领域知识的获取方法.ppt

数据结构 第6章 知识获取 6.1 知识获取概述 6.1.1 知识获取定义 6.1.2 知识获取的基本任务 6.1.3 知识获取方法 6.2 机器学习 6.2.1 概述 6.2.2 机器学习系统的原理、结构和功能 6.2.3 基于归纳的学习 6.2.4 基于概念的学习 6.2.5 基于解释的学习 6.2.6 基于类比的学习 6.2.7 基于遗传算法的文献描述学习 6.2.8 基于神经网络的学习 6.3 数据挖掘与知识发现 6.3.1 概述 6.3.2 知识发现的对象 6.3.3 知识发现的过程 6.3.4 知识发现的的主要方法 6.3.5 知识发现的主要技术 6.3.6 知识发现结果的表示 6.3.7 基于知识发现的知识获取模型 6.4 知识获取在智能信息系统中的应用 6.4.1 具有知识获取功能的智能信息系统模型 6.4.2 领域知识的获取 6.4.3 专家知识的获取 6.4.4 用户知识的获取 6.4.5 基于系统自学习的知识获取 小结 智能信息系统应具有知识表示、推理和学习的能力。系统中，所有知识应被合理地表示，推理策略必须能适应智能提问处理。系统还应能适应环境的变化，不断动态地获取、精炼和扩展系统的知识，来控制表示和推理从一种状态转换为另一种适应新环境的状态，并不断地改进系统的执行性能。这种具有学习能力的系统将能从行为信息中获取经验知识，能探索领域中的新概念和新模型，还能综合数据和实例，提供高质量的情报知识。 智能信息系统应包含知识获取子系统，使其具有从外界环境学习和从系统本身学习的各种灵活策略。其模型如下图所示，主要包括知识获取、知识库管理、知识利用和知识服务等部分。其中，知识获取部分利用各种获取方法获得系统所需要的各类知识，建立、修改和扩展知识库。 这种综合式信息系统具有以下特点： （1）综合利用各种信息源，也就是综合信息系统所需要的信息源和学习任务所需要的信息源。例如将学习任务中的领域知识和信息系统中的领域知识合为一体。 （2）对各种信息源的不同表示进行综合、一致地管理，例如，领域概念的分类结构，属性的可能值，以及事实和规则的条件。 （3）将知识获取的各项任务适当综合于信息系统各部件的功能任务中。 （4）能将外界知识获取和系统自身执行的反馈学习有机地结合起来，提高系统的执行性能和效率。 智能信息系统中所包含的知识获取工作： 具有学习功能的智能信息系统中，知识获取的总任务是建立、修改、扩展和重新组织知识库。它包括知识库的结构与内容知识的获取、精炼和完善。其知识获取工作可概括为以下四个方面： 领域知识的获取 专家知识的获取 用户知识的获取 基于系统自学习的知识获取。基于系统自学习的知识获取是从系统内部获取知识。 领域知识：指与主题相关的知识，包括专业知识、数据事实知识等，用于描述专业领域中的各实体对象和对象之间的关系。领域知识对于事实数据的标引和检索、用户查询式的扩展、匹配算法的实现都具有重要的意义，是智能信息系统中不可缺少的信息源。领域知识通常以概念的形式进行表示和描述。概念可以是对具体实体对象的描述，也可以是对特征、行为、时间、规则、策略的描述。 领域知识获取：其主要工作表现为获取基本概念及概念之间的各种语义关系，即获取概念知识。概念可以描述实体对象，也可以描述抽象对象。 领域知识的获取方法： ——人工获取 在传统的信息系统中，专业领域知识一般通过该领域的叙词表来描述，其获取方法主要有以下几种：从现有叙词表中移植，然后加以精练、修改和补充；当没有现成词表可用，则从那些专业词汇高度集中的参考工具书或文献原文获取；通过检索咨询交互，向用户和专家学习。 ——利用自然语言处理技术实现领域知识的自动获取 如CODER智能检索系统利用人机结合方法和自然语言处理技术，从专业词汇高度密集的人工智能手册中获取人工智能领域的概念知识。但是，受相关技术的影响，基于自然语言处理的领域知识获取实现难度较大，在相关技术没有取得实质性突破之前，该方法只是一种理想的方法。 ——采用机器学习和数据挖掘技术 获取领域知识的较易实现的、且较有效的自动化方法是，采用机器学习和数据挖掘技术，从各专业文献中、从用户和专家的交互信息或检索实例中获取概念知识。 此外，还可以通过概念相交、概念组配等概念逻辑方法获得新概念。 目前，领域知识获取中的研究难点与热点在于如何以机器可读的形式实现对深层知识和隐性知识的表示，用于描述专业领域知识中的各层次的实体对象和对象关系，从而支持复杂的相关度计算和推理。由于概念知识是一种很复杂的结构化的信息集