面向服务的知识发现体系结构研究与实现

被引：16

作者：

杨立

左春

王裕国

机构：

[1] 中国科学院软件研究所

来源：

计算机学报 | 2005年 / 04期

关键词：

知识发现; 面向服务的体系结构; 自然语言界面; 质量; 本体; 元学习;

D O I：

暂无

中图分类号：

TP311 [程序设计、软件工程];

学科分类号：

摘要：

知识发现服务(Knowledge Discovery Service,KDS)作为一种数据、计算、语义密集型的高层服务应用,用户通常需要具备非常全面的知识才能正确使用.如何实现一个面向最终用户的、智能的、有质量保证的 KDS架构面临很多困难.现有的研究提出了利用数据挖掘本体和预测执行时间的方法来帮助用户选择正确并且高质量的 KDS.但是数据挖掘本体只是对数据挖掘的方法进行枚举,无法保证服务的质量,而预测执行时间的方法不能体现KDS本身的特点,因而难以获得满意的服务效果.为了更有效地辅助最终用户在面向服务的体系结构(Service OrientedArchitecture,SOA)上自助地实现知识发现应用,该文提出了一种新的面向服务的知识发现体系结构——SOA4KD,将用户的知识发现需求分为内容需求和质量需求,并提出了扩展的知识发现任务本体 EKDTO,以自然语言的方式进行用户意图获取;在考虑到KDS的服务特性的前提下,充分分析了KDS自身的特点,提出了KDS质量本体KDSQO,采用元学习来进行选择最适合的KDS.相对于目前的体系结构,提出了为最终用户提供高质量知识发现服务的一些新方法和技术,为面向服务的知识发现系统设计与实现提供了一个新的参考模型.

引用

页码：445 / 457

页数：13

共 2 条

[1]

Ranking Learning Algorithms: Using IBL and Meta-Learning on Accuracy and Time Results[J] . Pavel B. Brazdil,Carlos Soares,Joaquim Pinto da Costa.Machine Learning . 2003 (3)

[2]

Beyond Market Baskets: Generalizing Association Rules to Dependence Rules[J] . Craig Silverstein,Sergey Brin,Rajeev Motwani.Data Mining and Knowledge Discovery . 1998 (1)

← 1 →