没有合适的资源?快使用搜索试试~ 我知道了~
© 2013 Stefan Svetsky,Oliver Moravcik.出版社:Else vierB.V.由美国应用科学研究所负责选择和/或同行评审可在www.sciencedirect.com在线获取ScienceDirectAASRI Procedia 4(2013)182 - 1892013年AASRI智能系统与控制人工与非人工知识源处理及组合挖掘技术支持系统Stefan Svetskya,Oliver Moravcikb *a斯洛伐克理工大学-材料科学与技术学院,位于斯洛伐克b斯洛伐克科技大学-材料科学与技术学院,特尔纳瓦,Paulinska 16,917 24,斯洛伐克摘要在现实生活中,个人用户必须同时处理大量的非结构化数据,信息和知识在各种不确定的过程。此外,必须在它们之间永久切换。有许多单一目的的方法用于处理知识,挖掘技术,软计算或基于知识的系统。然而,它们对用户并不友好;这就是为什么用户需要许多软件解决方案来实现可持续性。本文介绍了一个多用途的预编程知识系统BIKE,它使个人能够处理知识和计算基于知识的过程作为一个一体化的解决方案。该系统作为一个交互式软件应用程序的基础上,利用布尔逻辑数据库技术。它涵盖了信息学中的几个领域,从知识的跨学科定义,知识表和制定的批量知识处理范式开始。本文解释并说明了它是如何在实践中工作的个人层面上的个人。© 2013作者。由Elsevier B. V.在CC BY-NC-ND许可下开放获取。由美国应用科学研究所负责选择和/或同行评审关键词:数据库技术;知识处理系统;挖掘技术;技术强化学习; FPW 2.6a* 通讯作者。联系电话:+421 906 068165;传真:+421 33 5511758。电子邮件地址:oliver. stuba.sk2212-6716 © 2013作者由Elsevier B. V.在CC BY-NC-ND许可下开放获取。美国应用科学研究所负责的选择和/或同行评审doi:10.1016/j.aasri.2013.10.028Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)1821831. 介绍当与知识一起工作时,它与人类心灵的心理过程联系在一起。这些过程是非常复杂和精密的,也就是说,它们是自动不确定的,并且具有潜在解决方案的很大可变性。这使得与处理数据、信息和知识有关的任何计算机支持变得复杂。然而,有许多处理知识或挖掘技术的单一目的方法,尽管仍然缺少通用方法或软件应用程序。知识是教学、决策、知识管理和其他个人日常活动的关键要素。例如,如果一个人有完美的软件来获取信息,它并不自动意味着它将是创建教学文本的合适基础(关于教育内容的质量如何?)。同样,当教学、交流、反馈时,教学方法的质量如何?也许这样的软件可以完美地解决技术系统中的自动化问题。在生活系统中,学生或个人用户(通过非正式学习,自学)是否会理解主题是不确定的(这是一个漫长的旅程,有许多处理步骤,从信息源选择最佳内容直到转移到学习者的大脑)。[1](关于从教科书到全球社会记忆的知识转移)详尽地讨论了从机构层面上的教育角度来看计算机支持的挑战。上述所有知识问题都在教授学士学位时在实施技术强化学习(作为欧洲联盟研究政策优先事项之一)的范围内在个人层面上得到解决。这导致开发了一个支持性的个性化系统BIKE(批量信息和知识编辑器)。该系统的核心是在传统的FPW 2.6a数据库平台上编写的数据库应用程序。然而,该应用程序适用于目前的技术,也就是说,重点是与常见的互联网浏览器,Windows,免费软件,开源,办公软件包,包括其他数据库平台(MySQL,IBM DB2)的互操作性。使用BIKE使用户能够将信息学活动结合在一起,否则这将需要几十个单一用途的软件应用程序。在本文中更详细地说明了处理知识和挖掘技术的BIKE方法。2. 支持系统BIKE内的知识处理BIKE系统解决了基于批处理知识处理范例的处理知识的问题,该范例使用户能够实时处理大量的知识。知识在知识表中被分批处理。人类在工作中需要“大量”的“知识”,这是很自然的。