处理人类和非人类知识源并结合挖掘技术的辅助系统

0AASRI Procedia  4（2013）182-18902212-6716 © 2013 The Authors. Published by Elsevier B.V.under responsibility of American Applied Science Research Institute doi:10.1016/j.aasri.2013.10.0280ScienceDirect02013年智能系统和控制的AASRI会议0支持人类和非人类知识源处理和挖掘技术的系统0Stefan Svetsky a , Oliver Moravcik b *0斯洛伐克技术大学-特尔纳瓦材料科学与技术学院，Paulinska 16，91724特尔纳瓦，斯洛伐克斯洛伐克技术大学-特尔纳瓦材料科学与技术学院，Paulinska 16，917 24特尔纳瓦，斯洛伐克0摘要0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，并在各种不确定的过程中不断切换。此外，用户需要许多软件解决方案以保持可持续性。本文涉及一种名为BIKE的多功能预编程知识系统，它使个人能够将知识处理和计算机化知识基础过程作为一体化解决方案。该系统作为一种基于数据库技术和布尔逻辑的交互式软件应用程序运行。它涵盖了计算机科学的几个领域，从跨学科的知识定义、知识表和制定的批量知识处理范式开始。本文解释并说明了如何在个人层面上实际运用。© 2013 Stefan Svetsky，Oliver Moravcik。由ElsevierB.V.出版。在美国应用科学研究所的责任下进行选择和/或同行评审关键词：数据库技术；知识处理系统；挖掘技术；技术增强学习；FPW 2.6a0* 通讯作者。电话：+421 906 068165；传真：+421 33 5511758.电子邮件地址：oliver.moravcik@stuba.sk0在线获取 www.sciencedirect.com0© 2013 The Authors. Published by Elsevier B.V.responsibility of American Applied Science Research Institute0以CC BY-NC-ND许可证进行开放访问。0以CC BY-NC-ND许可证进行开放访问。0183  Stefan Svetsky和Oliver Moravcik / AASRI Procedia  4（2013）182-18901. 引言0在处理知识时，它与人类思维的心理过程相关联。这些过程非常复杂和复杂，也就是说，它们自动不确定，并具有大量的潜在解决方案。这使得任何与数据、信息和知识处理相关的计算机支持都变得复杂。然而，尽管存在许多单一目的的知识处理或挖掘技术方法，但仍然缺乏通用的方法或软件应用。知识是教学、学习、决策、知识管理和其他个人日常过程中的关键要素。例如，如果一个人拥有完美的信息获取软件，这并不意味着它会自动成为创作教学文本的合适基础（关于教育内容的质量如何？）。同样，在教学、沟通、反馈方面，教学方法的质量如何？也许这样的软件在解决技术系统内的自动化方面是完美的。在生活系统中，学生或个人用户（通过非正式学习、自学）是否能够理解主题尚不确定（这是一个长期的旅程，需要经历许多处理步骤，从选择最佳内容从信息来源到转化为学习者的大脑）。关于教育机构层面的计算机支持的挑战在[1]中得到详尽讨论（关于将知识从教科书转移到全球社会记忆）。在教学学士学位时，上述所有知识问题都在个人层面上得到解决，这是在实施技术增强学习时的一个方面（作为欧盟研究政策优先事项之一）。这导致开发了一种支持个性化的系统BIKE（批处理信息和知识编辑器）。该系统的核心是在传统FPW2.6a数据库平台上编程的数据库应用程序。但是，该应用程序适应了当前的技术，即它侧重于与常见的互联网浏览器、Windows、免费软件、开放源码和办公套件以及其他数据库平台（MySQL、IBMDB2）的互操作性。使用BIKE使用户能够将各种信息技术活动结合在一起，否则将需要数十个单一用途的软件应用程序。本文更详细地阐述了BIKE处理知识和挖掘技术的方法。02. 在支持系统BIKE中处理知识0BIKE系统通过批量知识处理范式解决了处理知识的问题，这种范式使用户能够实时处理大量的知识。知识在知识表中以批量方式处理。人类自然而然地需要处理“大量”的“知识”。最初，该系统并非是用于处理知识的工具，而是用于在竞争激烈的市场条件下保持可持续性。如何处理大量数据和信息的方法最初在工业研发实验室中解决。员工将该系统命名为Zapisnik（写字板）。随后在大学中，通过在技术增强学习的实施中使用BIKE，对该系统进行了修改以进行知识处理。关于“知识是什么”的基本问题需要解决，以实现教学过程的自动化。问题不仅在于不存在任何通用定义，而且对知识的方法是跨学科不同的（例如，请参阅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，存储在知识表的一个默认结构中[2]。这使得个人能够利用数据库技术和现有的编程语言的巨大能力。