概念认知学习理论及应用

本书主要内容包括概念认知学习概述、基于概念兴趣度的社交网络关键结构挖掘、可负责任计算社会系统中绝对公平团挖掘、面向社交网络知识发现的三支概念格增量构建、偏序概念图谱理论与方法、基于偏序概念图谱的英语情态动词语言处理、基于三支概念格的知识点导航、基于面向属性概念约简的认知诊断、移动边缘计算中的虚拟机调度、面向多用户的多云服务组合推荐。

本书可作为高等院校信息科学、数学、认知科学及相关学科的高年级本科生、研究生的参考书，同时为不确定性人工智能和机器学习科研人员提供了一个新的研究思路。

序

前言

第1章 概念认知学习概述 1

1.1 认知科学简介 1

1.2 概念认知学习机理 2

1.3 形式概念分析理论 3

1.4 三支概念分析理论 6

1.5 概念认知学习在信息科学领域中的典型应用 9

1.6 本书内容安排 11

第一部分 社交网络篇

第2章 基于概念兴趣度的社交网络关键结构挖掘 15

2.1 面向社交网络结构挖掘的概念兴趣度学习框架 15

2.1.1 问题描述 15

2.1.2 解决方案 16

2.2 社交网络关键结构挖掘方法 17

2.2.1 创建社交网络的形式背景并生成相应概念 17

2.2.2 面向社交网络场景的概念兴趣度计算 19

2.2.3 基于概念兴趣度的概念–结构映射关系 20

2.2.4 基于概念兴趣度的关键子图结构挖掘算法 24

2.3 静态社交网络下的实验评估 25

2.3.1 实验设置 25

2.3.2 实验结果与分析 26

2.4 动态社交网络孤立极大派系挖掘方法 29

2.4.1 问题描述 30

2.4.2 基于概念稳定性的孤立极大派系识别算法 30

2.5 动态社交网络下的实验评估 33

2.6 本章小结 36

第3章 可负责任计算社会系统中绝对公平团挖掘 37

3.1 问题背景 37

3.2 问题描述 38

3.3 面向可负责任计算社会系统基于概念认知学习的绝对公平团挖掘方法 40

3.3.1 总体挖掘框架 40

3.3.2 形式背景构建 40

3.3.3 属性等势概念抽取 41

3.3.4 从属性等势概念中识别绝对公平团 42

3.3.5 算法描述 43

3.3.6 时间复杂度分析 45

3.3.7 基准模型 45

3.4 实验评估 46

3.4.1 实验设置 46

3.4.2 对比方法 48

3.4.3 实验结果与分析 48

3.4.4 案例研究 53

3.5 本章小结 56

第4章 面向社交网络知识发现的三支概念格增量构建 57

4.1 问题背景 57

4.2 问题描述 58

4.3 AE概念格增量构建方法 59

4.3.1 属性增量AE概念格构建 59

4.3.2 对象增量AE概念格构建 62

4.4 OE概念格增量构建方法 66

4.4.1 属性增量OE概念格构建 67

4.4.2 对象增量OE概念格构建 68

4.5 面向社交网络的AE概念格和OE概念格构建 69

4.5.1 面向社交网络的形式背景构建 70

4.5.2 面向社交网络的AE概念格构建 72

4.5.3 面向社交网络的OE概念格构建 73

4.6 实验评估 77

4.6.1 数据集 77

4.6.2 比较算法 77

4.6.3 实验结果与分析 78

4.6.4 案例研究 80

4.7 本章小结 81

第二部分 自然语言篇

第5章 偏序概念图谱理论与方法 85

5.1 多粒度偏序形式结构分析 85

5.1.1 基础理论 85

5.1.2 偏序结构 94

5.2 多层次偏序概念图谱构建 104

5.3 偏序结构多元化知识表示 105

5.4 偏序结构小样本知识推理 106

5.4.1 基于偏序结构的知识推理机制 107

5.4.2 基于偏序结构的数据增强操作 109

5.4.3 基于偏序结构的知识推理算法 110

5.5 本章小结 111

第6章 基于偏序概念图谱的英语情态动词语义处理 112

6.1 语义排歧 112

6.1.1 相关定义 112

6.1.2 数据准备 113

6.1.3 背景构建 117

6.1.4 数据挖掘 117

6.2 知识发现 120

6.2.1 语义模式识别 120

6.2.2 语义规则提取 121

6.2.3 特征选择优化 123

6.2.4 句法与语义互动关系 124

6.2.5 属性重要度分析 124

6.3 本章小结 125

第三部分 智能教育篇

第7章 基于三支概念格的知识点导航 129

7.1 问题描述 129

7.2 面向自主学习基于三支概念格的知识点导航 130

7.2.1 实现步骤 131

7.2.2 案例研究 132

7.3 实验评估 135

7.3.1 数据集 135

7.3.2 实验结果与分析 135

7.4 本章小结 137

第8章 基于面向属性概念约简的认知诊断 138

8.1 面向属性概念约简 138

8.1.1 面向属性概念约简的定义及存在性 138

8.1.2 面向属性概念约简的求解方法 139

8.2 认知诊断 141

8.3 实验评估 143

8.3.1 实验设置 143

8.3.2 基于OPD的面向属性概念约简效率评估 144

8.3.3 基于面向属性概念约简的认知诊断效率评估 145

8.4 本章小结 146

第四部分 服务计算篇

第9章 移动边缘计算中的虚拟机调度 149

9.1 移动边缘计算架构 149

9.2 问题描述 151

9.3 基于概念认知学习的虚拟机调度方法 152

9.3.1 总体技术框架 152

9.3.2 虚拟机特征描述 153

9.3.3 能耗评估 154

9.3.4 任务特征描述 156

9.3.5 任务与虚拟机的融合/匹配 157

9.4 实验评估 159

9.4.1 数据集 159

9.4.2 实验结果与分析 162

9.5 本章小结 164

……