导读:本文包含了分布式知识库论文开题报告文献综述及选题提纲参考文献，主要关键词:可持续发展,设计知识库,分布式国际共创,教学实践
分布式知识库论文文献综述
韩少华,谭素琴,吴永新[1]（2019）在《基于可持续设计知识库的分布式共创教学实践思考》一文中研究指出探索建立可持续设计知识库的必要性,及其分布式共创的使用方式的合理性,最终推动不同社会生态和知识水平的地区可持续发展。主动研究可持续设计基本观念,通过具体的案例研究,反思分布式共创在设计知识库的传播中所出现的问题,并给予修正。获取了包含新版设计工具包在内的可持续设计知识库,以及更为合理的教学与实践方式。分布式共创能够高效利用并及时修正设计知识库,最终推动可持续设计的发展与进步。(本文来源于《设计》期刊2019年16期）
陈锦程[2]（2017）在《基于知识库分布式表示方法的词位扩展》一文中研究指出近年来分布式表示方法被广泛应用于词性标注、机器翻译、词义消歧等自然语言处理任务中,并且已显示出其效果的优越性。然而这种在大规模文本语料上通过无监督学习训练得到的词嵌入式表示,难以涵盖知识库和语义词典中完善的人工标注信息,知识库中的实体关系及其特有的层次结构等特点毫无疑问在NLP中有着重要的作用。如何有效结合分布式表示和知识库来得到更完善的词嵌入式表示,解决一词多义、词位(一个词的某一种词义)扩展等问题,已成为当前的研究热点。本文研究的课题也是基于该任务。本文基于自编码器思想的AutoExtend[18]模型,实现并提出了新的半监督、层次结构化的词向量模型,来融合知识库和无监督的词向量,进而优化一词多义、词位扩展等任务的效果。虽然AutoExtend模型以及相关研究已取得一定的成效,但是它们所利用的知识库实体关系有限,并且仅对登录词有效。针对以上缺陷,本文充分利用知识库的特征实现和提出了两种模型,在保证效率和并行化的前提下对词、词位向量进行改进,通过词语相似性、词扩展、命名实体识别等任务进行实验,并且比已有模型取得了更好的改进效果。本文的主要研究内容和阶段成果如下:(1)设计实现了一种基于词典半监督学习的RetroExtend模型,用于改进登录词词位向量。该模型利用AutoExtend模型中的自编码器框架,在编码-解码过程中基于图学习全面分析词典中词、词位之间的实体关系,从而训练得到更高质量的登录词词位向量;(2)提出了一种基于层次结构半监督学习的OOVExtend模型,用于解决未登录词的一词多义问题,扩展出未登录词词位向量。该模型首先充分利用知识库的层次结构特征,为未登录词匹配知识库中最契合的同义词集合,然后利用RetroExtend模型学习到的同义词集合向量,在由被匹配的同义词集合向量至词向量的解码过程中,以最小化重建损失为目标函数来学习权重矩阵,从而计算得到未登录词的词位向量,实现对未登录词的一词多义识别。(3)基于本文模型,通过结合WordNet、PPDB等知识库和Wikipedia和GoogleNews等语料,在WS353、SCWS等标准数据集上,利用AvgSim、AvgSimC等评估方法,解决词语相似性、词扩展、命名实体识别等问题。实验结果表明,本文提出的模型在已有相关算法的基础上有一定的提升效果,例如,对于词语相似性实验,Spearman系数有2%～3%的提高。由此可见本文设计的算法能够较好的解决一词多义、词位扩展等问题,具有可行性。(本文来源于《北京邮电大学》期刊2017-03-08）
韩保礼[3]（2017）在《基于图知识库的分布式信息检索集合选择方法》一文中研究指出集合选择旨在选择少数的信息集合,其对于提高信息检索引擎的效率至关重要。目前,大多数集合选择方法使用中心样本集作为集合的描述信息。然而,这些方法仅使用样本文档的"形态句法"信息对集合进行建模,无法准确表示集合语义信息。因此,本文提出一种基于图知识库的集合选择方法(KBCS),使用加权的实体词表示集合的语义信息。首先,基于DBpedia图知识库,采用上下文相关度和结构相关度计算集合样本文档中任意一对实体词之间的语义距离,再度量实体词在集合中的权重。然后,综合考虑集合大小、集合实体词权重、查询实体词权重和实体词词频等因素,计算查询与集合的相关度。最后,基于相关度评分对集合进行排序,选择排名靠前的若干集合。此外,针对原始查询中实体词较少的问题,集成一种基于DBpedia的查询扩展方法。针对传统查询与集合相关度度量方法的局限性,采用LambdaMART排序学习算法,综合考虑多种相关度度量方法的度量结果,通过学习建立合理的集合排序模型。为了评估KBCS的有效性,本文选择ReDDE、CRCS和DLCS方法作为基准方法,并在海量网页数据集上进行了实验对比。实验结果表明本文提出的方法具有显着的性能优势。(本文来源于《浙江大学》期刊2017-01-05）
