分阶段模式映射法
2016-02-18 12:35:02 8 举报AI智能生成
分阶段模式映射法
作者其他创作
大纲/内容
判断方法
缺省判断为相关（即递进）
条件与环境的判断
查询已有数据，在本环境中有没有约束条件或前提
（即其上2级元素，上一级100％匹配，上上一级50％匹配）
有
以后所有的匹配，基于此前提
无
无约束，无环境，属于根元素
寻找自己已有的模式，是否有定义
寻找公用的概念框架，如wiki结构，判定是否有蕴涵、并列关系
寻找他人的模式，是否有定义
用系统化的推荐算法（如ontology mapping 与Similarity Flooding等），提炼出部分相似性强的关系
模拟化展开与分析，排除其中的矛盾关系，进一步提炼
分阶段模式映射的必要性
我们的认识是不断深入的，不可能一步到位
分阶段，才可行
模式映射即类比，我们的学习、理解过程中，充满了类比
无映射，难理解，难融汇贯通
类比自身是一个相对主动、可衡量的过程
类比可作为学习理解程度的一个指标
指标自身往往具有阶段性
分阶段模式映射，才能既可行，又具有一定的自身可衡量、可检验性
在我们思考的过程中，普通的参考知识容易有如下问题
大海捞针
盲目性强
效率低
难以做到个性化与针对性
难整理、难积累
其有效性、可行性难以迅速判断
实现分阶段模式映射
多层次的
多层次的Mapping方法
黑箱方法
输入Mapping
输入元素分解Mapping
目的
便于充分理解
输入要素间的相关性
条件与约束
先后顺序、优先次序
输入要素完整性
整体范围的确定
基本录入元素
映射元素与模式
如
展开模式
分解模式
分解、展开模式
其他子定义模式
循环模式
分支主题
对应关系的确立
根据对应模式，补充、调整
输入条件Mapping
输出Mapping
白箱方法
输入Mapping
处理流程Mapping
主要关键Mapping
输出Mapping
多层次的循环
内循环
外循环
多层次的模拟与仿真
模式映射举例
当我们解题时
分支主题
0 条评论
下一页
