基于Agent的Web知識發(fā)現(xiàn)系統(tǒng)模型與方法研究.pdf

1、本文以系統(tǒng)工程的理論和方法為指導，結合人工智能領域的多Agent技術，利用面向Agent的軟件工程技術分析和設計Web知識發(fā)現(xiàn)系統(tǒng)模型。Web知識發(fā)現(xiàn)系統(tǒng)是數(shù)據(jù)挖掘技術在網(wǎng)絡信息處理中的應用，是在大量樣本的基礎上，得到數(shù)據(jù)對象間的內(nèi)在特征，并以此為依據(jù)進行有目的的知識提取。Web知識發(fā)現(xiàn)系統(tǒng)不同于搜索引擎等信息檢索系統(tǒng)，是一個并行的、異步的、智能的多Agent系統(tǒng)，通過多個Agent相互協(xié)助對互聯(lián)網(wǎng)的信息進行推理和提取，并根據(jù)用戶的興趣

2、和需求特征，將所形成的知識按照一定的策略加以選擇地推薦給用戶，以完成互聯(lián)網(wǎng)智力資源共享的最終目的。 在廣泛查閱文獻并學習已有成果的基礎上，本文對Agent技術、基于Agent的系統(tǒng)建模方法、Web知識發(fā)現(xiàn)的方法、滿足個性化需求的Web知識發(fā)現(xiàn)等進行了較深入的研究，構建了基于Agent的Web知識發(fā)現(xiàn)系統(tǒng)模型。本文的主要研究內(nèi)容如下： (1)闡明了系統(tǒng)的體系結構、任務功能、通信機制與控制方式等，通過構建多個互相協(xié)作的MAS

3、子系統(tǒng)來降低知識發(fā)現(xiàn)系統(tǒng)復雜性； (2)研究文本知識提取子系統(tǒng)的實現(xiàn)，探討了文本的結構化處理及特征表示方法，重點研究了預處理Agent、分類Agent、聚類Agent及文本摘要Agent，包括Agent的結構及所采用的知識發(fā)現(xiàn)方法等； (3)研究用戶興趣特征挖掘子系統(tǒng)的實現(xiàn)，分別闡明了交互Agent、行為分析Agent、內(nèi)容學習Agent、用戶模型更新Agent的結構與實現(xiàn)方法，構造了基于概率模型的用戶興趣模型；