论文浅尝 | 基于知识图谱的智能调研方法(DI佳作)
轉載公眾號 | 數據智能英文刊
題目:A Knowledge Graph Based Approach to Social Science Surveys
引用:Z. Pan, Z.J., et al.: A Knowledge Graph Based Approach to Social Science Surveys. Data Intelligence 3(3). doi: 10.1162/dint_a_00107
文章摘要
知識圖譜是當前的研究熱點,知識圖譜技術開始被應用在開放科學的研究中,例如應用知識圖譜技術開發的在線調查系統,可根據被調查者的回答自動生成下一個調查問題。目前這些系統還不能做到像線下訪談時訪問者可以根據被訪者回答實時調整提問,所以系統自動給出的問題并不一定是基于受訪者對上一個問題的回答。
?
為了解決這個問題,本文提出了一個基于知識圖譜技術動態智能問卷調查系統。我們首先調研了社會科學使用的問卷調查的研究,重點關注問卷中問題的順序,問題的觸發條件,從而使系統能夠生成個性化的調查問卷。本文系統對語言學研究人員進行了實證調查。
?
本文主要研究發現:
1)系統可減少每個變量帶來的需要提問的問題的數量,因此有相同長度的問卷可以收集到更多有數據;
2)本系統的主要優勢是系統能夠根據被調查者的回答把他們進行分類,同類的被調查者會被問適合的后續問題,而且他們的回答也會按照之前分好的類別進行分析。
?
本文提出的方法可以應用在其他社會科學的問卷調查中。本文提出的基于知識圖譜的智能調查方法可以讓在線調查問卷達到線下面對面問卷調查一樣的效果,根據被調查者的反饋和回答調整問題。
通訊作者簡介
通訊作者 Jeff Z. Pan(潘志霖)教授,英國曼徹斯特大學獲計算機科學博學位,英國阿伯丁大學計算科學系教授,博士生導師,歐盟委員會瑪麗居里K‐Drive項目首席科學家。研究領域為語義大數據,知識圖譜,知識表示與推理,人工智能等。曾在包括JWS,IJSWIS,TKDE,AIJ等國際一流期刊和ISWC, WWW, IJCAI, AAAI等頂級會議上發表論文 150 余篇。任語義網頂級期刊Journal of Web Semantic、International Journal of Information System andSemantic Web編委,國際信息系統和語義網期刊International Journal ofInformation System and Semantic Web、Journal of Web Semantic編委,其領導研發的TrOWL本體推理機為目前國際上最可靠的高效近似推理機。
?
?
OpenKG
OpenKG(中文開放知識圖譜)旨在推動以中文為核心的知識圖譜數據的開放、互聯及眾包,并促進知識圖譜算法、工具及平臺的開源開放。
點擊閱讀原文,進入 OpenKG 網站。
總結
以上是生活随笔為你收集整理的论文浅尝 | 基于知识图谱的智能调研方法(DI佳作)的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 图谱实战 | 知识图谱构建的一站式平台g
- 下一篇: 论文浅尝 - CIKM2020 | Re