計算機硬件性能的提升和云計算技術(shù)的發(fā)展提高了科技文獻信息檢索的速度和多類型數(shù)據(jù)聚類問題,但檢索的對象還不能直接進入文獻內(nèi)容的事實知識,因而難以實現(xiàn)智能化的科技文獻大數(shù)據(jù)知識的問題快速回答和推薦服務(wù)功能,由此大數(shù)據(jù)環(huán)境下的科技文獻信息瀏覽方式越來越增加了科技人員獲取創(chuàng)新點知識的時間和負(fù)擔(dān)。究其原因有兩點,一是科技文獻的數(shù)據(jù)模型是非結(jié)構(gòu)化文本數(shù)據(jù)結(jié)構(gòu),二是傳統(tǒng)的信息檢索系統(tǒng)的數(shù)據(jù)庫不支持非結(jié)構(gòu)化的文本數(shù)據(jù)結(jié)構(gòu)。這兩點制約了科技文獻大數(shù)據(jù)成果與用戶問題智能化和自動化回答服務(wù)的發(fā)展。針對這一問題,本文提出基于科技文獻大數(shù)據(jù)創(chuàng)新點成果的智能挖掘和知識服務(wù)研究,首先利用人工智能的思想對科技文獻進行創(chuàng)新點成果挖掘,其次建立創(chuàng)新點成果語義知識庫,最后建立基于語義知識庫的智能推理機的問題答案服務(wù)系統(tǒng),以此探索科技文獻大數(shù)據(jù)服務(wù)的瀏覽模型向問題回答的智能化和自動化方向發(fā)展的研究方法。 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 情報學(xué)的文獻主題因素挖掘不足
    2.1 情報學(xué)的信息檢索原理
    2.2 情報檢索語言的發(fā)展
    2.3 文獻主題多因素有待細分揭示
    2.4 文獻內(nèi)容需要智能挖掘和提取
3 人工智能開啟文本知識應(yīng)用新模式
    3.1 文本中的知識挖掘與知識存儲
        3.1.1 數(shù)據(jù)存儲技術(shù)對大數(shù)據(jù)管理的挑戰(zhàn)
        3.1.2 非結(jié)構(gòu)化文本挖掘?qū)Υ髷?shù)據(jù)利用的挑戰(zhàn)
    3.2 認(rèn)知文本知識智慧的挑戰(zhàn)
        3.2.1 RDF與KB的知識模型融合發(fā)展
        3.2.2 認(rèn)知文本知知識智慧的認(rèn)知計算
4 文本知識挖掘與智能問答應(yīng)用的關(guān)鍵技術(shù)
    4.1 科技文獻創(chuàng)新點智能問答系統(tǒng)架構(gòu)
    4.2 文本蘊含關(guān)系的識別與提取
    4.3 自然語言句子到RDF知識結(jié)構(gòu)之間的映射
    4.4 RDF到謂詞關(guān)系推理的語義最佳匹配
    4.5 研究進展
    4.6 問答演示系統(tǒng)
5 結(jié)束語


【參考文獻】：
期刊論文
[1]主題成因的知識元本體轉(zhuǎn)換模型研究[J]. 溫浩,溫有奎.  情報學(xué)報. 2011 (11)



本文編號：3667933