5、领域知识引导的知识发现研究进展

领域知识引导的知识发现研究进展

1. 文本挖掘与领域本体构建

在文本挖掘方面，有研究致力于理解文档结构以改进挖掘效果。其设计的系统从网页提取信息单元，经过解释转化为知识单元。该系统运用基于包装器的机器学习算法，结合基于分类的推理过程，并借助网络本体语言（OWL）实现的领域本体。提取的元素作为“语义注释”，用于理解和处理文档的结构与内容，应用领域为欧洲研究社区的研究主题分析，有助于研究主题分析和研究方向的发现。

操作步骤如下：
1. 运用基于包装器的机器学习算法从网页提取信息单元。
2. 结合基于分类的推理过程对信息单元进行初步处理。
3. 利用OWL实现的领域本体对信息单元进行解释，转化为知识单元。
4. 将知识单元作为“语义注释”用于文档的理解和处理。

2. 生命科学中的KDDK

生命科学是当前研究的重要应用领域，计算机科学家与生物学家的合作日益活跃。知识发现对于生命科学愈发重要，可用于挖掘同质数据库（如蛋白质序列或结构）、异质数据库（以发现基因与环境、遗传与表型数据之间的相互作用），尤其是在公共卫生和药物基因组学领域。

研究团队的一项工作是搜索和访问满足特定约束的相关生物源（包括生物数据库）。具体操作如下：
1. 根据领域本体中的概念描述生物源，形成形式上下文。
2. 基于此构建概念格。
3. 对于特定查询，进行基于概念格的信息检索。
4. 根据查询特征对生物源进行分类，返回相关源的排名列表。

未来还计划推广该方法，使用“模糊概念格”和“模糊形式概念分析”，并研究复杂的问答方法。

另一挑战是从异质数据库中提取知识，