CN113722505A - 面向dikw资源的情感表达映射、度量与优化传输系统 - Google Patents

面向dikw资源的情感表达映射、度量与优化传输系统 Download PDF

Info

Publication number
CN113722505A
CN113722505A CN202111006620.2A CN202111006620A CN113722505A CN 113722505 A CN113722505 A CN 113722505A CN 202111006620 A CN202111006620 A CN 202111006620A CN 113722505 A CN113722505 A CN 113722505A
Authority
CN
China
Prior art keywords
content
dik
resource
model
transmission
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111006620.2A
Other languages
English (en)
Other versions
CN113722505B (zh
Inventor
段玉聪
胡婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan University
Original Assignee
Hainan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hainan University filed Critical Hainan University
Priority to CN202111006620.2A priority Critical patent/CN113722505B/zh
Priority to PCT/CN2021/126347 priority patent/WO2023029178A1/zh
Publication of CN113722505A publication Critical patent/CN113722505A/zh
Application granted granted Critical
Publication of CN113722505B publication Critical patent/CN113722505B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04Real-time or near real-time messaging, e.g. instant messaging [IM]
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/08Annexed information, e.g. attachments

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法和装置,可以通过将发送方的情感表达内容进行概念化和抽象化;将所述概念化和抽象化的情感表达内容转化为数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK;对所述发送方的情感表达内容进行分析得到发送方意图P;将所述数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK与发送方意图P进行映射归类到DIKW图谱模型中;对所述发送方DIKW模型进行分析,得到传输的真实内容,并遍历接收方DIKW模型,对传输内容进行重塑,形成与接收方认知能力相匹配的拓扑结构;将所述重塑后的传输内容根据接收方的期望向接收方呈现。本发明可以解决情感交流中参与各方存在个人认知差异导致表达不当的问题,减少交流方之间的理解偏差,实现情感交流的准确性和高效性。