最初,该系统并没有开发处理知识的能力,而是用作在竞争市场条件下可持续发展的辅助手段。如何处理大量数据和信息的方法首先在工业研发实验室内解决。工作人员将该系统命名为Zapisnik(Zapingpad)。后来在大学,这个系统进行了修改与知识处理,通过使用BIKE内的技术增强学习的实施。“什么是知识”这一根本问题需要得到解决,以便使教学过程自动化。问题不仅在于不存在任何普遍的定义,而且关于知识的方法也是跨学科的(例如,见http://oxforddictionaries.com/definition/english/knowledge中的定义)。在BIKE系统术语中,知识被定义为一组结构化和非结构化的信息,具有存储在默认结构内的知识表的一行中的指定内容[2]。这使个人能够利用数据库技术和现有编程语言的巨大力量。关于学士教学的所有产出都与开发BIKE进行知识处理184Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)182重点是个性化方法和教学过程自动化,不断出版,例如[3-5]。我们可以把系统BIKE想象成一个个人知识系统或基础,它在开始时是空的。知识处理的成功取决于用于将人类或非人类知识记录到知识表中的方法。图1. (a)说明了内容如何存储在知识表中的示例。它可以由字符串和文本组成,例如个人笔记,ASCII字符(“非人类知识源”,例如存储的jpg或mp3文件),或者可以直接从BIKE(这里是C++)编辑和启动的编程代码。备忘录字段中的内容由一行中其他列中的数据和信息标识。图1. (b)说明了一个典型的可浏览的输出后,知识转换为html格式。右边窗口中的转换内容表示来自科学书籍的扫描文本;左边窗口显示包含知识的可滚动菜单。理想_PLNPHP开发工具伏海米亚伏海米亚理想_PLN理想_PLN图1.一、(a)知识表的一行中的内容类别的示例;(b)可浏览输出的示例(化学)图2. (a)说明了人们在解决日常任务时如何使用和处理知识的方法。用户处理来自各种来源的信息(互联网、个人知识、期刊、手机等)一步一步地通过许多层次,把它转化为知识,这是在他们的头脑。这些知识用于支持个人过程;然而,人们必须在它们之间切换知识的处理Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)182185信息学工具主 动 学习 , 包括VLE教学过程写半世纪的作品混合老师新的教学方法统一内容沟通渠道论坛来源:数据信息(知识)12n处理级别n处理1级处理1级知识学习分析教育数据挖掘是循环的,因为新的知识输出变成了可重复处理的输入。图二. (b)说明了这在教学实践中是如何起作用的。在过去的几年里,自行车建立了一个支持性的基础设施,作为一个个性化的技术增强的学习系统。该系统的一部分与知识表是在教师的计算机和其他部分被放置在教师的服务器(教学和学习内容,图书馆,通信渠道,计算区域,测试等)。这使教师能够解决知识处理的自动化,以便进行创新并设计新的教学方法。在参与性行动研究中,发现内容、教学和交流过程必须统一,以便计算机化。图2. (b)从[4]说明,如果我们有一个实现的基础设施和基于知识的系统,我们可以开始学习分析和挖掘技术。支持的进程内容库教学化学计算自行车(充电板)图二. (a)由人类处理知识的方案;(b)由BIKE186Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)182关键字数量量职业虚拟组件增强电子学习0.0026410.0052020.0048020.0043220.00216111314769找到d:\SCAN\250Files_MEMOTP_FindTEL.jpgd:\SCAN\250Files_KeywordsPocetnost219_Hotod:\SCAN\250Files_KeywordsPocetnost219_Dyna查找:替换为:选项忽略周围的情况技术增强学习替换全部替换全部取消d:\SCAN\250Files_KeywordsPocetnost219.jpgd:\SCAN\250Files_Slovo120prg_VillachDBF_Qd:\SCAN\250Files_MEMOTP_FindTEL_Vysledd:\SCAN\250Files_MEMOTP_FindTEL_Vysledd:\SCAN\ 250Files_Ke和 sPocetnost219K OD匹配整个单词搜索Backward找到3. 