知识表征

摘要： 建构主义教学理论强调学习活动是学习者在原有知识经验的基础上主动对新信息进行加工处理,并建构知识意义(或知识表征)的过程。语文教学因其语篇教学的特征和语义解读的个性化追求,常在因文解意上下足功夫,而较少在语用规律和语用能力的迁移上着力,致使许多学生拿到新文章不会解读,或者学了文章却不会运用其中的语言表达规律。

摘要： 术语是知识表征的最基本单元,也是学科体系的最小基石。或可简言之,术语是学术话语的基本单位。学术讨论的媒介和结果离不开学术话语。正因为如比,我们在讨论语文是什么时,不妨把"语文"作为一个术语来看待。如此,似更有助于我们把"语文是什么"这个宏观的问题落实到微观层面。此外,作为一个核心术语,我们可以由"语文"衍生出术语群。

摘要： 知识内容的表达形式和解释线索是多样的,每个人的学习需求和学习路径也不相同,但受到真实空间条件的约束,传统博物馆通常只能以相对固定的形式呈现内容。虚拟博物馆可以突破传统展览条件的限制,实时重组空间的构成关系,为每位用户打造动态的展览空间和游览路线,将固定的展厅和展墙转换为可供自由探索与学习的动态知识网络,让知识内容以更适合学习的形式呈现。在相关的研究和设计应用中,应当尽可能排除真实空间形式或其他媒体形式的思维惯性,以知识内容的特点为基础,围绕用户的认知规律和学习需求展开研究和设计创新。本文以认知学知识表征理论为基础,将知识内容的网络表征形式与展览内容在虚拟空间中的组织和浏览线索相结合,设计了多种虚拟博物馆的动态空间构成关系,为相关研究和应用提供参考。

摘要： 近年来,卷积神经网络已经在人工智能领域取得了巨大成功,例如,区块链、语音识别、图像理解等.然而,随着模型准确率的不断提高,与之伴随的是网络模型计算量与参数量的大幅增长,从而带来了诸如处理速度小,内存占用大,在移动端设备上难以部署等一系列问题.知识蒸馏作为一种主流的模型压缩方法,将教师网络的知识迁移到学生网络中,从而在不增加参数量的情况下优化学生网络的表现.如何挖掘具有代表性的知识表征进行蒸馏成为了知识蒸馏领域研究的核心问题.本文提出了一种新的基于模型隐含层相关联算子的知识蒸馏方法,借助数据增强方法准确捕获了图像特征在网络中间层每个阶段的学习变化过程,利用相关联算子对该学习过程进行建模,从而在教师网络中提取出一种新的表征信息用于指导学生网络训练.实验结果表明,本文所提出的方法在CIFAR-10、CIFAR-100两种数据集上,相较于目前最优方法均取得了更好的性能.

摘要： 裁剪是简化系统、降低系统成本、消除系统负面功能、提高产品质量的一种有效创新设计方法.但由于设计人员自身知识局限性、思维惯性等原因,传统裁剪方法很难达到理想的创新设计效果.本文针对当前裁剪创新方法存在的不足,提出了问题识别和系统关键缺陷元素确定方法,基于多领域知识表征及功能基检索的系统可用资源挖掘方法等方法,完善了裁剪方法体系,为研发人员提供示范.

摘要： 为深入了解操纵员数字化界面认知机理,识别界面管理任务对操纵员完成主任务的影响,文章通过多次一回路小破口模拟实验辨识操纵员的操作过程,分析和确认操纵员在操作过程中的知识表征模式,并在此基础上模拟实验,验证发现界面管理任务会增加操纵员完成主任务的时间,且对操纵员完成以空间图像表征为主的主任务的影响大于以抽象命题表征为主的主任务.