Description

面向DIKW资源的情感表达映射、度量与优化传输系统
技术领域
本发明涉及DIKW领域,特别涉及一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法和装置。
背景技术
传统的自然语言交流使用的是内容驱动的交流形式,情感表达一般采用语气语调或情态等即时状态来传达交流方的情感内容,诸如线上视频聊天、语音聊天、发送表情包等,这种交流方式对行为指示具有一定效果。
然而目前的交流形式存在交流各方之间的个人认知差异,对交流内容的理解会出现偏差问题且难以被合理修正。
发明内容
鉴于上述问题,本发明提供一种克服上述问题或者至少部分地解决上述问题的一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法和装置。
第一方面,一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法,所述方法包括:
将发送方的情感表达内容进行概念化和抽象化;
将所述概念化和抽象化的情感表达内容转化为数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK
对所述发送方的情感表达内容进行分析得到发送方意图P;
将所述数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK与发送方意图P进行映射归类到DIKW图谱模型中;
对所述发送方DIKW模型进行分析,得到传输的真实内容,并遍历接收方DIKW模型,对传输内容进行重塑,形成与接收方认知能力相匹配的拓扑结构;
将所述重塑后的传输内容根据接收方的期望向接收方呈现。
结合第一方面,在某些可选的实施方式中,所述方法包括:
将所述情感表达内容中反映个性特征和偏好的内容概念化和抽象化为用户行为资源,其中,所述用户行为资源URDIK由用户类型资源URType和用户类型资源范围URScale组成,每个用户类型资源都存在相应的类型资源范围。
结合第一方面,在某些可选的实施方式中,所述方法包括:
所述用户类型资源URType可以根据数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK的属性特征转化为三种不同的类型资源;
所述数据类型资源DDIK由数据结构和传输频率决定,其中数据结构包括但不限于树、图形、堆栈等,传输频率指相似或同一内容的多次传输;
所述信息类型资源IDIK本质上是对IDIK之间连接和传递演绎的逻辑关系进行建模得到的,使用有向图表示IDIK之间的动态和因果关系;
所述知识类型资源KDIK是由DDIK和IDIK通过结构化和形式化演绎获得的。
结合第一方面,在某些可选的实施方式中,所述方法包括:
发送者意图PSED可以包括安全传输、高/低效率传输、准确传输等,分为内容Pcontent的传输效率和结果两个方面。
其中,Pcontent确定了资源传输范围DScale、IScale和KScale,以避免错误甚至歧义导致内容被误解甚至失真;
其中,就传输效率而言,传输效率取决于资源传输范围和资源传输频率。
结合第一方面,在某些可选的实施方式中,所述方法包括:
将所述数据类型资源映射归类到数据模型D中;
将所述信息类型资源映射归类到信息模型I中;
将所述知识类型资源映射归类到知识模型K中;
将对发送方意图P的分析映射归类到意图模型P中;
所述数据模型D、信息模型I、知识模型K和意图模型P即为发送方的DIKW模型。
结合第一方面,在某些可选的实施方式中,所述方法包括:
根据接收方的DIKW模型对所述发送方的DIKW模型进行传输内容的概念重构,形成与接收方认知能力相匹配的拓扑结构,量化双方认知差异,满足接收方的个人意愿和期望,直到认知的相互最大化,最小化内容认知差异,将所述最终传输内容向接收方进行情感内容传输。
结合第一方面,在某些可选的实施方式中,所述方法还包括:
为了减少不必要的输入成本,对发送方意图的分析规定了数据、信息、知识的范围以及数据、信息、知识的传输范围,传输它们的优先级顺序是按权重进行排列的。
结合第一方面,在某些可选的实施方式中,所述方法还包括:
使用情感沟通价值评估方法确定攻击方的投入成本和攻击方的DIKW图谱模型,以价值导向阻止攻击,有助于形成准确可靠的情感交流内容。其中,为了确定攻击方的投入成本,需要先确定DIKW模型中参与各方的传递效率,参与各方的认知距离出入度、认知成本,进而得到攻击方进行误导、更改传输内容的成本。
第二方面,一种面向DIKW资源的情感表达映射、度量与优化传输系统的装置,所述装置包括:内容确定单元、内容转换单元和内容呈现单元;
所述内容确定单元,被配置为执行将所述情感表达内容中反映个性特征和偏好的内容概念化和抽象化为用户行为资源,其中,所述用户行为资源URDIK由用户类型资源URType和用户类型资源范围URScale组成,每个用户类型资源都存在相应的类型资源范围;
所述内容确定单元,还被配置为执行根据数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK的属性特征将用户类型资源URType转化为三种不同的类型资源;
其中,所述数据类型资源DDIK由数据结构和传输频率决定,其中数据结构包括但不限于树、图形、堆栈等,传输频率指相似或同一内容的多次传输;
所述信息类型资源IDIK本质上是对IDIK之间连接和传递演绎的逻辑关系进行建模得到的,使用有向图表示IDIK之间的动态和因果关系;
所述知识类型资源KDIK是由DDIK和IDIK通过结构化和形式化演绎获得的;
所述内容确定单元,还被配置为执行分析发送者意图PSED,其中,PSED可以包括安全传输、高/低效率传输、准确传输等,分为内容Pcontent的传输效率和结果两个方面;
其中,Pcontent确定了资源传输范围DScale、IScale和KScale,以避免错误甚至歧义导致内容被误解甚至失真;
其中,就传输效率而言,传输效率取决于资源传输范围和资源传输频率;
所述内容确定单元,还被配置为执行减少不必要的输入成本,对发送方意图的分析规定了数据、信息、知识的范围以及数据、信息、知识的传输范围,传输它们的优先级顺序是按权重进行排列的;
