论文摘要
认知图是一种新型知识表达和知识管理工具,它能以图形的形式直观地描述现实环境中的实体以及实体间的因果关联。因其具有直观的知识表达能力、强大的基于矩阵的推理机制等特点,而越来越受到学术界的高度重视,并已经逐渐成为人工智能领域的新的研究方向。传统的认知图构建方法主要依赖相关领域内专家的知识和经验。这样的方法存在两方面的缺陷。其一,忽略了相关领域内多年存储的数据资源,而其中包含着大量有用信息;其二,专家知识往往存在着主观性、片面性等不足,所构建的认知图难免会与现实环境存在着差距。该文从数据资源的角度出发,通过训练相关领域内数据资源来挖掘认知图。整个挖掘过程分为数据预处理、认知图节点选取、认知图挖掘三个部分。该文对各个部分进行了深入的研究和探讨。在数据预处理部分,提出了一种新的噪声数据检测算法,和传统的方法相比,此算法效率更高;在认知图节点选取部分,提出了一种基于粗糙集理论的认知图节点选取算法,实验结果表明,该算法能把不能够刻画系统关键特征的属性剔除掉,从而得到精炼的并能描述系统特征的属性集合;在认知图挖掘部分,在对认知图节点间因果关系的定性、定量分析的基础上,提出了一种新的认知图挖掘算法;和传统方法相比,该算法挖掘出的认知图包含更为丰富的信息。最后,在上述研究的基础上,设计开发了基于数据资源的认知图挖掘系统,并通过实际案例对整个系统的功能模块以及操作流程进行了详细的介绍。案例结果分析表明,该系统在挖掘认知图的过程中充分利用了数据资源,并且不需要依赖专家的知识和经验,所挖掘的认知图能准确地表达数据资源中蕴含的知识。