章筠,吕楠[4]（2016）在《分布式能源系统故障诊断与预测专家知识库软件平台的设计与开发》一文中研究指出设计与开发了一种分布式能源系统故障诊断与预测专家知识库软件平台,该软件平台以分布式能源系统为对象,专注于可充放电池、光伏系统、风机等设备运行状态的监测问题。利用监测数据,实现相关设备的故障报警、诊断和预测等功能。该软件平台以故障事件为基本元素,对故障分析和处理业务进行统一整合,结合专家系统和知识库的功能,将两者通过故障事件业务模型进行有机联系,具备了数据联通实时化、知识组织逻辑化、规则配置灵活化、计算公式配置界面化、案例检索智能化等多项特征。(本文来源于《上海电气技术》期刊2016年01期）
吕楠,章筠,陈尚文[5]（2016）在《分布式能源系统故障诊断与预测专家知识库研究与应用技术综述》一文中研究指出故障诊断与预测是保障分布式能源系统可靠安全运行的重要技术手段,是分布式能源系统推广应用所不可缺少的技术基础。以"分布式能源系统故障诊断与预测专家知识库"为主题,结合故障诊断与预测技术的国内外研究现状,综述并分析了分布式能源系统故障诊断与预测技术的研究与应用现状以及发展趋势。同时,分析了专家系统故障诊断理论在知识获取和构造方面的固有缺陷。(本文来源于《通信电源技术》期刊2016年02期）
卞艺杰,陈超,李亚冰,陆小亮[6]（2014）在《Hdspace分布式机构知识库系统的小文件存储》一文中研究指出机构知识库作为一种新型的学术交流模式和开放获取活动的绿色通道已逐渐成为国内外图书情报界关注的新焦点,随着机构库的发展其数据规模也在不断扩大,传统的存储模式已经不能满足日益增长的存储需求.在对机构库内容存储特点的研究基础上建立基于HDFS与Dspace的分布式机构库Hdspace.首先提出一种小文件合并生成新的存储文件,并对文件提出基于学科分类的两级索引,结合索引预缓存机制提高小文件的读取响应,为海量小文件存储及后续的信息高效利用提供了一种解决方案,通过模拟测试显示本模式能够大大提高机构知识库小文件的存储、读取以及检索效率.(本文来源于《计算机系统应用》期刊2014年02期）
王旋,牟秋江[7]（2009）在《分布式环境下开放链接知识库的管理》一文中研究指出针对当前分布式环境下支持开放链接的后台知识库无法实现资源共享的问题,结合面向信息机构的嵌入式NSTL资源集成服务系统的开发实践,提出一种可交互的分布式知识库管理方式,并设计和实现分布式知识库管理系统的交互功能。(本文来源于《现代图书情报技术》期刊2009年06期）
夏立新,王忠义,陈卓群[8]（2008）在《基于P2P和主题图的分布式合作数字参考咨询知识库建设》一文中研究指出针对分布式合作数字参考咨询知识库建设存在的资源分布异构、可扩展和知识管理等问题,在深入分析P2P、主题图和OAI等技术的基础上,提出一种基于P2P和主题图的合作数字参考咨询的知识库建设方法,以有效解决以上问题。(本文来源于《图书馆论坛》期刊2008年06期）
张春晓[9]（2008）在《基于P2P的分布式知识库系统研究》一文中研究指出在过去的几十年里,人们在语义网领域已经做出了很多深入的研究。对自治的、异构的数据源的信息集成和查询回答是两个与语义网相关的重要任务。语义网的目标是为不同的应用系统之间的数据共享和重用提供一个良好的环境。本文分析并实现了一种新的方案,目的在于为用户进行信息整合和查询回答提供一个整合的环境。本文在P2P对等网的基础上建立了一套系统,在本系统中每个对等节点都拥有一些本体作为本地资源,并且节点间可以交换关于这些本体的信息,从而使得这些自治的本体能够被远程节点动态地发现。利用这些相关信息,某个对等节点上的用户可以用一种分散的方式来整合网络中任意的本体来构建一个信息整合系统,并对这个整合形成的系统进行查询,无论系统中的本体是驻留在本地节点还是远程节点。此外,本系统还利用了分布式计算来优化推理任务,也就是说,对整合系统的查询可以并发地在几个节点上执行,从而很大程度上优化了网络中节点负载平衡。在信息集成方面,本文采用了目前的最新研究成果,为异构数据源的整合建立了一个模型。本文在分布式网络的基础上构建了一系列虚拟本体,以及通过规则在自治的数据源之间建立了映射系统。处于系统顶端的用户可以对整个集成系统进行查询推理。在查询回答方面,本文特别考虑了分布式的查询,并提出了一种基于演绎推理的分布式查询机制。由于查询可以并发地在几个节点上执行,所以,它优化了计算的负载平衡,提高了执行的效率。在从理论和实践两方面对本系统进行了详细地描述以后,本文对这一领域的今后的相关工作做了一个展望。(本文来源于《暨南大学》期刊2008-06-01）
