Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Joint Embedding Method for Entity Alignment of Knowledge Bases Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Research on Knowledge Fusion Connotation and Process Model

verfasst von : Hao Fan, Fei Wang, Mao Zheng

Erschienen in: Knowledge Graph and Semantic Computing: Semantic, Knowledge, and Linked Big Data

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The emergence of big-data brings diversified structures and constant growths of knowledge. The objective of knowledge fusion (KF) research is to integrate, discover and exploit valuable knowledge from distributed, heterogeneous and autonomous knowledge sources, which is the necessary prerequisite and effective approach to implement knowledge services. In order to apply KF practice, this paper firstly discusses KF connotations in terms of analysing the relations and differences among various notions, i.e. knowledge fusion, knowledge integration, information fusion and data fusion. Then, based on the knowledge representation method using ontology, this paper investigates several KF implementation patterns and provides two types of dimensional KF process models oriented to demands of knowledge services.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Object Clustering in Linked Data Using Centrality
Nächstes Kapitel E-SKB: A Semantic Knowledge Base for Emergency
Fußnoten
Literatur
1.
Alavi, M., Leidner, D.E.: Review: knowledge management and knowledge management systems: conceptual foundations and research issues. MIS Q. 25, 107–136 (2001)CrossRef
2.
Bleiholder, J., Naumann, F.: Data fusion. ACM Comput. Surv. 41(1), 1–41 (2008)CrossRef
3.
Balazs, J.A., Velasquez, J.D.: Opinion mining and information fusion: a survey. Inf. Fusion 27, 95–110 (2016)CrossRef
4.
Bohlouli, M., Merges, F., Fathi, M.: Knowledge integration of distributed enterprises using cloud based big data analytics. In: Proceedings of IEEE International Conference on Electro/Information Technology, pp. 612–617, 5–7 June 2014
5.
Bi, Q.: Digital resources: from integration to aggregation. Digit. Libr. Forum 6, 1 (2014)
6.
Cai, Q.H., Chen, G.H.: A review of knowledge integration research. J. Res. Dev. Manag. 22(6), 15–22 (2010)
7.
Dong, X.L., Gabrilovich, E.: From data fusion to knowledge fusion. In: Proceedings of VLDB 2014 (2014)
8.
Dong, X.L., Srivastava, D.: Knowledge curation and knowledge fusion. In: Proceedings of VLDB, pp. 2063–2066 (2015)
9.
Guo, Q., Guan, X., Cao, X.Y., et al.: Research progress and trends of knowledge fusion. J. China Acad. Electron. Inf. Technol. 7(3), 252–257 (2012)
10.
Hu, S.K., Cao, Y.D.: Knowledge fusion framework based on web page texts. Front. Comput. Sci. China 3(4), 457–464 (2009)CrossRef
11.
Hou, J., Yang, J.G., Jiang, Y.L.: Knowledge fusion algorithm based on metadata and ontology. J. Comput.-Aided Des. Comput. Graph. 18(6), 819–823 (2006)
12.
Kampis, G., Lukowicz, P.: Collaborative knowledge fusion by ad-hoc information distribution in crowds. Proc. Comput. Sci. 51, 542–551 (2015)CrossRef
13.
Liu, X.C., An, X.M.: Knowledge integration research status analysis. Inf. Doc. Serv. 1, 9–12 (2006)
14.
Liu, X.L., Ma, J.: Research progress of knowledge integration based on Ontology in semantic web environment. J. Modern Intell. 01, 159–163+169 (2015)
15.
Liu, J., Xu, W., Jiang, H.: Research on dynamic ontology construction method for knowledge fusion in group corporation. In: Wen, Z., Li, T. (eds.) ISKE 2013. AISC, vol. 278, pp. 289–298. Springer, Heidelberg (2014). doi:10.​1007/​978-3-642-54930-4_​29
16.
Meng, X.F., Chi, X.: Big data management: concepts, technologies and challenges. Comput. Res. Dev. 50(1), 146–169 (2013)
17.
Nonaka, I., Umemoto, K., Senoo, D.: From information processing to knowledge creation: a paradigm shift in business management. Technol. Soc. 18(2), 203–218 (1996)CrossRef
18.
Pérez, A.G., Benjamins, V.R.: Overview of knowledge sharing and reuse components: ontologies and problem-solving methods. In: Proceedings of the IJCAI-1999 Workshop on Ontologies and Problem-Solving Methods (KRR5) (1999)
19.
Preece, K., Hui, A.G., et al.: Kraft: An agent architecture for knowledge fusion. Int. J. Coop. Inf. Syst. 10(1–2), 171–195 (2001)CrossRef
20.
Qiu, J.P., Yu, H.Q.: Research progress and trends of knowledge fusion in perspectives of knowledge science. Libr. Inf. Serv. 59(08), 126–132+148 (2015)
21.
Smirnov, A., Levashova, T., Shilov, N.: Patterns for context-based knowledge fusion in decision support systems. Inf. Fusion 21, 114–129 (2015)CrossRef
22.
Suchanek, F.M., Weikum, G.: Knowledge bases in the age of big data analytics. In: Proceedings of VLDB Endowment, vol. 7, pp. 1713–1714 (2014)
23.
Tang, X.B., Wei, W.: The growth points of knowledge service in big data age. Res. Libr. Sci. 05, 9–14 (2015)
24.
Xu, C.J., Li, A.P., Liu, X.M.: Knowledge fusion architecture. J. Comput.-Aided Des. Comput. Graph. 22(7), 1230–1236 (2010)MathSciNet
25.
Ye, Y., Ma, F.C.: The rise of data science and its relation with information science. J. Inf. Sci. 34(6), 575–580 (2015)
26.
Zhou, F., Wang, P.B., Han, L.Y.: Multi source knowledge fusion processing algorithm. J. Beijing Univ. Aeronaut. Astronaut. 39(1), 109–114 (2013)
Metadaten
Titel
Research on Knowledge Fusion Connotation and Process Model
verfasst von
Hao Fan
Fei Wang
Mao Zheng
Copyright-Jahr
2016
Verlag
Springer Singapore
Buch
Knowledge Graph and Semantic Computing: Semantic, Knowledge, and Linked Big Data

Print ISBN: 978-981-10-3167-0

Electronic ISBN: 978-981-10-3168-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-981-10-3168-7_18