数据与知识工程.docVIP

数据与知识工程 1.对语义Web的理解 1）语义Web是以某种方式链接，使全球范围内的计算机均可以处理的信息网，并通过标准、标记语言和处理工具对Web进行扩展。使得Web不仅是人与人交互的信息空间，而且是语义丰富的数据网络；既能够被人浏览，也能够利用计算机程序执行操作。 2）语义Web的目标是为了解决在不同应用、企业和社区之间的互操作性问题。（这种互操作性是通过语义来保证的；而互操作的环境是异质、动态、开放的Web。） 3）语义Web力图实现所有网络数据的“无缝”式连接，并使数据能被计算机自动处理和理解。其最终目标是让计算机可以在这些海量信息中找到真正能满足需要的任何信息，从而将互联网最广泛的应用（万维网中现存的信息）发展成一个巨大的全球信息库、知识库。 4）语义Web技术能够在任何微小的网络数据之间建立连接。（这种连接不仅仅局限于网页之间，而是在“数据”这个粒度上；任何微小的数据都可以与其他信息进行“沟通”。）同时，语义Web帮助人们更精确地描述数据的含义，表示为计算机能够理解和处理的形式。（从而，可以通过信息代理(agent)像有哪些信誉好的足球投注网站引擎采集网页那样采集数据；在推理引擎的帮助下智慧地集成数据，并最终呈现给用户使用。） 2.语义Web主要解决两个问题： 1）如何对Web资源进行表示，从而便于让agent进行处理(获取、存储、推理、查询等)。 2）如何重用Web页面、多媒体信息、数据库等遗留资源(legacy resource)，以便实现从现有Web到语义Web的过渡。 3.当前知识管理技术的缺陷 Searching information Keyword-based search engines Extracting information human involvement necessary for browsing, retrieving, interpreting, combining Maintaining information inconsistencies in terminology, outdated information. Viewing information Impossible to define views on Web knowledge 4.语义web技术 Explicit Metadata Ontologies Logic and Inference Agents 5.语义web模型 6.动作描述推理 基于谓词逻辑的动作刻画和推理 情景演算 流演算 STRIPS系统 采用命题语言的动作刻画和推理 基于PDL的动作刻画和推理 基于PTL的动作刻画和推理 基于描述逻辑的动作刻画和推理 基于描述逻辑的动作形式系统 情景演算的可判定形式 基于动态描述逻辑DDL(X)的动作刻画和推理 7.情景演算 用常量s0表示初始情景； 用二元函数do(a, s)表示在情景s下执行动作a后产生的后继情景。 例如： do(pickup(R, A), s0) 表示在初始情景下执行动作pickup(R, A)后得到的情景； do(walk(R, y), do(pickup(R, A), s0)) 表示在初始情景下先执行了动作pickup(R, A)然后再执行动作walk(R, y)后得到的情景。 8.KDD的概念 why KDD？ 自动数据收集工具和成熟的数据库技术使得大量的数据被收集，存储在 数据库、数据仓库或其他信息库中以待分析。我们拥有丰富的数据，但却缺乏有用的知识。 HOW TO DO? 解决途径：数据仓库技术和数据挖掘技术 数据仓库(Data Warehouse)和联机分析处理(OLAP) 异构数据源; 统一模式; 汇总、合并、聚集; 从不同角度观察 数据挖掘(Data Mining)：在大量的数据中挖掘感兴趣的知识（规则、规律、模式、约束） 深层次的分析：分类、聚类、随时间变化的特征等 什么是数据挖掘？ Data mining: 从大量的数据中抽取出潜在的、不为人知的有用信息、模式和趋势。 Alternative names: Knowledge discovery in databases (KDD), 9.KDD的步骤 1)了解应用领域； 2）数据清理； 3）数据集成； 4）数据选择； 5）数据缩减和变换； 6）数据挖掘； 7）模式评估； 8）知识表示； 10.在什么数据上进行数据挖掘？ 关系数据库 数据仓库 事务数据库 高级数据库系统和信息库 面向对象数据库和对象-关系数据库 空间和时间数据库 时间序列数据和流数据 文本数据库和多媒体数据库 异种数据库 万维网(WWW) 根据所处理的数据对DM分类 关系数据库 事务数据库 面向对象数据库 对象关系数据库 数据仓库