈的信息处理与控制过程。因为经验是在系统与环境的交互过程中产生的，而经验中应该包含系统输入、响应和效果等信息。因此经验的积累、性能的完善正是通过重复这一过程而实现的。 学习的基本模型 人类是如何学习的？ 基本过程：观察?响应 学习的基本模型 人类是如何学习的？ 学习的基本模型 应用过程 机器学习的分类 1. 基于学习策略的分类 1）模拟人脑的机器学习 符号学习：模拟人脑的宏观心理级学习过程，以认知心理学原理为基础，以符号数据为输入，以符号运算为方法，用推理过程在图或状态空间中搜索，学习的目标为概念或规则等。 典型方法：记忆学习、示例学习、演绎学习、类比学习、解释学习等。 神经网络学习（或连接学习）：模拟人脑的微观生理级学习过程，以脑和神经科学原理为基础，以人工神经网络为