基于WSR方法论的道路交叉口行为情境建模

为实现复杂交通行为情境下不同专业领域异构知识的集成和共享,提出了面向道路交叉口行为情境的多领域异构知识集成建模方法。基于物理-事理-人理系统方法论(Wuli-Shili-Renli System Approach,简称WSR方法论)构建了多层次系统解析的专业领域本体模型;基于改进的计划行为理论和本体集成方法,构建了多专业领域集成的本体模型。通过设计本体模型和元胞自动机模型的映射规则,应用元胞自动机验证了模型和方法的有效性。研究表明,通过分层次的集成,以人的行为情境为导向的辐射展开方式能够很好地解决人类行为学领域和交通工程领域的异构知识集成难点。有效识别、描述及模拟社会行为情境问题及其作用机理,对于解决交通社会问题有显著影响,为道路交叉口人性化设计提供了有效思路与方法。

基于主题分析和语用情境融合的多义术语识别研究

[目的/意义]用户间的专业知识异构以及用户场景的动态性,导致现有的目录式数据查询方式难以为用户提供主动式数据服务。文章针对用户在数据使用中的差异化专业知识进行识别和重组,作为连接用户和数据资源的中间知识库,以支持进一步的场景化数据互操作研究。[方法/过程]为实现这一目的,提出一套基于主题分析和语用情境融合的多义术语识别、建模方法,借助静态概念关系和动态语用情境构建术语知识库。主要研究内容包括:基于词频和词性构建文本向量空间;在领域知识不充足的情形下,提出采用主题模型半自动识别多义术语,并基于语用情境模型,在多义术语与其适用情境之间建立语义关联路径。[结果/结论]文章提出的一套基于主题分析和语用情境建模的多义术语识别方法,通过建筑工程领域的实例研究,证明该方法能够识别并解决用户之间的专业知识异构问题。

基于事故链情境的铁路潜在风险关联推理研究

为科学合理、精准地对铁路潜在关键风险源进行定位管控,针对复杂事故链情境下的潜在风险关联推理问题,提出基于事故链情境本体建模的知识推理方法。首先在分析事故链案例情境要素的基础上,解析事故致因机理;其次构建基于本体的事故风险源知识模型,并建立事故风险源知识库;之后基于由知识关联分析获取的风险源关联推理规则,采用Apriori算法对隐患库进行关联分析,并将所得关联规则重新导入事故风险源知识库,以实现知识库的自学习与自更正;最后通过以地点为关键索引的事故链实例分析,验证方法的合理性和有效性,为精细化铁路风险预控提供参考。

供应链服务转型中的生态矛盾及其治理机制研究——以蜀海公司为例

在现阶段的供应链服务转型理论中,大多数企业从自身层面讨论如何实现从销售产品到销售服务的战略转型,却鲜有对供应链转型中企业在上下游中的定位进行分析;不仅如此,多数理论还缺乏对供应链服务转型中企业面临的内外矛盾与挑战进行深入探讨。本文在梳理供应链服务转型和生态系统理论的基础上采用阶段式建模方法,分析蜀海公司在供应链转型背景下的生态结构,识别出转型过程中的关键要素,包括服务输出、参与者、识别认同等。此外,通过对生态结构的分析,发现蜀海公司在供应链服务转型中面临三类矛盾:标准化和多样化的矛盾、管控和自主的矛盾、集体和个体的矛盾。最后,通过对三类矛盾的深入分析,以及对企业解决方案的研究,提出解决三类矛盾的机制。它不仅拓展了供应链服务转型的内涵,而且对中国企业实现供应链服务转型具有理论指导和实践启示意义。

情景本体研究综述

参考国内外核心文献,从概念、发展历程、研究方法与趋势等角度,对情景和本体研究分别进行综述性分析,并着重阐述两个概念从隔离到逐渐融合的历程及情景本体的构建、集成、应用方法,为今后的相关研究提供理论依据与支撑。同时指出情景由单一学科、单一应用逐渐多维发展,情景本体建模将成为解决实际问题的重要方法之一,且本体集成在多维情景建模及多维知识融合上的应用等研究成为新的发展趋势。

基于价值驱动的铁路数据服务能力提升策略研究

受限于数据规模和数据源种类的丰富程度,多数企业应用数据服务刚起步,对于隐藏在数据中的价值认识还不够充分,影响数据资产的开发利用,因而数据服务能力受限。针对铁路数据管理现状,通过分析数据价值和数据服务,提出价值驱动的数据协同服务模式,借助协作场景元模型阐述以“数据需求-数据融合-数据服务-战略目标”的敏捷迭代数据价值释放逻辑,探讨以最大化释放数据价值为驱动的数据服务能力提升方法过程,以期为铁路企业主动提升数据服务能力提供参考。研究发现,提升铁路企业数据服务能力应重点关注:与业务深度融合的数据价值释放、协作网络中参与者的综合能力和数据服务能力提升过程中的各阶段特征目标。

面向高校学生深度辅导领域的主题建模和主题上下位关系识别研究

【目的】对高校学生深度辅导这一特定领域知识进行建模,提出一个支持小规模知识获取和建模的框架。【方法】采用LDA模型识别出文档集合所包含的主题及标识主题的词组;对"文档–主题"矩阵进行概念层次分析,获取主题之间的上下位关系;并将建模结果统一编码为本体的形式存入知识库,以便进行知识检索。【结果】本研究面向深度辅导具体应用,引入概念层次分析法,在LDA建模基础上进一步细化主题知识的粒度,改善了LDA主题建模结果难以表达主题之间关联关系的难题。【局限】未考虑新的深度辅导文档带来的知识库增量更新问题。【结论】本研究框架能够很好地支持深度辅导领域中诸如学生问题、交流方式、引导技巧等多粒度知识的建模与检索。