项目名称: 面向决策知识集成创新的多源知识融合方法研究

项目编号: No.71201020

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 管理科学与工程

项目作者: 王晓欢

作者单位: 东北大学

项目金额: 19万元

中文摘要: 面向决策知识集成创新的多源知识融合方法研究,是根据目前国内外解决复杂决策问题相关理论与方法的研究发展动态,及复杂决策问题求解中对决策知识推送的实际需求而提炼出来的、具有大量实际背景的、新的研究课题。本项目的主要研究内容是:研究面向决策知识集成创新的多源知识融合的理论框架,提出多源决策知识预处理方法、多源决策知识融合的强化学习模型及求解算法;进一步地,开发多源决策知识融合子系统的原型系统,并以现实中若干典型复杂决策问题为背景,针对求解过程中对决策知识推送的需求,进行有针对性的理论框架、方法与应用研究。本项目的研究目的是:基于多源决策知识融合的视角,立足解决复杂决策问题求解时需要多源决策知识推送的问题,提出面向多源决策知识集成创新的基于强化学习的多源知识融合方法与技术,拟取得高水平的、创新性的研究成果,弥补目前已有的决策模型和决策方法在决策知识推送方面的不足。

中文关键词: 复杂决策;决策知识集成创新;决策知识推送;决策知识融合;强化学习

英文摘要: Multi-source knowledge fusion for decision knowledge integration and innovation is a new and practical research topic, which is proposed considering the research trends of theories and methodologies to resolve the complex decision-making problems and the practical requirements of decision knowledge push of decision makers. The research is structured as follows: firstly, a theoretical architecture of multi-source knowledge fusion for decision knowledge integration and innovation is developed; then, the knowledge pretreatment method is proposed, preparing knowledge for multi-source decision knowledge fusion; next, the reinforcement learning-based model and methods are proposed to realize decision knowledge integration and innovation; lastly, a multi-source decision knowledge fusion sub-system is developed, and the proposed theoretical architecture and methodologies are realized and evaluated in a typical and practical case study. The main objective of this research project is to propose the methodologies and technologies of reinforcement learning-based multi-source decision knowledge fusion to realize decision knowledge push in complex decision-making problems, from the perspective of decision knowledge fusion. Creative and original research results are supposed to be achieved. It is also to cover the shortages of

英文关键词: complex decision-making;Decision knowledge integration and innovation;Decision knowledge push;Decision knowledge fusion; Reinforcement learning

成为VIP会员查看完整内容
1

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
知识驱动的推荐系统:现状与展望
专知会员服务
64+阅读 · 2021年11月22日
面向知识图谱的知识推理综述
专知会员服务
146+阅读 · 2021年11月1日
专知会员服务
117+阅读 · 2021年7月22日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
108+阅读 · 2021年1月8日
【博士论文】搜索引擎中的实体推荐关键技术研究
专知会员服务
43+阅读 · 2020年12月9日
专知会员服务
191+阅读 · 2020年10月14日
【KDD 2020】基于互信息最大化的多知识图谱语义融合
专知会员服务
39+阅读 · 2020年9月7日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
337+阅读 · 2020年6月24日
征稿 | 软件学报专刊征文:知识赋能的信息系统
开放知识图谱
3+阅读 · 2022年3月18日
我用产品思维,借了50000块钱
人人都是产品经理
0+阅读 · 2022年2月8日
知识图谱可解释推理研究综述
专知
3+阅读 · 2021年12月31日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
知识驱动的推荐系统:现状与展望
专知
1+阅读 · 2021年11月22日
知识图谱嵌入技术研究综述
专知
1+阅读 · 2021年11月11日
ACL 2019 | 面向远程监督关系抽取的模式诊断技术
【强化学习】易忽略的强化学习知识之基础知识及MDP
产业智能官
17+阅读 · 2017年12月22日
国家自然科学基金
2+阅读 · 2015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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+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
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
6+阅读 · 2008年12月31日
Task-Induced Representation Learning
Arxiv
0+阅读 · 2022年4月25日
Arxiv
0+阅读 · 2022年4月22日
Arxiv
0+阅读 · 2022年4月21日
Arxiv
100+阅读 · 2020年3月4日
小贴士
相关主题
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
知识驱动的推荐系统:现状与展望
专知会员服务
64+阅读 · 2021年11月22日
面向知识图谱的知识推理综述
专知会员服务
146+阅读 · 2021年11月1日
专知会员服务
117+阅读 · 2021年7月22日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
108+阅读 · 2021年1月8日
【博士论文】搜索引擎中的实体推荐关键技术研究
专知会员服务
43+阅读 · 2020年12月9日
专知会员服务
191+阅读 · 2020年10月14日
【KDD 2020】基于互信息最大化的多知识图谱语义融合
专知会员服务
39+阅读 · 2020年9月7日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
337+阅读 · 2020年6月24日
相关资讯
征稿 | 软件学报专刊征文:知识赋能的信息系统
开放知识图谱
3+阅读 · 2022年3月18日
我用产品思维,借了50000块钱
人人都是产品经理
0+阅读 · 2022年2月8日
知识图谱可解释推理研究综述
专知
3+阅读 · 2021年12月31日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
知识驱动的推荐系统:现状与展望
专知
1+阅读 · 2021年11月22日
知识图谱嵌入技术研究综述
专知
1+阅读 · 2021年11月11日
ACL 2019 | 面向远程监督关系抽取的模式诊断技术
【强化学习】易忽略的强化学习知识之基础知识及MDP
产业智能官
17+阅读 · 2017年12月22日
相关基金
国家自然科学基金
2+阅读 · 2015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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+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
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
6+阅读 · 2008年12月31日
相关论文
Task-Induced Representation Learning
Arxiv
0+阅读 · 2022年4月25日
Arxiv
0+阅读 · 2022年4月22日
Arxiv
0+阅读 · 2022年4月21日
Arxiv
100+阅读 · 2020年3月4日
微信扫码咨询专知VIP会员