项目名称: 面向领域用户知识发现的数据结构化建模与多粒度融合

项目编号: No.61472056

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 张清华

作者单位: 重庆邮电大学

项目金额: 82万元

中文摘要: 大数据时代,领域用户如何智能高效地获取知识成为当前数据科学面临的难题,基于数据驱动的多粒度知识发现模式逐渐成为数据挖掘的新思路。针对复杂大数据具有异构、稀疏、高维、动态等特征,本课题利用数据特征和用户需求联合驱动的机理,结合人脑求解复杂问题的多粒度模式,研究大数据环境下的多粒度知识发现理论模型和方法。主要研究内容有:面向领域用户需求,融合云模型、支持向量机等方法,建立复杂大数据的多粒度自动初分类模型;针对初分类数据,模拟人脑从多个层次进行认知的综合表达与处理机制,建立多粒度关联式虚拟结构化数据表示模型;根据人脑能够在不同粒度层次上融合不同来源信息的机理,构建多粒度递进式数据融合模型;利用粗糙集等方法提取领域用户个性化知识,并研究知识内涵和外延的演化规律。本课题的研究将有助于建立大数据深度学习与知识发现的多粒度模型框架,促进粒计算理论在复杂大数据环境下的应用,推进计算科学和数据科学的发展。

中文关键词: 粒计算;粗糙集;知识发现;数据驱动;大数据

英文摘要: In the age of big data, that how to intelligently and efficiently discover domain user's knowledge has been becoming a key problem in current research, and multi-granularity knowledge discovery model based on data-driven has gradually become the new key ideas in the data science. Big data always is huge, heterogeneous, sparse, high dimensional, dynamic and real-time. Aiming at the above features of big data, this project will propose a multi-granularity data mining model for processing big data based on both data feature, user's requirements and the multi-granularity cognitive mechanism of human being. The main contents of this research project include: Based on cloud model and support vector machine(SVM), a multi-granularity automatic preliminary classification model will be established for multi-source heterogeneous data; According to the human brain mechanism of comprehensive expression and processing knowledge in multi-granularity levels, a multi-granularity relationship virtual structured representation model of big data will be constructed; Based on human brain information fusion mechanism in different granularity levels for different information sources, a progressive multi-granularity data fusion model will be proposed; According to domain-oriented user's requirements, this project will realize personalized knowledge acquisition from the fusion data by rough set theory, and research the evolution rules of both knowledge's denotation and its connotation with the dynamic change attributes and objects.This research project may help to establish a multi-granularity framework of big data deep-learning and knowledge discovery. Furthermore, it may also promote the application of granular computing theory under big data environment, and improve the research of both computing science and data science.

英文关键词: granular computing;rough sets;knowledge discovery;data-driven;big data

成为VIP会员查看完整内容
4

相关内容

面向语义搜索的自然语言处理
专知会员服务
59+阅读 · 2021年12月18日
大数据时代的地学知识图谱研究展望
专知会员服务
33+阅读 · 2021年11月25日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
20+阅读 · 2021年4月15日
专知会员服务
62+阅读 · 2021年2月4日
专知会员服务
75+阅读 · 2020年12月19日
专知会员服务
193+阅读 · 2020年10月14日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
103+阅读 · 2020年8月11日
领域应用 | 美团商品知识图谱的构建及应用
开放知识图谱
3+阅读 · 2021年8月3日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
支持个性化学习的行为大数据可视化研究
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
18+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
大规模知识图谱的构建、推理及应用
人工智能头条
15+阅读 · 2017年8月29日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
26+阅读 · 2020年2月21日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
23+阅读 · 2018年8月3日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
10+阅读 · 2017年7月4日
小贴士
相关VIP内容
面向语义搜索的自然语言处理
专知会员服务
59+阅读 · 2021年12月18日
大数据时代的地学知识图谱研究展望
专知会员服务
33+阅读 · 2021年11月25日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
20+阅读 · 2021年4月15日
专知会员服务
62+阅读 · 2021年2月4日
专知会员服务
75+阅读 · 2020年12月19日
专知会员服务
193+阅读 · 2020年10月14日
面向大数据领域的事理认知图谱构建与推断分析
专知会员服务
103+阅读 · 2020年8月11日
相关资讯
领域应用 | 美团商品知识图谱的构建及应用
开放知识图谱
3+阅读 · 2021年8月3日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
【数字孪生】从CAD数据到数字孪生
产业智能官
22+阅读 · 2019年11月11日
支持个性化学习的行为大数据可视化研究
面向云端融合的分布式计算技术研究进展与趋势
中国计算机学会
18+阅读 · 2018年11月27日
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
大规模知识图谱的构建、推理及应用
人工智能头条
15+阅读 · 2017年8月29日
相关基金
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员