人工智能在多模态学习中跨学科知识整合研究.pdf

中国新技术新产品2024NO.6（上）

信息技术

人工智能在多模态学习中跨学科知识

整合研究

陈 斌

（浙江建设职业技术学院，浙江杭州311231）

摘 要：本研究引入一种新的跨学科知识整合方法，即KIDDT（KnowledgeIntegrationforDiverseDisciplinary

Teams）算法，并通过一系列试验评估其在多模态学习环境中的性能。采用3种不同的模型，分别使用

K-Means聚类算法、主成分分析和支持向量机、以及深度学习神经网络（CNN），对比它们的准确率和生成

时间，深入研究了算法在不同条件下的表现。试验结果表明，在不同数据块数量和突变概念飘移影响下，3种

模型展现出不同的性能特征。使用CNN的模型三在准确率方面表现出色，尤其在突变概念飘移的环境中更

稳定，由于生成时间较长，因此在实际应用中需要在准确性和效率之间进行权衡。

关键词：人工智能；多模态数据；跨学科

中图分类号：G 202 文献标志码：A

（）。KKij

人工智能AI技术已经渗透到各个领域中随着知识的索引。ik和kj分别为学科和学科在知识空间中的

n

，

图谱和跨学科研究的兴起如何在多模态学习环境中整合向量表示的元素。求和符号∑表示对所有知识维度k进行

。求和。k−1

跨学科知识成为一个备受关注的课题在这个背景下引用

，

相关文献更好地理解并探讨多模态学习环境中的跨学科

（）

公式1的核心思想是通过计算知识空间中不同学

。、

知识整合过去的研究已经在知识图谱的构建学科教学

。，

科之间的余弦相似度来更新权重在更新过程中相似度

知识构建和跨库知识整合等方面取得了一系列重要成果。

，

较高的学科之间的权重会得到提高而相似度较低的学科

[1]

，

曾晓玲等研究了基于黄河资源整合共享的知识图谱为

。，

之间的权重则会相