谢桂芳[10]（2008）在《查询分布式RDF知识库的体系结构和运算法则的研究》一文中研究指出随着语义网的发展,存储和查询RDF数据是亟待解决的问题。为此,展示用来存储RDF数据的基于DHT的P2P网络的体系结构,描述RDF的模型图及查询图,提出在分布式的上下文中查询处理和优化的运算法则。(本文来源于《现代计算机(专业版)》期刊2008年01期）
分布式知识库论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来分布式表示方法被广泛应用于词性标注、机器翻译、词义消歧等自然语言处理任务中,并且已显示出其效果的优越性。然而这种在大规模文本语料上通过无监督学习训练得到的词嵌入式表示,难以涵盖知识库和语义词典中完善的人工标注信息,知识库中的实体关系及其特有的层次结构等特点毫无疑问在NLP中有着重要的作用。如何有效结合分布式表示和知识库来得到更完善的词嵌入式表示,解决一词多义、词位(一个词的某一种词义)扩展等问题,已成为当前的研究热点。本文研究的课题也是基于该任务。本文基于自编码器思想的AutoExtend[18]模型,实现并提出了新的半监督、层次结构化的词向量模型,来融合知识库和无监督的词向量,进而优化一词多义、词位扩展等任务的效果。虽然AutoExtend模型以及相关研究已取得一定的成效,但是它们所利用的知识库实体关系有限,并且仅对登录词有效。针对以上缺陷,本文充分利用知识库的特征实现和提出了两种模型,在保证效率和并行化的前提下对词、词位向量进行改进,通过词语相似性、词扩展、命名实体识别等任务进行实验,并且比已有模型取得了更好的改进效果。本文的主要研究内容和阶段成果如下:(1)设计实现了一种基于词典半监督学习的RetroExtend模型,用于改进登录词词位向量。该模型利用AutoExtend模型中的自编码器框架,在编码-解码过程中基于图学习全面分析词典中词、词位之间的实体关系,从而训练得到更高质量的登录词词位向量;(2)提出了一种基于层次结构半监督学习的OOVExtend模型,用于解决未登录词的一词多义问题,扩展出未登录词词位向量。该模型首先充分利用知识库的层次结构特征,为未登录词匹配知识库中最契合的同义词集合,然后利用RetroExtend模型学习到的同义词集合向量,在由被匹配的同义词集合向量至词向量的解码过程中,以最小化重建损失为目标函数来学习权重矩阵,从而计算得到未登录词的词位向量,实现对未登录词的一词多义识别。(3)基于本文模型,通过结合WordNet、PPDB等知识库和Wikipedia和GoogleNews等语料,在WS353、SCWS等标准数据集上,利用AvgSim、AvgSimC等评估方法,解决词语相似性、词扩展、命名实体识别等问题。实验结果表明,本文提出的模型在已有相关算法的基础上有一定的提升效果,例如,对于词语相似性实验,Spearman系数有2%～3%的提高。由此可见本文设计的算法能够较好的解决一词多义、词位扩展等问题,具有可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式知识库论文参考文献
[1].韩少华,谭素琴,吴永新.基于可持续设计知识库的分布式共创教学实践思考[J].设计.2019
[2].陈锦程.基于知识库分布式表示方法的词位扩展[D].北京邮电大学.2017
[3].韩保礼.基于图知识库的分布式信息检索集合选择方法[D].浙江大学.2017
[4].章筠,吕楠.分布式能源系统故障诊断与预测专家知识库软件平台的设计与开发[J].上海电气技术.2016
[5].吕楠,章筠,陈尚文.分布式能源系统故障诊断与预测专家知识库研究与应用技术综述[J].通信电源技术.2016
[6].卞艺杰,陈超,李亚冰,陆小亮.Hdspace分布式机构知识库系统的小文件存储[J].计算机系统应用.2014
[7].王旋,牟秋江.分布式环境下开放链接知识库的管理[J].现代图书情报技术.2009
[8].夏立新,王忠义,陈卓群.基于P2P和主题图的分布式合作数字参考咨询知识库建设[J].图书馆论坛.2008
[9].张春晓.基于P2P的分布式知识库系统研究[D].暨南大学.2008
[10].谢桂芳.查询分布式RDF知识库的体系结构和运算法则的研究[J].现代计算机(专业版).2008