所述内容转换单元,被配置为执行将所述数据类型资源映射归类到数据模型D中;将所述信息类型资源映射归类到信息模型I中;将所述知识类型资源映射归类到知识模型K中;将对发送方意图P的分析映射归类到意图模型P中;其中所述数据模型D、信息模型I、知识模型K和意图模型P即为发送方的DIKW模型;
所述内容转换单元,还被配置为执行根据接收方的DIKW模型对所述发送方的DIKW模型进行传输内容的概念重构,形成与接收方认知能力相匹配的拓扑结构,量化双方认知差异,满足接收方的个人意愿和期望,直到认知的相互最大化,最小化内容认知差异;
所述内容呈现单元,被配置为执行将所述最终传输内容向接收方进行情感内容呈现,其中,可选地,接收方对接收的情感内容进行翻译,然后根据个人意愿将其呈现在颜色和形状维度上,满足一定程度的准确性和正确性理解。
结合第二方面,在某些可选的实施方式中,所述装置还包括:价值评估单元;
所述价值评估单元,被配置为执行使用情感沟通价值评估方法确定攻击方的投入成本和攻击方的DIKW图谱模型,以价值导向阻止攻击,有助于形成准确可靠的情感交流内容;其中,为了确定攻击方的投入成本,需要先确定DIKW模型中参与各方的传递效率,参与各方的认知距离出入度、认知成本,进而得到攻击方进行误导、更改传输内容的成本。
借由上述技术方案,本发明提供的一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法和装置,可以通过将发送方的情感表达内容进行概念化和抽象化;将所述概念化和抽象化的情感表达内容转化为数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK;对所述发送方的情感表达内容进行分析得到发送方意图P;将所述数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK与发送方意图P进行映射归类到DIKW图谱模型中;对所述发送方DIKW模型进行分析,得到传输的真实内容,并遍历接收方DIKW模型,对传输内容进行重塑,形成与接收方认知能力相匹配的拓扑结构;从而将所述重塑后的传输内容根据接收方的期望向接收方呈现。由此可以看出,本发明可以通过概念化和抽象化,将传统情感表达中的交流各方之语气语调等情感交流资源通过分别对数据、信息、知识、意图(DIKW)进行映射归类到DIKW图谱中,并将这些资源的处理目的建模为意图模型。在此基础上,将这些资源的处理转化为DIKW图谱资源的映射处理,并根据意图模型对DIKW图谱资源的处理进行规划。在映射之后的DIKW图谱之间的转换有助于降低情感交流成本和提高交流效率。针对同一内容资源产生不同理解的问题,通过概念重构和体系重构来量化认知差异,直到认知的相互最大化,最小化内容认知差异,达到用户准确传递情感表达的目的。使用价值导向的安全方法阻止攻击,达成一定程度的准确性、可靠性,甚至是高效的情感交流。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。在附图中:
图1示出了本发明提供的一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法的流程图;
图2示出了本发明中DPI模型的图形表示规范和图表的示意图;
图3示出了本发明提供的实施例算法一的示意图;
图4示出了本发明提供的实施例算法二的示意图;
图5示出了本发明提供的实施例中发送内容数据选择的示意图;
图6示出了本发明提供的实施例算法三的示意图;
图7示出了本发明实施例中内容转换的示意图;
图8示出了本发明提供的实施例算法四的示意图;
图9示出了本发明提供的一种面向DIKW资源的情感表达映射、度量与优化传输系统的装置的结构示意图。
具体实施方式
经本发明人研究发现,在资源不完整、不准确、不一致、易出错的背景下,DIKW图谱具有丰富的处理能力,可以降低内容传输的成本,提高内容传输的效率。
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明提供了一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法,所述方法包括:S100、S200、S300、S400、S500和S600;
S100:将发送方的情感表达内容进行概念化和抽象化;
可选地,情感交流揭示了沟通的本质,传统的自然语言交流对情感表达中个性化自动对应不足,本发明通过自动抽象来对通信交互的情感表达内容进行概念化和抽象化,基于情感可视化的内容重塑可以有效提高用户之间沟通的有效性。
S200:将所述概念化和抽象化的情感表达内容转化为数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK
可选地,在交流互动中,反映个性特征和偏好的用户行为资源被分类为数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK等多模态维度,语义用关键词形式来表示。通信交换中的用户资源(URDIK)由用户类型资源(URType)和用户类型资源传输范围(URScale)组成,每个用户类型资源都存在相应的类型资源传输范围。
可选地,RDXS指关系定义的一切语义,在RDXS建模模型的背景下,URType的分类是根据用户资源数据资源(DDIK)、信息资源(IDIK)和知识资源(KDIK)的属性特征分为三种不同类型。
可选地,本方法S200具有以下式子:
URDIK::=<URType,URScale> (1)
URType::=<DDIK,IDIK,KDIK> (2)
URScale::=<DScale,IScale,KScale> (3)
DIKWGraph::=<DG,IG,KG> (4)
S300:对所述发送方的情感表达内容进行分析得到发送方意图P;
可选地,意图P表示一个特定的目标,通常与DDIK形成IDIK关联。意图P是对实现什么以及如何实现的清晰认识,本质是有所需要,P根据不同的需要正式表达,形式为“是为了”、“是需要”或“是做”。P是可组合的,P表示表达式中的父意图。
可选地,P可表示为多个子意图的组合,具有以下式子:
P=(P1(P11(P111...),P12...P1n),P2...PN) (5)