摘要： 在日常教学中我们常能发现,对于同一知识点,有的学习者理解深刻,记忆准确,而有的学习者理解得较为肤浅,容易遗忘。从认知心理学的角度来看,这是学习者对学习内容的表征方式不同造成的。科学合理地组织知识结构,优化知识的建构方式,有利于知识的存储和提取,有利于提高学习效率。

摘要： 陶行知强调"为教而学",要达到这一目标,学生必须对所学知识进行准确的表征.高中生物教学中,可以引用"三重表征"的教学成果.通过三重表征促进学生深度学习的思路是,基于对教学内容与教学对象的综合判断,确定教学起点;在三重表征转换的过程中,引导学生进行深度思维;基于学生的学习结果,反思学生的深度学习过程,判断三重表征的教学效果以及改进空间."三重表征"中宏观、微观和符号的表征及相互转化对培养学生科学思维有着重要的作用,而学生的思维一旦被激活,深度学习就会自然发生.

摘要： 随着自然语言处理(NLP)领域中预训练技术的快速发展,将外部知识引入到预训练语言模型的知识驱动方法在NLP任务中表现优异,知识表示学习和预训练技术为知识融合的预训练方法提供了理论依据.概述目前经典预训练方法的相关研究成果,分析在新兴预训练技术支持下具有代表性的知识感知的预训练语言模型,分别介绍引入不同外部知识的预训练语言模型,并结合相关实验数据评估知识感知的预训练语言模型在NLP各个下游任务中的性能表现.在此基础上,分析当前预训练语言模型发展过程中所面临的问题和挑战,并对领域发展前景进行展望.

摘要： 命题符号理论以命题作为知识表征的基本单位,但对命题之"从何而来、如何而来"尚未厘清.研究聚焦构成命题的奠基元素,基于知识发生的视角看知识表征,对既有理论的表征机理展开发生学追问;通过回溯哲学认识论层面上"知识何以可能"问题的思想成就,尝试自先验条件开始把握命题的发生发展机理,在发生学的意义上对既有命题表征问题给出新的诠释;进一步阐述对于认知心理学、语言学等部门科学以及知识表征工作的启发和建议.

摘要： 知识表征是认知科学领域研究的重要内容。本文回顾知识表征的理论发展，讨论信息化的知识表征的理论意义及方法，分析了文字表征、图式表征、超文本表征、多媒体及虚拟现实表征的特点及在认知中的作用。

摘要： "有机化学"反应机理的学习存在着复杂因素,该调查表明学习者对"不对称烯烃与溴水加成反应"存在的认知迷思,教育者应该重视学习者对微观结构和符号表征的理解,以及程序性知识表征的综合训练,以建构正确的科学观念.rn 不对称烯烃与溟(Br2)的亲电加成反应是学习者较早接触到的反应机理，其反应的立体化学过程是教学的难点.对于不对称烯烃与嗅水(HOBr)的亲电加成反应而言，该反应与前一反应极为相似，但是要考虑次嗅酸分子内极性分布等影响因素.以往教学实践表明，部分学习者对该反应机理存在一定迷思.因而，采用分析手段考察学习者的问题解决表征结果，研究其迷思概念，对提高教学质量有实质意义.

摘要： 主要介绍了线条的心理学研究。将心理学研究的方法与以计算机技术为研究手段的方法相区分,线条的心理学研究常使用比较的研究方法,并且以知觉研究为主。研究领域广泛,着重介绍了面孔识别、知识表征和心理模型的研究。

摘要： 与描述组词成句规则系统的传统语法不同,语义语法以文本意思的提取规则为研究内容,其基本范畴乃是由名项及其意义或意思所确定的概念。在俄语文本自动处理过程中,计算机程序能够自动识别文本意思提取的规则,并通过逻辑推导赋予组成文本的语句和语段以意义。语义语法的实用目标是建立智能系统,以满足用户处理俄语文本语义信息的实际需求。揭示语义语法理论的实质,必将有助于研制俄语文本语义处理的程序保障技术。

摘要： 与描述组词成句规则系统的传统语法不同,语义语法以文本意思的提取规则为研究内容,其基本范畴乃是由名项及其意义或意思所确定的概念。在俄语文本自动处理过程中,计算机程序能够自动识别文本意思提取的规则,并通过逻辑推导赋予组成文本的语句和语段以意义。语义语法的实用目标是建立智能系统,以满足用户处理俄语文本语义信息的实际需求。揭示语义语法理论的实质,必将有助于研制俄语文本语义处理的程序保障技术。

