知识关联视角下标准文档的多粒度知识组织方法研究

传统的文档组织方式无法应对标准数字化发展形势,有必要充分发掘标准文档中的多粒度知识单元及其语义关联,探索能够高效运用标准知识的新型组织方法,为优化标准供给提供参考。从知识关联视角出发,提出一种面向标准文档的多粒度、富语义的通用知识组织方法。首先,基于知识粒度理论,依据标准文档的知识内容和需求特征进行多粒度的知识划分与描述;其次,从知识层级、文档特征、文本逻辑、时空演化等方面认知和发现标准多粒度知识间的语义关联模式与类型;最后,采用本体构建方法实现标准文档的多粒度知识组织,并通过知识实例的添加来实现本体验证与价值阐述。多粒度知识关联的标准组织方法能够完整揭示标准文档中的多粒度知识单元,形成联通广泛的知识层次与关联,有助于标准知识在多种服务场景中被有效获取、共享与重用,既推进了适应数智时代的标准资源建设,又丰富了多粒度知识驱动的文档内容挖掘与利用。

基于双层多粒度知识发现的移动轨迹预测模型

针对现实移动轨迹空间分布上的稀疏性、不均匀性对移动轨迹建模与预测方面带来的挑战性问题,提出基于双层多粒度移动轨迹知识发现的在线轨迹预测模型.分别在粗/细粒度语义层对移动轨迹数据进行多粒度建模与模式挖掘,基于粗/细粒度语义表达之间的关联包含关系建立双层移动模式映射索引结构.通过在双层语义模式上对在线移动轨迹进行匹配与输出合并互补操作,实现对在线查询移动轨迹的混合预测.在真实数据集上的实验结果表明,采用提出的方法能够有效地提升预测精度,可以扩展稀疏数据下的可预测轨迹范围.