可选地,例如,P是去上一节多媒体课,分两个小P为保持黑暗和安静。保持黑暗包括关门和拉窗帘,具有以下式子:
P=“take a multimedia class” (6)
P1=“keep dark”P2=“keep quite” (7)
P11=“close the door”P12=“draw the curtain” (8)
P=(P1(P11,P12),P2) (9)
S400:将所述数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK与发送方意图P进行映射归类到DIKW图谱模型中;
可选地,多个领域都使用DIKW图谱作为自然语言标记来表达理解。然而,对于DIKW图谱概念的含义没有统一的理解。从认知角度来看,DIKW图谱作为一个整体具有以下认知:属性(DATTR)和结构(DSTR)定义DDIK。此外,属性和结构的差异可分为数字数据(DNumber)和范围数据(DRange)。
可选地,本方法S400具有以下式子:
DDIK::=<DATTR,DSTR> (10)
DDIK=(DNumber,DRange) (11)
可选地,IDIK作为DIKW图谱之间的目的导向关系,是DDIK对特定P的反应,取决于DDIK关系与P的关系内容。DDIK和P定义IDIK。不同的P与相同的DDIK组合可以产生不同的IDIK。相同的P与不同的DDIK组合也能产生不同的IDIK,具有以下式子:
IDIK::=RCombination(DDIK,P) (12)
可选地,例如,面包数据与第一个P相结合,以找到硬的东西,得到面包硬的信息。面包与其他P结合产生的信息表明面包可以补充能量,具有以下式子:
DDIK=“bread”P1=“find something hard” (13)
IDIK1=DDIK+P1=“bread is hard” (14)
P2=“energy intake” (15)
IDIK2=DDIK+P2=“bread can replenish energy” (16)
可选地,KDIK是DDIK或IDIK的类型化演绎(演绎DIKW)或抽象(抽象DIKW)。我们定义了实体之间的两种语义关系,相同的关系和不同的关系。这两种关系意味着在某个场景中,两个实体在某个属性或关系中完全相同或不同。智慧资源(WDIK)与人类价值观捆绑在一起,具有以下式子:
KDIK::=(DeductionDIKW|AbstractionDIKW) (17)
((DDIKAND KDIK)or(IDIK AND KDIK)) (18)
S500:对所述发送方DIKW模型进行分析,得到传输的真实内容,并遍历接收方DIKW模型,对传输内容进行重塑,形成与接收方认知能力相匹配的拓扑结构;
可选地,数据结构(DSTR)和频率(DFRE)决定数据模型,其中数据结构包括但不限于树、图形、堆栈等。数据关系(DREL)实体不明确,因此使用无向图用于构建数据模型。要确定实体之间是否存在关系,ExistTrue或Exist1表示实体之间是否存在关系,ExistFalse或Exist0表示实体之间不存在关系。数据实体可分为两种类型,即定义为“RIs-a”的继承关系和定义为“RIs-include”的包含关系,其中父节点包含或继承与其关联的所有子节点的属性。
可选地,本方法S500具有以下式子:
DG::=<DSTR,DFRE> (19)
DSTR::=<trees,graphs,stacks...> (20)
DG::=BuildBottom-up(Collect(DDIK)) (21)
DREL::=<RIs-include,RIs-a> (22)
Exist::=<Exist0,Exist1>OR<Existfalse,Existtrue> (23)
可选地,意图模型中P是意图的表示,意图模型可以是树模型。相应的P创建模型。不同对象的P之间的关系包括反对(Ragainst)和支持(Rsupport)。同一对象可以分解为父对象和子对象。父P可以分解为多个子P,而多个子P可以派生自父P,因此它们是可互换的。
可选地,信息模型本质上是对IDIK之间连接和传递演绎的逻辑关系进行建模的一种方式,使用有向图表示IDIK之间的动态或因果关系。信息关系(IREL)有Rinclude、RASSSOCIATE、Rand、ROR和Rnot,也正是这些关系共同构成了IDIK的层次结构。图2展示了DPI模型。
可选地,本方法S500具有以下式子:
IG::=Rbind(DDIK AND P) (24)
IREL::=<Rinclude,Rassocate,Rand,Ror,Rnot> (25)
可选地,知识模型中DDIK和IDIK通过结构化、形式化的演绎获得KDIK。知识关系(KRel)具有KDIK之间的逻辑关系(Rand、Ror、Rnot)或传递关系(RTransmit),其准确性和正确性用于描述知识规则的可信性。通过知识规则建模得到的知识模型以树形结构为主要表示形式,通过树形结构的层次化表示,清晰地表达了不同KDIK之间存在的逻辑或传递关系。
可选地,本方法S500具有以下式子:
KREL::=<Rand,Ror,Rnot,Rtransmit> (26)
S600:将所述重塑后的传输内容根据接收方的期望向接收方呈现;
可选地,接收方可以对接收的内容进行翻译,可以根据个人意愿将其呈现在颜色和形状维度上,可以实现用于向接收方呈现所传输的内容的个性化服务,例如调整颜色、形状和大小、显示图像或设置提醒以突出显示重要内容,从而提醒接收方减少错误。
可选地,为了进一步描述本发明的方案,下面以一个完整实施例描述本发明的方案。
一、内容确定
算法一描述:DIKWP去冗余和建模算法首先将相关的URDIK分类为DIKW图谱类型的资源,然后对这些类型的DIKW图谱资源进行去冗余。最后,构建的模型基于每种类型资源中固有的关系。例如,发件人发送姓名、身份证号码和年龄。在传输过程中,将这些资源分类为类型资源并进行去冗余。年龄可以通过结合使用ID号和KDIK推理来获得,因此DDIK是冗余的。
1)概念化和抽象化资源分类:概念化模型使用一组概念具体化来感知现实世界中的事物或对象,表达基本概念及其相互关系的框架。在RDXS建模模型的背景下,DIKW图谱概念化模型是一种改进的UML元模型,它以“人”和“存在”的概念为中心。概念化包括抽象、概括和演绎,将实体分为类或类型。
