知识重组

摘要： [目的/意义]对元宇宙背景下数字资源管理的应用场景、技术路径与潜在风险进行探讨,以期为数字资源多模态融合、可视呈现、交互操作、版权管理、价值转化等流程提供借鉴参考。[研究设计/方法]结合元宇宙的时空延展性、人机融合性、经济增值性,基于数字孪生、拓展现实、区块链等技术底座,从多源聚类、资源标引、知识重组、发布共享和交互操作等环节,通过质性分析方法探索元宇宙与数字资源管理的融合可能性。[结论/发现]元宇宙与数字资源管理的融合应用可分为数字孪生、虚拟原生和虚实相融三大阶段,其中基于语义本体的多模态知识重组、基于知识图谱与事理图谱的孪生化场景构建、基于虚实界面的人机交互操作和基于NFR/NFT的虚实价值转化是四大关键环节。[创新/价值]从元宇宙技术发展和组织特性出发,结合数字资源管理的关键环节,梳理了技术融合点和潜在应用场景,为相关图情机构数据化、虚拟化、智慧化转型提供了参考。

摘要： “知识重组”让学生数学学习具有立体性、开放性和生成性。作为教师,必须秉持一种“结构化视角”,从“点状”到“线状”、从“线状”到“网状”、从“网状”到“体状”,对相关的数学课时知识、单元知识以及数学本体性知识等进行整理、集结。教师可以采用梳理与统管、构成与突破、拓展与延伸等知识重组的路径和策略引导实践。结构化教学有助于学生掌握结构化知识,结构化知识能有效助推学生的结构化学习。基于“知识重组”的结构化教学,能有效提升学生学习力,发展学生的数学核心素养。

摘要： 一、新文科建设与旅游学科建设新文科建设源于政府主导的自上而下的国家“新工科、新医科、新农科、新文科”建设(以下简称“四新”建设),倡导对文、史、哲、法、经、管、地等传统文科学科进行知识重组,注重新技术的应用、学科交叉与知识融合以及高水平人才培养与人文精神的传承①。旅游学科发展至今已逐步形成相对成熟的知识体系。

摘要： 知识结构化可以让学生的数学学习具有立体性、开放性和生成性。在小学数学教学中,教师可以以结构化教学视角,对相关的数学课时知识、单元知识以及本体知识等进行整理、集结,帮助学生掌握结构化知识,助推学生的结构化学习。文章从结构化教学下知识重组的原点和归宿、依据和条件、路径和策略等方面展开论述。

摘要： 价值创造离不开丰富的知识资源,知识网络是知识资源流通与交互的主要途径,因而探究知识网络嵌入对企业中心型创新生态系统价值共创的作用机制具有重要理论和现实意义.据此,本文基于社会网络理论与知识组合理论,提出知识网络嵌入与价值共创关系的研究假设,并通过引入知识重组和知识势差,构建一个有调节的中介效应模型.本文采用层次回归、拔靴法和主客观数据相结合的方式进行实证检验,探究知识网络嵌入通过知识重组对价值共创的作用机制以及知识势差在其中发挥的调节作用.结果显示:(1)知识网络结构嵌入与关系嵌入均正向影响价值共创;(2)显性与隐性知识重组在知识网络嵌入与价值共创之间发挥双重中介作用,隐性知识重组的中介作用更显著;(3)广度知识势差强化知识重组的中介作用,而深度知识势差对知识重组的影响并不显著.本文从知识组合视角揭示知识网络嵌入驱动价值共创的作用机制,对企业中心型创新生态系统的知识管理具有一定启示意义.

摘要： 单元教学设计是从某一单元(章节)或者某部分适合组织在一起的知识出发,综合利用各种教学方法和教学策略进行教学设计,以让学习者通过这一阶段的学习完成相对完整的知识单元的学习.课时教学设计则是以课时为基本单位进行教学设计,与单元教学设计相比,课时教学设计容易把教学内容碎片化,核心知识割裂化.下面以“指数与对数”为例,阐释知识重组式的单元教学设计,以求教于专家.

