Jun, 2023

识别和整合知识工程需求

PDF
TL;DR本文提出通过使用主流软件方法论来开发参考架构来解决现代知识工程的四个挑战，包括未解决的利益相关方需求，不匹配的技术，新组织的采用障碍和与软件工程实践的不匹配。我们通过研究不同利益相关者和时代的要求，确定了 23 个评估参考架构所必需的基本质量属性，并根据这些属性评估了最近文献中的三种候选架构。最后，我们讨论了实现全面参考架构的下一步行动，包括优先考虑质量属性，整合具有互补优势的组件以及支持缺失的社会技术要求。由于这需要协作努力，因此我们邀请所有知识工程研究人员和实践者加入我们。
knowledge engineeringreference architecturestakeholder requirementsquality attributessoftware methodology
发现论文，激发创造
  • 规范知识工程实践的参考架构

    知识工程学是创建和维护知识生成系统的过程。本文提出了通过利用参考架构的软件工程方法，对知识工程领域的最佳实践进行协调的愿景。我们描述了一个可以循序渐进地设计和实施的参考架构，以将用户需求与重复出现的系统模式相关联。我们提供了一个六步路线图，可以实现这样的架构的开发。预计这个愿景的实现将会推动基于神经符号的知识工程空间的组织，以及与软件架构和数据科学社区之间的新联系的建立。

    Apr, 2024

  • 利用大型语言模型进行知识工程

    知识工程学是一个专注于生成和应用知识的学科，传统上它主要关注以形式语言表达的知识。然而，大语言模型的出现及其与自然语言的高效处理能力，对知识工程学的基础和实践提出了问题。在这篇论文中，我们提出大语言模型在知识工程学中的潜在作用，并确定两个中心方向：1）创建混合的神经符号知识系统；2）实现自然语言下的知识工程。此外，我们还提出了一些关键的开放性研究问题来解决这些方向。

    Oct, 2023

  • 由需求到体系结构：基于人工智能的半自动软件体系结构生成之旅

    使用人工智能技术基于需求半自动生成软件架构候选方案，并通过定量分析和架构权衡分析方法进行自动评估和交叉分析，以提高生成架构模型的质量、效率和有效性。

    Jan, 2024

  • 智能制造中人工智能协作的参考软件架构

    这篇论文研究在智能制造中的人工智能协作所涉及的挑战，提出了一个以知识图谱、跟踪和场景分析为基础的软件架构，并使用关系化机器学习对生产过程中的知识进行捕捉，从而进行上下文特定的行动推荐，以实现优化产品质量和防止身体伤害。

    Jan, 2022

  • AI 为所有人：为 AI 系统实现多样性和包容性需求

    开发人工智能系统应当考虑与整合多样性和包容性原则，本研究旨在解决如何获取和捕捉多样性和包容性需求对人工智能系统的不足进行综合数据搜集和综合分析。

    Nov, 2023

  • 面向工程化人机中心的基于人工智能的软件系统需求框架

    本文提出了基于人类中心 AI 准则和用户调查的新框架，以帮助收集人类中心的 AI 软件的需求，该框架适用于 360 度视频虚拟现实应用的案例研究。研究结果表明，该方法可以帮助团队全面理解项目需求，并确定在 AI 软件工程过程的初始阶段和后期阶段需要捕获的需求。

    Mar, 2023

  • 从知识组织到知识表示的往返

    该研究论文详细阐述了知识组织和知识表示两种主流方法论，并提出了一种整合了知识表示的知识组织方法论，通过意大利特伦托大学数字化大学的应用加以实证，展示了方法论整合的实际效益。

    Jan, 2024

  • 工程设计知识的实证基础

    基于专利文件的经验观察，该研究揭示了工程设计知识的构成成分，包括基于句子的事实中存在的实体和关系，以及具有过度表达关系的统计上过表现的子图模式，为设计环境中更好地构建和管理知识提供了有用的指导原则。

    Dec, 2023

  • 风能知识工程

    通过知识工程，将风能领域的数据转化为领域知识，与其他知识源相连接和整合，以应用于下一代人工智能系统的数字化转型，本文总结了知识工程的主要概念和风能领域的知识表示，分析了当前风能领域中知识工程的现状，并提供进一步发展和改进的指导。

    Oct, 2023

  • 配置知识工程的推荐系统

    本文介绍了推荐系统如何支持知识库的开发和维护，讨论了在知识工程领域中采用推荐系统的几种情景，并报告了一些实证研究结果，这些结果表明用户中心的配置知识组织对于这些系统的重要性。

    Feb, 2021