与学士学位有关的教学的所有输出都与开发用于知识处理的BIKE的进展相关。 0184 Stefan Svetsky和Oliver Moravcik / AASRI Procedia  4（2013）182-1890以个性化方法和教学过程的自动化为重点，我们不断地发表论文，例如[3-5]。可以将系统BIKE想象成一个个人知识系统或基础，一开始是空的。获取知识的成功取决于将人类或非人类知识录入到知识表中所使用的方法。图1.（a）示例说明了如何将内容存储在知识表中。它可以包含字符串和文本，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），或可以直接从BIKE编辑和启动的编程代码（这里是C++）。备忘字段中的此内容由同一行的其他列中的数据和信息所识别。图1.（b）说明了在将知识转换为html格式后的典型可浏览输出。右窗口上的转换内容代表从科学书籍中扫描的文本；左窗口显示包含知识的可滚动菜单。0图1（a）是知识表中一行内容类别的示例；（b）是可浏览输出的示例（化学）0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。用户逐步通过多个层次将来自各种来源（互联网，个人专业知识，期刊，手机等）的信息转化为知识，这些知识在他们的头脑中。这些知识用于支持个人过程，但人们必须在它们之间切换。对知识的处理是循环的，因为新的知识输出成为可重复处理的输入。0IDEALNY_PLYN0PHP LOG0VOHEMIA0VOHEMIA0IDEALNY_PLYN0IDEALNY_PLYN0185  Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4（2013）182-1890是循环的，因为新的知识输出成为可重复处理的输入。图2（b）说明了这在教学实践中的工作原理。在过去的几年里，BIKE建立了一个支持性基础设施，作为个性化技术增强学习系统。系统的一部分与知识表位于教师的计算机上，另一部分位于学院的服务器上（教学和学习内容，图书馆，通信渠道，计算区域，测试等）。这使得教师能够解决知识处理的自动化，以便进行创新和设计新的教学方法。在参与性行动研究中，发现内容、教学和沟通过程必须统一起来，才能进行计算机化。图2（b）来自[4]说明了如果我们有一个实施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。0图2（a）是人类进行知识处理的方案；（b）是BIKE实施新教学方法的方案0处理级别10处理级别10处理级别n的知识0来源：数据信息（知识）0n0支持的过程0BIKE（WritingPad）0内容图书馆教学文本化学计算器0用于主动学习的信息学工具集，包括VLE0通信渠道FORUMs0MIX0学习分析教育数据挖掘0统一内容0教师0新的教学方法0教学过程写作学期作品 0186  Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4（2013）182-18903.在实践中解决知识处理和结合挖掘技术的示例0知识系统BIKE在分析文档、浏览或在在线或离线的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“串挖掘”。无论挖掘什么（数据，信息，知识）以及从哪里挖掘（WEB，个人客户端计算机，CD-ROM，USB），例如，ICL会议论文被分析了（Villach，2012）。约200个USB上的pdf文件（论文）被转换为一个PDF文件，然后转换为文本文件（使用Nuance软件）。创建了一个新的知识表，将文本文件附加到一行中。将6MB的文本分成单个单词将需要几个小时，因此将文本块（关键词和摘要）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。结果是得到了一千个关键词，根据出现频率最高进行了分析。图3说明了这些步骤的屏幕截图（知识表-可浏览的html文件-输出），以及出现的关键词数量，例如，有六篇论文集中在技术增强学习（教师的专业知识）上。关于关键词组件（参见47次出现），计算机只指示来自关键字组件的字符串组件。这不是关键词！知识工作者需要从专业互联网数据库中持续搜索、浏览和挖掘知识，这些数据库专注于研究新闻、技术数据、科学信息等等。此外，这些数据库大多是多语言的，因此个体的认知负荷极高，例如，EUCORDISMarketplace数据库关注来自资助项目的结果（http：//cordis.europa.eu/marketplace/），有五种语言。图3说明了用户如何创建一组用于研究目的的可浏览导航文件。