知识处理与挖掘技术结合的解决实例知识系统BIKE在分析文档、浏览或在线或离线在互联网数据库中进行高级多语言搜索时非常有用。这被编程为“字符串挖掘”。挖掘什么(数据、信息、知识)和从哪里(WEB、个人客户端计算机、CD-ROM、USB)都无关紧要,例如,分析了国际化学品法委员会会议记录(Villach,2012年)。大约200个PDF文件(论文)通过USB转换为一个PDF文件,然后转换为文本文件(通过Nuance软件)。创建了一个新的知识表,并将文本文件追加到一行中。将6 MB文本划分为单个单词需要数小时,因此将文本块(关键字和摘要)提取到两个表中,每个表约有200行,然后将其转换为可浏览的格式和单个单词。这导致了一千个关键词,根据出现频率最高的情况进行了分析。图三.在屏幕截图上说明了这些步骤(知识表-可浏览的html文件-输出),以及出现的关键字的数量,例如,六篇论文侧重于技术强化学习(教师的专业知识)。关于关键字组件(参见47次出现),计算机仅指示来自关键字组件的字符串组件。这不是关键字!此外,这些数据库大多是多语种的,因此对个人的认知负荷非常高,例如,欧盟CORDISMarketplace数据库侧重于五种语言的资助项目结果(http://cordis. europa.eu/marketplace/)。图3说明了用户如何创建一组可浏览的导航文件用于研究目的。图三. 从文件Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)182187见图4。 浏览10 157记录(离线/在线)在市场4. BIKE系统方法与最先进方法的比较自行车系统的开发意图是,计算机就像用户的伙伴一样,应该扩大一个人的生活质量和可持续性。根据BIKE的一位作者的观点(Svetsky),知识的范式和定义类似于人们如何思考和行动。人们执行的过程使用的知识需要工作到日常生活中。知识也是教与学的一个关键要素。第一个发展阶段的重点是对信息来源和知识表之间的知识流动(I)进行规划(基本上,内容问题已经计算机化)。下面的问题,知识流动(二)-知识基础和教学过程之间?教师和学生之间的知识传递如何?答复指出了一些活动,如教师必须准备教材、知识流文本(一),必须在有限的时间和空间内与学生交流,并在课堂上集中知识(主题),同时考虑教学质量。因此,知识流(二)也应该加以规划。这导致了一项战略,即技术强化学习应被理解为教师或学习活动的自动化,其中知识是关键参数。在此之后,人们发现,编写代码来解决知识流(II)需要如果没有这种方法,任何程序员都不会知道如何对通信和教学过程进行编程。因此,技术强化学习的方法必须188Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)182主要是教育驱动。这方面在实际文献中经常被强调,例如[6]。[7]中给出了与教育驱动的计算机支持相关的非常精确的信息。这一趋势在FP7研究方案所述的欧盟信通技术政策中也很明显,例如,目标8.1“技术强化学习”的先前预期成果是:技术强化学习系统,科学、技术和数学教育技术,计算工具,通过信息和通信技术开展全新学习形式的探索活动。例如,预期的影响是“通过对教育技术进行更强有力和更明智的调整和个性化,发挥个人的潜力”。因此,发展中的支持系统的自行车是符合这一研究政策(如图2所示)。最新的FP7 ICT呼叫集中在学习分析和教育数据挖掘上。在这方面,进一步的活动还侧重于采矿技术(也见图2)。关于挖掘技术,知识工作者不区分数据/文本/知识/ Web挖掘。按照知识的定义,这被理解为知识挖掘,分别是字符串挖掘。这使得人们能够应用可重复的编程代码。与文本挖掘的一致性可以与[8,9]进行比较。