摘要： 与描述组词成句规则系统的传统语法不同,语义语法以文本意思的提取规则为研究内容,其基本范畴乃是由名项及其意义或意思所确定的概念。在俄语文本自动处理过程中,计算机程序能够自动识别文本意思提取的规则,并通过逻辑推导赋予组成文本的语句和语段以意义。语义语法的实用目标是建立智能系统,以满足用户处理俄语文本语义信息的实际需求。揭示语义语法理论的实质,必将有助于研制俄语文本语义处理的程序保障技术。

摘要： 与描述组词成句规则系统的传统语法不同,语义语法以文本意思的提取规则为研究内容,其基本范畴乃是由名项及其意义或意思所确定的概念。在俄语文本自动处理过程中,计算机程序能够自动识别文本意思提取的规则,并通过逻辑推导赋予组成文本的语句和语段以意义。语义语法的实用目标是建立智能系统,以满足用户处理俄语文本语义信息的实际需求。揭示语义语法理论的实质,必将有助于研制俄语文本语义处理的程序保障技术。

摘要： 与描述组词成句规则系统的传统语法不同,语义语法以文本意思的提取规则为研究内容,其基本范畴乃是由名项及其意义或意思所确定的概念。在俄语文本自动处理过程中,计算机程序能够自动识别文本意思提取的规则,并通过逻辑推导赋予组成文本的语句和语段以意义。语义语法的实用目标是建立智能系统,以满足用户处理俄语文本语义信息的实际需求。揭示语义语法理论的实质,必将有助于研制俄语文本语义处理的程序保障技术。

摘要： 本发明涉及教育大数据挖掘、图神经网络与学习者行为建模领域，提供一种基于试题异构图表征与学习者嵌入的知识追踪方法，该方法采用深度学习领域中的异构图神经网络技术来表征试题的多维特征，同时，结合项目反应理论对复杂的学习者特征建模，采用聚类等方式捕获学习者的能力特征；最后将试题与学习者混合特征融合至传统知识追踪模型，实现针对不同学习者群体的知识追踪与学习者表现预测。本发明能够科学、全面地对学习者学习情况进行预测，达到辅助教师进行精准教学的目的。

摘要： 本发明实施例公开了时序知识图谱表征模型构建方法和时序知识图谱补全方法，时序知识图谱表征模型构建方法包括：获取时序知识图谱G，每个知识采用四元组(hi,ri,ti,[tis,tie])描述；对时序知识图谱G中的时间信息进行粒度划分，得到离散时间段的静态子知识图谱G1,…Gτ,……,GT；对每个静态子知识图谱Gτ学习建立超平面，获取静态子知识图谱Gτ在超平面中实体、关系和时间的向量表征；利用静态子知识图谱Gτ在超平面中实体、关系和时间的向量表征对构建的LSTM模型进行训练，获得训练后的LSTM模型。本方法构建的模型在传统静态知识图谱的三元组关系表达基础上，通过加入时间维度的四元组描述模型，为海量感知数据提供了一致性的异构数据描述模型。

摘要： 本发明属于计算机技术领域，公开了一种基于知识图谱的意图表征系统及方法，所述基于知识图谱的意图表征方法包括：用户通过前端页面或系统提供的接口输入意图，将意图信息发送至后端进行数据预处理；提取意图关键信息，构建意图知识图谱，以结构化形式刻画意图；基于设计的意图语法规则以规范意图知识图谱，基于参数映射模块以输出含有网络参数的意图知识图谱。本发明通过设计基于EBNF的意图语法规则，以标准范式的意图语言规范解决信息有歧义、用词不标准等问题，将结构化表征的意图规范化，形成通用意图表征模型，解决异构或多类意图输入问题，借助知识图谱的特点准确完备的表示用户意图，基于知识推理算法挖掘用户潜在意图，优化意图表征。

摘要： 本发明提出一种基于意图表征的页岩气细粒度知识图谱推荐方法，属于知识图谱与页岩气领域。该方法利用历史数据辅助探索用户交互背后的意图，通过注意力分数对页岩气用户历史数据进行意图建模，从而细化页岩气用户意图的潜在信息，并最小化用户意图的距离相关性，来保证意图的独立性，使之与其提出的关系路径感知聚合算法相结合，有效捕获细粒度级别三元组模型和实体之间的关系依赖性与感知路径，从而叠加进行预测推荐，使其推荐方案能够从细粒度级别出发根据用户需求变化而变化。本发明与现有推荐方法不同，从页岩气底层出发，在细粒度意图级别捕获用户需求，利用关系依赖性与路径信息，对底层结构重组与计算，为页岩气方案提供灵活高精度推荐。