Conceptualization::=<Abstraction,Generalization,Deduction> (27)
抽象过程使用自下而上的抽象来收集属性、方法和实体,并分析DDIK和IDIK之间关系的共性(Analysis(Generality))。通过对URDIK的概念化和抽象,RDXS中类型之间确定性关系的概率假设精确地对应于DDIK or IDIK下的所有实体。
Abstraction::=<CollectBottom-up(attributes,methods,entity)
And Analysis(generality)> (28)
2)建模:采用面向对象的自底向上的构造方法,从收集到的类型资源分别构造数据模型、意图模型和信息模型。
a)发送方:发送方意图(PSED)可以包括安全传输、高/低效率传输、准确传输等,分为内容P(Pcontent)和传输效率和结果P两个方面。在传输过程中,Pcontent确定DScale、IScale和KScale,以避免错误甚至歧义导致内容被误解甚至失真。就效率和结果而言,传输效率取决于TransScale和TransSequence。TransScale包括DDIK传输规模(DTransScale)、IDIK传输规模(ITransScale)和KDIK传输规模(KTransScale),形成满足接收方高效传输需求的拓扑。
Pcontent::=<DScale,IScale,KScale> (29)
Pcontent::=<TransScale,TransSequence> (30)
TransScale::=<DTransScale,ITransScale,KTransScale> (31)
b)接收方:接收方在接收到发送方的传输内容后,可以根据自身情况选择如何处理传输内容,接收方P(PREV)可以包括翻译处理P(Ptranslate)和呈现内容P(PPresent)。在Ptranslate的层面,DIKW图谱模型基于接收方选择有利于准确传递内容的翻译类型,包括直接翻译和意译,其中直接翻译是逐字翻译,传输内容的翻译处理考虑了顺序性、及时性和有效性。顺序是指接收到的资源处理的顺序,发送方为其分配的权重可以按优先级顺序使用,较高的权重表示处理的重要性和优先级较高。时间线是处理接收到的内容的时间限制。有效性表示接收到的拓扑是否能够有效处理。
PREV::=<Ptranslate,Ppresent> (32)
Ptranslate::=<Pdirect-translation,Pparaphrase> (33)
Pdirect-translation|Pparaphrase::=<Sequence,Timeline,Validity> (34)
c)攻击方:攻击方作为交流一方,不能因为其展现出攻击意图就将其剔除出建模过程。例如日常生活交流中常会遇到说话有人打断,歪解说话人原意,阻止内容传递,对交流内容进行修改、删减、增加等,在进行DIKW建模过程中,理应将攻击方意图考虑在内。在发送方和接收方之间交互的情况下,攻击方可以通过两种方式实施攻击:在传输期间和在接收期间。大多数攻击方期望获得比攻击成本更高的内容资源价值。准确分析攻击方意图通过利用攻击方的DIKW模型,利用演化得到的IDIK-DIK DDIK=DIK P分析出不同攻击者甚至群体攻击者的意图。
3)确定发送内容:传输内容通过输入PSED遍历发送方的DIKW图谱模型来确定DScale、IScale和KScale以在发送方发送DIK内容。
在算法2中,根据Psender,搜索发送方DIKW图谱模型的DIK内容范围和传输范围满足传输要求。图5展示了一个Psender得到表扬的例子,遍历数据模型选择DScale形成满足Psender的IDIK
二、内容转换
发送方和接收方各自DIKW图谱的内容和结构不同,会导致对同一内容的认知理解不同,从而导致误解甚至歧义。为了更好和更有效地传达发送者传输本质的真实含义,传输的内容可以根据接收者的DIKW图谱进行转换。进一步地,在这个过程中,传输内容的变化程度反映了准确性。准确度是转换后的传输准确表示的程度,分为DDIK准确度(Daccuracy)、IDIK准确度(Iaccuracy)和KDIK准确度(Kaccuracy)。正确性是接收者准确理解的度量,分为DDIK正确性(Dcorrectness)、IDIK正确性(Icorrectness)和KDIK正确性(Kcorrectness)。传输内容和接收器的相似性或相反拓扑反映了正确性的水平。歧义是传输内容的歧义程度和包含内容的可能性,分为DDIK歧义(Dambiguity)、IDIK歧义(Iambiguity)和KDIK歧义(Kambiguity)。节点的程度反映了传输内容的歧义。
Accuracy::=<Daccuracy,Icorrectness,Kaccuracy> (35)
Correctness::=<Dcorrectness,Icorrectness,Kcorrectness> (36)
Ambiguity::=<Dambiguity,Iambiguity,Kambiguity> (37)
准确性与传输的DDIK有关,通过比较双方传输的内容的DDIK类型和DDIK位来确定准确性的变化。正确性与两侧拓扑的相似性有关。两边的拓扑结构与正确性呈正相关。歧义与节点的歧义程度有关,出度和入度与节点歧义呈正相关。
内容转换与接收者认知相关。理解差异的一个重要原因是不同内容资源接受者在认知能力、加工能力和应用能力上的认知差异(CD)。
CD=(cognitionability,processability,applicationability) (38)
发送者和接收者的认知能力分为DDIK认知能力、IDIK认知能力和KDIK认知能力,不同的用户在这三个维度上量化各自的认知能力,以量化双方之间的认知差异,包括DDIK认知差异(DD)、IDIK认知差异(ID)和KDIK认知差异(KD)。内容转换主要利用发送方和接收方之间的CD。对于其中发送的内容不被理解或过度理解的接收方DIKW图谱模型,重塑(添加、删除、检查、改变)发送的内容DIK构建了关闭接收方并实现内容转换的模型。
CD::=<DD,ID,KD> (39)