0图3是来自文档分析的一组屏幕截图的方案0关键词数量金额0职业虚拟组件增强电子学习0d：\ SCAN \ 250Files_MEMOTP_FindTEL_Vysled0d：\ SCAN \ 250Files KeywordsPocetnost219KOD0d：\ SCAN \ 250Files_MEMOTP_FindTEL_Vysled0d：\ SCAN \ 250Files_MEMOTP_FindTEL.jpg0d：\ SCAN \ 250Files_KeywordsPocetnost219_Hoto0d：\ SCAN \ 250Files_KeywordsPocetnost219_Dyna0d：\ SCAN \ 250Files_KeywordsPocetnost219.jpg0d：\ SCAN \ 250Files_Slovo120prg_VillachDBF_Q0查找0查找：0替换为：0选项0忽略大小写匹配整个单词0环绕搜索向后0查找0取消0替换为全部0技术增强学习 0187  Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4（2013）182-1890图4. 在市场中浏览10,157条记录（离线/在线）04.将BIKE系统方法与最先进的方法进行比较0自行车系统的开发目的是让计算机像用户的伴侣一样扩展他的生活质量和可持续性。根据BIKE的作者之一Svetsky的观点，知识的范式和定义类似于人们的思维和行为方式。人们执行使用知识的过程，这些知识需要被融入日常生活。知识也是教学和学习的关键要素。开发的第一阶段集中于在信息源和知识表之间进行知识流（I）的编程（基本上，内容问题被电脑化）。接下来出现了一个问题，知识流（II）-在知识库和教学过程之间的知识传递如何？关于教师和学生之间的知识传递如何？答案指向了一些活动，比如，教师必须准备教材，从知识流（I）中提取的文本，并且必须与学生进行沟通，并在有限的时间和空间内集中知识（主题），同时考虑教学质量。因此，知识流（II）也应该被编程。这导致了一种技术增强学习的策略，即将其理解为教师或学习活动的自动化，其中知识是关键参数。在此基础上，发现通过编写代码解决知识流（II）需要通过将内容和教学过程统一起来来“帮助计算机”，以便实现电脑化。没有这种方法，任何程序员都无法想象沟通和教学过程必须如何编程。因此，技术增强学习的方法必须是“0188 Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4（2013）182 - 1890主要以教育为导向。这一方面在实际文献中经常被强调，例如在[6]中。关于以教育为导向的计算机支持的详细信息在[7]中给出。这一趋势在欧盟ICT政策中也很明显，该政策在FP7研究计划中提出，例如Objective8.1的先前目标成果包括：增强技术学习系统，面向科学、技术和数学的教育技术，计算工具，通过ICT进行基本新型学习的探索性活动。例如，预期的影响是“通过更强大和智能的教育技术来释放个人的潜力”。因此，BIKE这个发展中的支持系统符合这一研究政策（如图2所示）。最新的FP7ICT项目专注于学习分析和教育数据挖掘。在这个背景下，进一步的活动也集中在挖掘技术上（也在图2中示例）。关于挖掘技术，知识工作者不区分数据/文本/知识/网络挖掘。根据知识的定义，这被理解为知识挖掘，或者称为字符串挖掘。这使得人们可以应用可重复的编程代码。与[8,9]相比，与文本挖掘的一致性可以得到验证。在[9]中讨论的文本数据层面上的中间形式，引发了将知识表视为更高层次的中间形式的新理念（BIKE的作者将知识表视为数据类型一样处理）。BIKE的方法类似于最小化信息过载、共享信息或解决多任务处理的趋势，例如在欧盟项目Active中，有人认为切换任务上下文以提高知识工作者的生产力是工作者最困难的事情之一[10]。在高级搜索和信息检索领域有很多共同点。人们可以从BIKE的用户菜单中选择项目，以支持知识起关键作用的流程或任务。人们可以利用知识为自己想要的任何事情服务-搜索、提取、挖掘、转换、交换、共享、连接或进行批量互联网检索（学生们常用后者）。所有这些都发生在知识表中。因此，BIKE的应用也面向知识管理领域，因为该系统作为基于知识的软件应用程序工作。与Faculty of ElectricalEngineering and Informatics的Cybernetics and Artificial IntelligenceDepartment的活动相似。在BIKE的作者在该学院的讲座后，学生将BIKE归类为一个知识库存储系统。从另一个角度来看，该系统被介绍为个性化的知识管理系统。05. 结论0BIKE支持性知识系统通过基于知识定义和批处理知识处理范式的示例展示。该系统涵盖数十个信息学类别，包括高级搜索、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以用户友好的方式为个人提供人类决策、教学和学习、知识管理、行政管理和其他行为的支持。BIKE作为用户的伙伴，拥有自己的“社交记忆”，提高个人的绩效并自动化个人活动。解决知识处理问题的方法被详细解释，并通过分析文档和探索多语言互联网数据库Marketplace进行简要说明。BIKE的方法也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系统进行学习分析和分析学生行为。0189 Stefan Svetsky和Oliver Moravcik / AASRI Procedia 4（2013）182 - 1890致谢0本工作得到了资助项目KEGA No. 047STU-4/2012的支持：建立在线教育机房，用于复杂形状零部件的加工。