知识服务论文整理.docxVIP

第一篇 大数据知识服务的内涵、典型特征及概念模型 本文概述：作者首先描述了大数据知识服务的内涵, 详细分析了大数据知识服务的典型特征, 并结合大数据知识服务模式下对各种类型大数据管理和处理需求, 给出了大数据知识服务概念模型, 最后指出大数据知识服务的实现需要解决大数据的可表示性、可处理性、可融合性及可靠性四个关键问题。 大数据知识服务的内涵：大数据知识服务是为适应信息服务业智慧化、协作化、绿色化、先觉化和泛在化的发展趋势而衍生的一种基于网络(包括电信网、广播电视网、互联网、移动互联网等)的, 用以解决结构化、半结构化及非结构化数据多维度处理的信息服务新模式, 是嵌入式协作化知识服务模式的一种新发展, 是现代信息服务理念的具体体现。 大数据知识服务模式强调知识、能力、资源和过程以服务的形式进行有机融合, 并基于网络自由流通, 对大数据获取、存储、组织、分析、决策和显示等按照“将计算推向数据, 而不是移动数据”的策略, 实现大数据知识服务体系中的知识动态协调构建、能力智慧管理、资源按需使用、过程智能控制。 大数据知识服务的典型特征： (1)是面向智慧服务和自主需求的知识服务。 (2)是不确定性服务。 (3)是强调用户参与的知识服务。 (4)是支持按需使用、按需付费的知识服务模式。 (5)是共性技术目标与异性技术特征相辅相成的知识服务模式。 (6)是基于知识、能力、资源、过程共享和交易的知识服务模式。 (7)是基于群体创新的知识服务模式。 (8)是更为绿色环保的知识服务模式。 大数据知识服务概念模型： 本文将大数据知识服务描述为:大数据知识服务是在大数据获取、存储、组织、分析和决策过程中产生, 体现了在大数据管理和处理过程中对知识、服务、资源和过程等的知识服务配置和整合的能力,反映了知识服务实体或机构完成相应行业、领域、任务及预期目标的服务水平, 包含了大数据知识服务全生命周期过程中所涉及的知识、服务、资源和过程等因素。 大数据知识服务概念模型包括数据、知识、资源、能力、服务、过程和任务七个元素。 大数据知识服务的四个关键问题： (1) 可表示性问题。 (2) 可处理性问题 (3) 可融合性问题。 (4) 可靠性问题。 第二篇 语义网本体构建方式研究 本文概述：作者分析和对比了几种重要的本体构建方式,总结了这些本体构建方式各自的特点并指出了他们的不足。之后作者对本体的概念作了更适合语义网的新的解读,提出了一种适于语义网环境的一种工程化的本体构建方式。这种本体构建方式支持群体参与构建,拥有良好的可扩展性和容错性。 基本概念：语义网，本体，本体的描述语言，本体构建 传统本体构建方法及其差别： MMOC本体构建方法： 构建步骤：1.获取适用于目标领域的源本体并将该本体用分散的形式存储 2.确定本体存储中核心知识,并在实践中应用这一本体存储 3.在应用中由用户参与修正和升级本体存储 4.对用户参与修改的本体进行验证,并根据验证结果保存修改 5.用户参与本体评价 6.根据评级应用本体,并回到第二步继续下一轮循环 MMOC方法与现有技术的主要区别：①本体是在检索时才临时生成的,系统中存储的仅仅是生成本体所需要的要素和这些要素在生成本体时应遵循的规则（即高扩展性和容错性）。②本体中不仅包含大多数人达成的共识,也包含少数派意见。这些本体知识按照特定检索条件下的权值确定检索优先级（满足个性化需求）。 MMOC方法的本体存储结构：法采用实时本体生成机制,其存储应采取相对离散的形式,仅以本体存储的形式出现,并非真正的本体。这些本体存储要素只在生成本体时进行整合,生成对应的本体。每一本体内对应的一组相对独立的类、类的属性、关系等也是相对独立的结构。这种相对独立是指这些成分在内部可以组合,但不能脱离其附属的类、本体。 所谓的离散存储形式就是指这些共同构成一个本体的要素并非被作为一个基于语义网的支持群体参与的本体构建方式本体被整体存储的,而是根据创建时间、关注度或重要性被重新排列为一个个群组。例如将已经列出的信息作为核心知识被归为一个整体,如果在使用过程中被用户加入了其它的要素,那么这个新加入的要素与原核心知识之间就是离散的关系。在使用本体时,系统需要首先利用核心知识进行处理,之后再将这个新要素和原核心知识整合起来进行处理。如果另外一个用户又添加了另一个新要素,这两个新要素之间的关系也是离散的。 MMOC方法的本体生成机制：首先根据共识最好的本体存储要素集生成一次本体,并返回检索结果然后,在一次本体检索结果的基础上,加入共识次之的本体存储要素集生成二次本体,并返回检索结果,并依次类推。 第三篇 中文本体构建及可视化研究 本文概述：本文对现有本体构建工具进行了比较分析, 并对Protégé 的中文本体构建能力进行评估, 深入探讨了其构建中文本体过程中遇