摘要： 小学阶段儿童数学学习中知识点较为琐碎,儿童的思维较为浅表,在现实中的课堂教学,教的气息仍很浓郁,我们的教学设计仍然存在教者居多的现象,这样让儿童的数学学习显得冰冷、僵硬。在小学数学教学中开展知识重组的教学策略研究,让儿童在数学学习中通过系统学习、深入思考、灵活应用,从而感受到学习的快乐。

摘要： 如何在农村义务段数学教学中培养学生的核心素养?在了解核心素养内涵的基础上,通过实施情景化教学,开展探究性学习,体悟数学思想方法,了解数学史实,进而培养学生的核心素养。

摘要： 本文以1996-2015年我国汽车产业142家整车生产企业为样本,探究知识重组对技术创新绩效的影响,并剖析三种主要知识基础关系特征对知识重组与技术创新绩效关系的调节作用。研究发现,研发者网络集聚性与平均路径的提高有助于提升知识重组的潜在可能性对创新绩效的正向作用;研发者网络平均连接数的上升将提升知识重组协作成本,对创新绩效有负向作用;知识基础关系特征对知识重组与创新绩效有显著的调节作用:(1)知识替代性负向调节知识重组潜在可能性对技术创新绩效的积极作用,(2)知识互补性正向调节知识重组潜在可能性对技术创新绩效的积极作用,(3)知识多样性负向调节知识重组协作成本对技术创新绩效的影响作用。研究丰富了现有文献,对企业优化知识管理与提升知识重组效率等问题具有指导意义。

摘要： 对科学引文的研究与利用，将有助于开阔图书馆信息服务工作的视野，是对信息服务工作内容的推进，科学引文的研究与利用，是对信息服务工作的知识重组，可以对馆藏结构进行自测与优化，并从中发现和培养新的学科生长点。最后提出了学科文献专家的知识化方向。

摘要： 本发明公开了一种知识技能的拆分重组方法及装置，包括：分别接收多个技能分享者从多个技能分类中所选择的技能分类并从所选择的技能分类中所选择的路径；其中，每个所述技能分类均包括多级路径，每级所述路径均具有节点名称；将每个所述技能分享者所选择的技能分类及路径组合为一纵向组合；从所述节点名称中获取多个关键词，将所选择的路径中具有相同关键词的技能分享者组合为所述关键词对应的横向组合。实施本发明的有益效果：通过对个人知识技能进行横向和纵向拆分，从横向和纵向展示技能分享者的知识属性，可以向用户展示到更加细化的知识技能信息。

摘要： 本发明公开了一种基于领域知识的个性化知识库重组方法，包括：根据用户需求对感兴趣的领域知识进行重新选取；对知识对应的素材是否被选入知识库进行必要筛选条件设置；结合相应的素材筛选条件，构建相应的素材提取指令，即构成了重组计划；根据提取指令涉及的知识分布，进行并行执行，生成知识库，即执行了重组计划；加入提取入知识库的感兴趣的素材或者删除已提取入知识库的不感兴趣的素材。所述方法适用于专业领域知识库的重组，适合专业出版社的业务应用，在重组过程中强调领域知识的作用，领域知识通常是领域词表或者领域本体。同时，利用领域知识的重构实现知识库需求描述的个性化，即用户可以动态地选取自己关心的知识集合，从而为用户提供更好的知识服务。

摘要： 本发明提供了一种知识重组系统和知识重组方法，知识重组系统包括：选择单元，根据接收到的选择命令，从预设的本体词汇库中选择出目标词汇；查找单元，在预设的本体词汇库中查找出与目标词汇存在关联关系的多个词汇，以组成词汇集；提取单元，在预设的知识条目库中，查找与词汇集中的每个词汇相关联的目标知识条目，并在查找时提取出目标知识条目对应的条目内容；文件生成单元，对提取出的所有条目内容进行汇总，并根据词汇集中每个词汇和其他词汇之间的关联关系确定所有条目内容的排列顺序，以按照排列顺序对所有条目内容进行组合，生成知识文件。通过该技术方案，不但降低了建立关联关系的成本，而且可以生成满足用户不同需求的知识文件。

摘要： 一种基于知识重组的语义图像压缩方法，包括下列步骤：1)获得预训练的编解码器结构模型以及无标签数据；分别选取图像压缩以及语义分割的预训练同构模型。语义分割模型对输入图像进行逐像素类别预测，图像压缩模型对数字图像进行压缩和解压；2)模型重组；对预训练模型的编码器进行零填充重组得到共享编码器，复用预训练模型的解码器形成多路解码的结构。该重组模型在功能上等价于多个独立模型，能够执行语义分割和图像压缩任务。3)迭代剪枝减小模型规模；基于余弦相似度计算重组模型各层参数的相似度，对相似度最高的卷积核进行剪枝。每轮剪枝后，以无标签数据作为重组模型的输入，以预训练模型的预测结果作为学习目标，进行多任务训练直至收敛。重复步骤3)直至重组模型性能和参数规模达到部署要求。最终的重组模型能够对图像进行压缩，同时可以根据需求从编码中解码原图或者解码语义，两个任务可独立执行。