对于接收者来说,处理能力可以是内容整合能力和处理机制。在内容整合能力维度,选择短搜索策略遍历接收方DIKW图谱模型,以最大化内容整理过程。处理机制旨在收集尽可能多的可理解内容资源。应用能力是指接受者使用自己的DIKW图谱应用问题解决的能力,并在有效解决问题的基础上进行评估。
算法3描述:DIKW图谱P模型从接收方的角度出发,遍历接收方和发送方,分别记录每个节点的边数路径距离和度,用来约简接收方和发送方之间的DD、ID和KD进行内容转换。图7显示了一个示例。在A的数据模型中,蛋糕就是晚餐,节点有2条边,16.7度,总共18.7度。在B的数据模型中,蛋糕是甜点,节点有3条边,5.6度,总共8.6度,认知差异18.7-8.6=10.1。大米节点有2条边,16.7度,共18.7度,认知差异为0。A认知中的蛋糕相当于B认知中的大米。
1)转换机制:不同类型的资源对应不同的处理时间复杂度和空间复杂度,一种类型的资源通过概念映射和类比分类转换为另一种类型的资源,相应的资源存储量会发生变化。
2)数据转换:通过发送方DIKWP的输入分析传输的真实内容,并遍历接收方DIKWP模型,为内容表达形式转换为输出找到一个很好的匹配,解决了由于个体感知不同而引起的误解问题,从而实现了内容DDIK的转换。在图7中,A将大米分别传送给B和C,意欲展示A吃正餐主食吃得很饱,在A食物数据模型中,大米位于晚餐的左侧节点,遍历B的食物数据模型对应位置数据为面条,C的食物数据模型中对应为馒头。若直接将米饭分别传输给B和C,因B和C的食物数据模型中,米饭不作为正餐主食,不能很好地理解A吃的很饱这一内容,于是对传输内容进行优化,将食物数据模型进行概念重构、体系重构,则A传输给B的内容转换为面条,给C的传输内容转换为馒头。
3)信息转换:模型中不同节点位置的内容传输成本不同。高位置节点的出度程度高,内涵丰富,解释多,歧义大,内容转换搜索路径距离长,代价高。例如图7中,如果A提醒B在同一天的8:00、12:00和18:00吃米饭,为了降低内容传输成本,A到B的传输IDIK内容转换为提醒B规律吃饭。
三、内容呈现
内容呈现层面,接收者对接收的内容进行翻译,然后根据个人意愿将其呈现在颜色和形状维度上,满足了一定程度的准确性和正确性理解。为了使发送者发送的内容满足接收者的期望呈现,重要的是实现用于向接收者呈现所传输的内容的个性化服务,例如调整颜色、形状和大小、显示图像或设置提醒以突出显示重要内容,从而提醒接收者减少错误。
四、价值评估
情感沟通价值评估(VA)方法确定攻击者的投入成本(ICA)和DIKW图谱模型。对于确定攻击者的投入成本,需要先确定DIKW模型中参与各方的传递效率,接收方的认知距离出入度、认知成本,例如同一件事情在对年老者和青少年进行传递时,其认知程度是不一样的,进而得到攻击者进行误导、更改传输内容的成本。算法4描述:具有最高优先级的节点执行类型资源转换隐藏,并计算每个模型和节点的保护转换成本。保护转换成本与攻击者投入成本进行比较,以选择保护成本最低的保护转换路径。
如图9所示,本发明提供了一种面向DIKW资源的情感表达映射、度量与优化传输系统的装置,所述装置包括:内容确定单元100、内容转换200和内容呈现单元300;
所述内容确定单元100,被配置为执行将所述情感表达内容中反映个性特征和偏好的内容概念化和抽象化为用户行为资源,其中,所述用户行为资源URDIK由用户类型资源URType和用户类型资源范围URScale组成,每个用户类型资源都存在相应的类型资源范围;
所述内容确定单元100,还被配置为执行根据数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK的属性特征将用户类型资源URType转化为三种不同的类型资源;
其中,所述数据类型资源DDIK由数据结构和传输频率决定,其中数据结构包括但不限于树、图形、堆栈等,传输频率指相似或同一内容的多次传输;
所述信息类型资源IDIK本质上是对IDIK之间连接和传递演绎的逻辑关系进行建模得到的,使用有向图表示IDIK之间的动态和因果关系;
所述知识类型资源KDIK是由DDIK和IDIK通过结构化和形式化演绎获得的;
所述内容确定单元100,还被配置为执行分析发送者意图PSED,其中,PSED可以包括安全传输、高/低效率传输、准确传输等,分为内容Pcontent的传输效率和结果两个方面;
其中,Pcontent确定了资源传输范围DScale、IScale和KScale,以避免错误甚至歧义导致内容被误解甚至失真;
其中,就传输效率而言,传输效率取决于资源传输范围和资源传输频率;
所述内容确定单元100,还被配置为执行减少不必要的输入成本,对发送方意图的分析规定了数据、信息、知识的范围以及数据、信息、知识的传输范围,传输它们的优先级顺序是按权重进行排列的;
所述内容转换单元200,被配置为执行将所述数据类型资源映射归类到数据模型D中;将所述信息类型资源映射归类到信息模型I中;将所述知识类型资源映射归类到知识模型K中;将对发送方意图P的分析映射归类到意图模型P中;其中所述数据模型D、信息模型I、知识模型K和意图模型P即为发送方的DIKW模型;
所述内容转换单元200,还被配置为执行根据接收方的DIKW模型对所述发送方的DIKW模型进行传输内容的概念重构,形成与接收方认知能力相匹配的拓扑结构,量化双方认知差异,满足接收方的个人意愿和期望,直到认知的相互最大化,最小化内容认知差异;
所述内容呈现单元300,被配置为执行将所述最终传输内容向接收方进行情感内容呈现,其中,可选地,接收方对接收的情感内容进行翻译,然后根据个人意愿将其呈现在颜色和形状维度上,满足一定程度的准确性和正确性理解。
结合图9所示的实施方式,在某些可选的实施方式中,所述装置还包括:价值评估单元400。
所述价值评估单元400,被配置为执行使用情感沟通价值评估方法确定攻击方的投入成本和攻击方的DIKW图谱模型,以价值导向阻止攻击,有助于形成准确可靠的情感交流内容;其中,为了确定攻击方的投入成本,需要先确定DIKW模型中参与各方的传递效率,参与各方的认知距离出入度、认知成本,进而得到攻击方进行误导、更改传输内容的成本。
在本申请中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。