在[9]中讨论的文本数据级别上的知识表示的中间形式,唤起了一种新的想法,即将知识表理解为更高级别上的中间形式(BIKE的作者操作知识表就像操作数据类型一样)。BIKE的方法类似于最大限度地减少信息过载,共享信息或解决多任务处理的趋势,例如在欧盟项目Active中,有人认为在任务环境之间切换以提高知识工作者的生产力是工作者最难做的事情之一[10]。许多共同点是在高级搜索和信息检索领域。人们可以从BIKE的用户菜单中选择支持知识起关键作用的过程或任务。一个人可以利用知识的“任何”一个想要的-搜索,提取,挖掘,转换,交换,共享,加入或批量互联网检索(后者是由学生使用)。所有这些都发生在知识表中。因此,自行车与电气工程和信息学院控制论和人工智能系的活动相似[11]。在BIKE的作者在该学院的讲座之后从另一个角度来看,该系统被视为个性化的知识管理系统[12]。5. 结论在知识定义和批量知识处理范式的基础上,通过知识处理实例,给出了支持性知识系统BIKE。这一系统包括几十个信息学类别,特别是高级搜索、检索和“字符串挖掘技术”(离线和在线)。这个内部开发的数据库应用程序使个人能够以用户友好的方式支持人类决策、教学、知识管理、行政和其他行动。自行车作为用户的合作伙伴,它有自己的“社会记忆”,提高个人的表现和自动化的个人活动。通过对文献的分析和对多语种互联网数据库Marketplace的探索,详细解释了解决知识处理问题的方法,并作了简要说明。BIKE方法还与最先进的方法进行了比较。未来的重点之一应该是通过使用BIKE系统来学习分析和分析学生Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4(2013)182189确认这项工作得到了KEGA第047 STU-4/2012号资助项目的支持:在复杂形状部件的加工领域建立在线教学室。引用[1] 萨尔约河数字化工具和对学习制度传统的挑战:技术、社会记忆和学习的表演性质计算机辅助学习杂志第26卷,第27页。53[2] Svetsky等人,《技术增强学习的个性化方法的实施》。工程与计算机科学讲座笔记。第2186卷,第1期,2010年,pp. 321-323[3] Svetsky,S.个性化知识处理的特殊方法。在:智能和软计算的进展。Springer-Verlag BerlinHeidelberg,2012,pp. 937-946[4] Svetsky等人,《技术增强学习的个性化方法的实施》。工程与计算机科学讲座笔记。第一卷,2012年,pp. 290-296.[5] Svetsky,S.在技术强化学习和电子学习中知识构建和教学过程自动化的实践方面。阻碍论题。斯洛伐克科技大学; 2012年。[6] Derry,J. Technology - Enhanced Learning:A Question of Knowledge.《教育哲学杂志》,第42卷,页。505[7] Goodman Paul S.,技术强化学习:变革的机会。Laurence Erlbaum Associates,Mahwah,NJ,USA;2002年。[8] 德鲁韦斯湾文本挖掘的一些工业应用。知识挖掘。研究方向:Future and Soft Computing。施普林格出版社,柏林海德堡。第185卷,2005年,第233-238页。[9] Justicia de la Torre,M. Consuelo,et al.文本知识挖掘:文本挖掘的一种方法。西班牙,ESTYLF2008:第十四届西班牙模糊技术和法律大会。[10] 将知识置于上下文中,以结束信息过载。研究欧盟结果杂志。信息技术和电子通信。否2012年4月11日。[11] Paralic,J.,Paralic,M.,马赫,M.分布式环境下知识管理的支持。Informatica基于知识的软件工程信息技术。第25卷卢布尔雅那; 2001年。[12] Svetsky et.在研发和教育中为知识管理提供信息技术支持。ICL 2012年。第15届互动协作学习国际会议,奥地利菲拉赫。- Piscataway:IEEE,2012年。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功