摘要： 本发明提供了一种知识重组系统和知识重组方法，知识重组系统包括：选择单元，根据接收到的选择命令，从预设的本体词汇库中选择出目标词汇；查找单元，在预设的本体词汇库中查找出与目标词汇存在关联关系的多个词汇，以组成词汇集；提取单元，在预设的知识条目库中，查找与词汇集中的每个词汇相关联的目标知识条目，并在查找时提取出目标知识条目对应的条目内容；文件生成单元，对提取出的所有条目内容进行汇总，并根据词汇集中每个词汇和其他词汇之间的关联关系确定所有条目内容的排列顺序，以按照排列顺序对所有条目内容进行组合，生成知识文件。通过该技术方案，不但降低了建立关联关系的成本，而且可以生成满足用户不同需求的知识文件。

摘要： 一种面向智能安防的视觉深度模型知识重组方法，首先，收集安防边缘测的视觉数据，明确模型任务，收集数据进行标注，训练目标任务模型。然后，利用归因图计算目标模型和不同预训练模型之间的可迁移分数，将归一化的可迁移分数作为模型选择的概率，可放回地采样形成模型集合；在联邦学习范式的基础上，将目标模型分发到不同的节点，利用表征蒸馏迁移预训练模型的特征提取能力，在目标模型学习和迁移完成后，通过平均的方式在中心节点进行知识重组，重组过后的模型再次分发到选择的模型节点进一步迭代。最后，再利用目标数据集进行微调目标模型，从而学习得到一个在智能安防领域的目标任务上表现良好的视觉深度模型，并且保护了数据隐私和模型隐私。

摘要： 基于共同特征学习的异构神经网络知识重组方法，包括：获取预训练好的多个神经网络模型，称其为教师模型；利用教师模型输出的特征和输出的预测结果，通过一种共同特征学习和软目标蒸馏方法来指导学生模型的训练；在此共同特征学习过程中，通过将多个异构网络的特征投影到一个共同特征区间并使得学生模型集成众多教师模型的知识，而软目标蒸馏方法，使得学生模型的预测结果与教师模型的预测结果一致，从而得到一个具有所有教师模型的任务处理能力的更强大的学生模型。由于仅需模仿教师模型的预测结果，学生模型又可在没有任何人工标注的情况下训练得到。本发明适用于神经网络模型的知识重组，特别是异构图像分类任务模型的知识重组。

摘要： 一种基于知识重组的深度模型定制方法，包括：1)收集已有训练好的深度人脸属性识别模型，构建人脸属性识别模型库，将各类模型进行分组归类；2)根据当前对人脸属性识别的任务需求，将目标任务分解为一系列识别不同人脸属性的“组件任务”，并从深度模型库中选择相关的模型；3)对选中的人脸属性识别模型，进行知识过滤，将多个深度模型中，与“组件任务”相关的知识合并到“组件网络”中；4)对“组件网络”进行组合，得到最终的“目标网络”。本发明利用现有深度模型的知识，逐过程指导新模型的学习，有效减少对数据标注、数据量的依赖，降低训练新深度模型耗费的周期和资源。

摘要： 一种基于知识重组的语义图像压缩方法，包括下列步骤：1)获得预训练的编解码器结构模型以及无标签数据；分别选取图像压缩以及语义分割的预训练同构模型。语义分割模型对输入图像进行逐像素类别预测，图像压缩模型对数字图像进行压缩和解压；2)模型重组；对预训练模型的编码器进行零填充重组得到共享编码器，复用预训练模型的解码器形成多路解码的结构。该重组模型在功能上等价于多个独立模型，能够执行语义分割和图像压缩任务。3)迭代剪枝减小模型规模；基于余弦相似度计算重组模型各层参数的相似度，对相似度最高的卷积核进行剪枝。每轮剪枝后，以无标签数据作为重组模型的输入，以预训练模型的预测结果作为学习目标，进行多任务训练直至收敛。重复步骤3)直至重组模型性能和参数规模达到部署要求。最终的重组模型能够对图像进行压缩，同时可以根据需求从编码中解码原图或者解码语义，两个任务可独立执行。

摘要： 基于知识重组的场景解析方法，包含以下步骤：首先初始化学徒网络，使其和教师网络有相同的网络结构；然后利用教师网络上关于场景图像中分割和深度估计的知识逐层训练学徒网络；接着确定分割，深度估计在训练完毕的学徒网络上的分流点；最后从分流点处连接上学徒网络和教师网络，并针对图像分割和深度估计的单个任务进行网络微调。通过上述步骤，本发明可以充分利用教师网络的知识并且训练出在所有室内场景解析任务中的性能都能超越教师的多任务学徒网络。