Claims (10)

1.一种面向DIKW资源的情感表达映射、度量与优化传输系统的方法,其特征在于,包括:
将发送方的情感表达内容进行概念化和抽象化;
将所述概念化和抽象化的情感表达内容转化为数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK
对所述发送方的情感表达内容进行分析得到发送方意图P;
将所述数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK与发送方意图P进行映射归类到DIKW图谱模型中;
对所述发送方DIKW模型进行分析,得到传输的真实内容,并遍历接收方DIKW模型,对传输内容进行重塑,形成与接收方认知能力相匹配的拓扑结构;
将所述重塑后的传输内容根据接收方的期望向接收方呈现。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
将所述情感表达内容中反映个性特征和偏好的内容概念化和抽象化为用户行为资源,其中,所述用户行为资源URDIK由用户类型资源URType和用户类型资源范围URScale组成,每个用户类型资源都存在相应的类型资源范围。
3.根据权利要求1所述的方法,其特征在于,所述方法包括:
所述用户类型资源URType可以根据数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK的属性特征转化为三种不同的类型资源;
所述数据类型资源DDIK由数据结构和传输频率决定,其中数据结构包括但不限于树、图形、堆栈等,传输频率指相似或同一内容的多次传输;
所述信息类型资源IDIK本质上是对IDIK之间连接和传递演绎的逻辑关系进行建模得到的,使用有向图表示IDIK之间的动态和因果关系;
所述知识类型资源KDIK是由DDIK和IDIK通过结构化和形式化演绎获得的。
4.根据权利要求1所述的方法,其特征在于,所述方法包括:
发送者意图PSED可以包括安全传输、高/低效率传输、准确传输等,分为内容Pcontent的传输效率和结果两个方面。
其中,Pcontent确定了资源传输范围DScale、IScale和KScale,以避免错误甚至歧义导致内容被误解甚至失真;
其中,就传输效率而言,传输效率取决于资源传输范围和资源传输频率。
5.根据权利要求1所述的方法,其特征在于,所述方法包括:
将所述数据类型资源映射归类到数据模型D中;
将所述信息类型资源映射归类到信息模型I中;
将所述知识类型资源映射归类到知识模型K中;
将对发送方意图P的分析映射归类到意图模型P中;
所述数据模型D、信息模型I、知识模型K和意图模型P即为发送方的DIKW模型。
6.根据权利要求1所述的方法,其特征在于,所述方法包括:
根据接收方的DIKW模型对所述发送方的DIKW模型进行传输内容的概念重构,形成与接收方认知能力相匹配的拓扑结构,量化双方认知差异,满足接收方的个人意愿和期望,直到认知的相互最大化,最小化内容认知差异,将所述最终传输内容向接收方进行情感内容传输。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
为了减少不必要的输入成本,对发送方意图的分析规定了数据、信息、知识的范围以及数据、信息、知识的传输范围,传输它们的优先级顺序是按权重进行排列的。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
使用情感沟通价值评估方法确定攻击方的投入成本和攻击方的DIKW图谱模型,以价值导向阻止攻击,有助于形成准确可靠的情感交流内容。其中,为了确定攻击方的投入成本,需要先确定DIKW模型中参与各方的传递效率,参与各方的认知距离出入度、认知成本,进而得到攻击方进行误导、更改传输内容的成本。
9.一种面向DIKW资源的情感表达映射、度量与优化传输系统的装置,其特征在于,所述装置包括:内容确定单元、内容转换单元和内容呈现单元;
所述内容确定单元,被配置为执行将所述情感表达内容中反映个性特征和偏好的内容概念化和抽象化为用户行为资源,其中,所述用户行为资源URDIK由用户类型资源URType和用户类型资源范围URScale组成,每个用户类型资源都存在相应的类型资源范围;
所述内容确定单元,还被配置为执行根据数据类型资源DDIK、信息类型资源IDIK和知识类型资源KDIK的属性特征将用户类型资源URType转化为三种不同的类型资源;
其中,所述数据类型资源DDIK由数据结构和传输频率决定,其中数据结构包括但不限于树、图形、堆栈等,传输频率指相似或同一内容的多次传输;
所述信息类型资源IDIK本质上是对IDIK之间连接和传递演绎的逻辑关系进行建模得到的,使用有向图表示IDIK之间的动态和因果关系;
所述知识类型资源KDIK是由DDIK和IDIK通过结构化和形式化演绎获得的;
所述内容确定单元,还被配置为执行分析发送者意图PSED,其中,PSED可以包括安全传输、高/低效率传输、准确传输等,分为内容Pcontent的传输效率和结果两个方面;
其中,Pcontent确定了资源传输范围DScale、IScale和KScale,以避免错误甚至歧义导致内容被误解甚至失真;
其中,就传输效率而言,传输效率取决于资源传输范围和资源传输频率;
所述内容确定单元,还被配置为执行减少不必要的输入成本,对发送方意图的分析规定了数据、信息、知识的范围以及数据、信息、知识的传输范围,传输它们的优先级顺序是按权重进行排列的;
所述内容转换单元,被配置为执行将所述数据类型资源映射归类到数据模型D中;将所述信息类型资源映射归类到信息模型I中;将所述知识类型资源映射归类到知识模型K中;将对发送方意图P的分析映射归类到意图模型P中;其中所述数据模型D、信息模型I、知识模型K和意图模型P即为发送方的DIKW模型;
所述内容转换单元,还被配置为执行根据接收方的DIKW模型对所述发送方的DIKW模型进行传输内容的概念重构,形成与接收方认知能力相匹配的拓扑结构,量化双方认知差异,满足接收方的个人意愿和期望,直到认知的相互最大化,最小化内容认知差异;
所述内容呈现单元,被配置为执行将所述最终传输内容向接收方进行情感内容呈现,其中,可选地,接收方对接收的情感内容进行翻译,然后根据个人意愿将其呈现在颜色和形状维度上,满足一定程度的准确性和正确性理解。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:价值评估单元;
所述价值评估单元,被配置为执行使用情感沟通价值评估方法确定攻击方的投入成本和攻击方的DIKW图谱模型,以价值导向阻止攻击,有助于形成准确可靠的情感交流内容;其中,为了确定攻击方的投入成本,需要先确定DIKW模型中参与各方的传递效率,参与各方的认知距离出入度、认知成本,进而得到攻击方进行误导、更改传输内容的成本。
CN202111006620.2A 2021-08-30 2021-08-30 面向dikw资源的情感表达映射、度量与优化传输系统 Active CN113722505B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111006620.2A CN113722505B (zh) 2021-08-30 2021-08-30 面向dikw资源的情感表达映射、度量与优化传输系统
PCT/CN2021/126347 WO2023029178A1 (zh) 2021-08-30 2021-10-26 面向dikw资源的情感表达映射、度量与优化传输系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111006620.2A CN113722505B (zh) 2021-08-30 2021-08-30 面向dikw资源的情感表达映射、度量与优化传输系统