0参考文献0[1] Saljö, R. Digital tools and challenges to institutional traditions of learning: technologies, social memory and the performative nature of learning. Journal of Computer Assisted Learning.Vol.26, pp. 53–64; 2010. [2] Svetsky, et al. The Implementation of the Personalised Approach for Technology Enhanced Learning. Lecture Notes in Engineering and Computer Science.Volume 2186, Issue 1, 2010, pp. 321-323. [3] Svetsky, S. et al. The Particular Approach for Personalised Knowledge Processing. In: Advances in Intelligent and Soft Computing.Springer-Verlag Berlin Heidelberg, 2012, pp. 937-946. [4] Svetsky, et al. The Implementation of the Personalised Approach for Technology Enhanced Learning. Lecture Notes inEngineering and Computer Science. Volume I, 2012, pp. 290-296. [5] Svetsky, S. The practical aspect of knowledge construction and automation of teaching processes withintechnology-enhanced learning and eLearning. Habilitation thesis. Slovak University of Technology; 2012. [6] Derry, J. Technology-Enhanced Learning: A Question of Knowledge. Journal ofPhilosophy of Education, vol. 42, pp. 505–519; 2008. [7] Goodman Paul S., et al. Technology Enhanced Learning: Opportunities for Change. Laurence Erlbaum Associates, Mahwah, NJ, USA;2002. [8] Drewes, B. Some Industrial Applications of Text Mining. Knowledge Mining. Studies in Fuzziness and Soft Computing. Springer-Verlag, Berlin Heidelberg. Volume 185, 2005, pp.233-238. [9] Justicia de la Torre, M. Consuelo, et al. Text Knowledge Mining: An Approach to Text Mining. Spain, ESTYLF 2008: XIV Congreso Español sobre Tecnologías y Lógica Fuzzy. [10]Putting knowledge in context to end information overload. Research EU Results magazine. IT and Telecomunication. No 11 April 2012. [11] Paralic, J., Paralic, M., Mach, M. Support ofKnowledge Management in Distributed Environment. Informatica. Knowledge Based Software Engineering Information Technology. Vol. 25. Ljubljana; 2001. [12] Svetsky et. al. IT Supportfor Knowledge Management within R&D and Education. ICL 2012. 15th International Conference on Interactive Collaborative Learning Villach, Austria. - Piscataway: IEEE, 2012.