摘要： 本公开提供了一种风控模型的融合训练方法，包括：接收标签数据并提炼专家知识；将所述标签数据和所述专家知识分别进行多阶特征交叉以获取数据表征和规则表征；基于所述规则表征提纯所述数据表征；以及基于经提纯的数据表征训练并输出所述风控模型。

摘要： 本发明公开了基于预训练模型的多模态知识图谱表征系统及方法，结合知识图谱实体的相关语义信息与对应图像信息辅助知识图谱进行实体向量表征。由于文本预训练模型经过大规模语料进行了充分的训练学习，具有一定的语义表征能力，同时基于图像的预训练模型也经过大规模数据集进行了初步训练，对于实体对应的图片也可以生成较好的表征向量，再通过几种不同的组合方式将语义表征向量和图形表征向量进行结合从而代替实体向量的初始化，将该实体向量输入知识图谱表征模型进行训练，同时对文本和图像预训练模型进行微调。增加了实体的信息量，同时也引入了大量用于预训练的数据集信息。使得知识图谱的表征得到更好的结果，同时提升了整体方法的鲁棒性。

摘要： 本发明属于工业设备异常监测领域，提出了一种面向工业设备异常监测的时序数据与知识融合表征方法。其特征在于，包括如下步骤：步骤1.预处理；步骤2.构建“设备‑事件‑状态”多层关联图谱，并通过引入数据关联、时间关联、先验关联进行更新；步骤3.网络表征学习。解决了传统设备数据库专业性强、适应性弱的弊病，为工业互联网场景中数据的自动化处理提供了新的思路和解决方法。

摘要： 本发明公开了一种智联网中的网络知识统一表征架构及实现方法。所述架构包括网络知识分级分类、网络知识空间构建、本地网络知识表征、协同网络知识表征、网络知识存储、网络知识融合、网络知识验证、网络知识推理这些模块。方法为：设置网络知识构建、网络知识表征、网络知识管理、网络知识服务四层；网络知识构建层负责确定多域环境中网络知识的范畴；网络知识表征层负责对网络知识结构、方式和内容的系统性标识；网络知识管理层负责网络通信资源受限下的网络知识存储、融合、验证；网络知识服务层负责网络知识学习、推理、分发和按需获取。本发明能够支撑网络元素利用网络知识完成路由寻址、管理控制、安全等功能，从而合理部署网络资源。

摘要： 本发明的一种基于知识表征的数据库操作方法及系统，属于人工智能和计算机技术领域。主要步骤包括：基于关系型数据库的结构特点结合SQL的语法语义采用融合规则的框架表示法建立数据库操作范式；基于关系型数据库的操作特点结合关系模型及结构化查询语句的语法语义研究设计推理算法；基于数据库操作范式和推理算法建立基于知识表征的数据库操作系统，对用户输入框架的信息进行关键词匹配和推理求解，生成相应的数据库操作语句完成数据库操作，并将结果返还给用户。本发明简化了用户的操作，降低了应用系统的更新维护成本，可以适应应用场景、数据库中数据、用户需求及目标的动态变化。

摘要： 本发明公开了基于视觉常识知识表征的视频描述生成方法，涉及视频与文本处理技术领域，解决了传统方法中仅关注原视频包含的表面关联而忽略常识知识，导致生成描述细节不足的问题，包括S1：选取一组源始视频集，提取所有视频帧中的运动特征和外观特征来呈现视频信息，基于此构建一个视频字典，以无监督的方式捕捉和存储视频领域的视觉常识知识；S2：基于构建好的视频字典，进行视觉概念选择，通过概念感知的多头注意力模块从视频字典中学习关键的常识性知识，获得视频相关的概念特征；S3：设计一种新的概念集成生成器，应用一个门控控制器来决定两个特征的重要性，基于源视频特征和视频相关的概念特征来生成描述。