Publications (2)

Publication Number Publication Date
CN113722505A true CN113722505A (zh) 2021-11-30
CN113722505B CN113722505B (zh) 2023-04-18

Family

ID=78679291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111006620.2A Active CN113722505B (zh) 2021-08-30 2021-08-30 面向dikw资源的情感表达映射、度量与优化传输系统

Country Status (2)

Country Link
CN (1) CN113722505B (zh)
WO (1) WO2023029178A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114374664A (zh) * 2021-12-15 2022-04-19 海南大学 基于公平性导向的情感内容dikw化映射与传输方法
WO2023029194A1 (zh) * 2021-09-03 2023-03-09 海南大学 基于dikw内容对象的情感通讯方法
WO2023123311A1 (zh) * 2021-12-31 2023-07-06 海南大学 基于dikw的内容完整性建模与判断方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN110442734A (zh) * 2019-08-13 2019-11-12 海南大学 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理机制
CN110457488A (zh) * 2019-08-10 2019-11-15 海南大学 基于数据图谱、信息图谱和知识图谱的内容传输建模及处理优化机制
CN110730191A (zh) * 2019-10-26 2020-01-24 海南大学 基于数据、信息和知识对象的意图导向的osi七层网络协议模型
CN112925921A (zh) * 2021-04-21 2021-06-08 海南大学 基于dikw图谱的资源识别方法、相关装置及可读介质
CN112949321A (zh) * 2021-04-21 2021-06-11 海南大学 面向意图计算与推理的dikw模型构建方法及装置
US20210191506A1 (en) * 2018-01-26 2021-06-24 Institute Of Software Chinese Academy Of Sciences Affective interaction systems, devices, and methods based on affective computing user interface

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10212251B2 (en) * 2015-03-16 2019-02-19 Invensense, Inc. Method and system for generating exchangeable user profiles
WO2019050968A1 (en) * 2017-09-05 2019-03-14 Forgeai, Inc. METHODS, APPARATUS, AND SYSTEMS FOR TRANSFORMING UNSTRUCTURED NATURAL LANGUAGE INFORMATION IN TO COMPUTER-PROCESSED STRUCTURED DATA
US11100483B2 (en) * 2017-09-29 2021-08-24 Intel Corporation Hierarchical data information
US10776337B2 (en) * 2018-07-06 2020-09-15 International Business Machines Corporation Multi-dimensional knowledge index and application thereof
CN112232082B (zh) * 2020-10-14 2022-02-18 海南大学 面向本质计算的多模态dikw内容多语义分析方法
CN112818385B (zh) * 2021-01-20 2022-04-01 海南大学 基于常识推理的多模态资源的本质内容处理方法及系统
CN113220911B (zh) * 2021-05-25 2024-02-02 中国农业科学院农业信息研究所 一种农业多源异构数据的分析与挖掘方法及其应用

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210191506A1 (en) * 2018-01-26 2021-06-24 Institute Of Software Chinese Academy Of Sciences Affective interaction systems, devices, and methods based on affective computing user interface
CN110263180A (zh) * 2019-06-13 2019-09-20 北京百度网讯科技有限公司 意图知识图谱生成方法、意图识别方法及装置
CN110457488A (zh) * 2019-08-10 2019-11-15 海南大学 基于数据图谱、信息图谱和知识图谱的内容传输建模及处理优化机制
CN110442734A (zh) * 2019-08-13 2019-11-12 海南大学 基于数据图谱、信息图谱和知识图谱的交互区域划分及传输优化处理机制
CN110730191A (zh) * 2019-10-26 2020-01-24 海南大学 基于数据、信息和知识对象的意图导向的osi七层网络协议模型
CN112925921A (zh) * 2021-04-21 2021-06-08 海南大学 基于dikw图谱的资源识别方法、相关装置及可读介质
CN112949321A (zh) * 2021-04-21 2021-06-11 海南大学 面向意图计算与推理的dikw模型构建方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023029194A1 (zh) * 2021-09-03 2023-03-09 海南大学 基于dikw内容对象的情感通讯方法
CN114374664A (zh) * 2021-12-15 2022-04-19 海南大学 基于公平性导向的情感内容dikw化映射与传输方法
CN114374664B (zh) * 2021-12-15 2022-09-23 海南大学 基于公平性导向的情感内容dikw化映射与传输方法
WO2023123311A1 (zh) * 2021-12-31 2023-07-06 海南大学 基于dikw的内容完整性建模与判断方法

Also Published As

Publication number Publication date
WO2023029178A1 (zh) 2023-03-09
CN113722505B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN113722505B (zh) 面向dikw资源的情感表达映射、度量与优化传输系统
US8374977B2 (en) Methods and systems for transductive data classification
US8239335B2 (en) Data classification using machine learning techniques
Wang et al. Studies on a multidimensional public opinion network model and its topic detection algorithm
US8949233B2 (en) Adaptive knowledge platform
US7958067B2 (en) Data classification methods using machine learning techniques
Aberer et al. Start making sense: The Chatty Web approach for global semantic agreements
US20080086432A1 (en) Data classification methods using machine learning techniques
Li et al. Improve relation extraction with dual attention-guided graph convolutional networks
Hu et al. Modeling and Measuring for Emotion Communication based on DIKW
WO2022179384A1 (zh) 一种社交群体的划分方法、划分系统及相关装置
Dalla Valle et al. Social media big data integration: A new approach based on calibration
CN116842260A (zh) 一种基于图神经网络多空间交互建模的知识增强推荐方法
CN116467666A (zh) 一种基于集成学习和主动学习的图异常检测方法和系统
CN117149974A (zh) 一种子图检索优化的知识图谱问答方法
Klusch et al. OWLS-MX3: an adaptive hybrid semantic service matchmaker for OWL-S
Ladd et al. Measurement considerations for quantitative social science research using social media data
WO2023029194A1 (zh) 基于dikw内容对象的情感通讯方法
CN116662564A (zh) 一种基于深度矩阵分解与知识图谱的服务推荐方法
WO2023178767A1 (zh) 基于企业征信大数据知识图谱的企业风险检测方法和装置
CN115564013B (zh) 提高网络表示学习表示能力的方法、模型训练方法和系统
CN115293479A (zh) 舆情分析工作流系统及其方法
Chiang et al. Reference classes and relational learning
CN110175197B (zh) 一种基于语义物联网的本体构建方法和系统
CN113987338A (zh) 一种基于标签的异质图推荐算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant