增强隐性知识外显案例适配度的优化方法

摘要：

针对传统知识匹配过程耗时长、效率低,不适用于大规模知识库匹配计算问题,研究隐性知识外显案例适配优化算法.首先,采用毕达哥拉斯模糊集(PFS)对知识属性值进行处理,建立知识表达系统;接着,运用K-Means算法对模糊C均值聚类算法(FCM)进行改进,压缩匹配空间、提升案例匹配效率;而后,基于PFS相关系数求解知识供需间的视图相似度,从而获得适配案例集,在此基础上构建随机森林适配模型,并采用粒子群算法对其优化,以确保适配效果.进一步通过与传统算法进行对比实验,验证证明优化算法具有比较优势.

关键词：隐性知识、案例适配、随机森林、毕达哥拉斯模糊集、粒子群优化、模糊C均值

所属期刊栏目：42

分类号：F224;G255;G301(经济计算、经济数学方法)

资助基金：国家社会科学基金19BTQ035

在线出版日期：2022-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：136-143