基于高阶模糊语义细胞模型的抽象概念图谱研究

Abstract thinking is very important to human intelligence. It is based on abstract concepts, and includes a series of intelligent activities such as the inductive learning of abstract concepts, approximate reasoning, and decision making. This proposal focuses on the following three scientific issues: composition principle of abstract concepts, formation principle of abstract concepts, reasoning and decision-making methods of abstract concepts. This proposal has the following research topics: (1) Representation of abstract concepts based on high-order fuzzy semantic cell models, particularly the representation of 1-order abstract concepts and n(>1)-order abstract concepts; (2) The characteristic quantities of high-order abstract concepts, including granularity, fuzziness, and abstractness; (3) Inductive learning of high-order abstract concept graph, including three principles of inductive learning--principle of reasonable granularity, principle of maximum fuzziness, and principle of moderate abstractness, and down-to-top and top-to-down inductive learning of abstract concept graph; (4) Approximate reasoning and collective decision of high-order abstract concept graph, including abstract concept graphs of natural substances and artifacts respectively. The research on high-order abstract concepts is fundamental to cognition science and artificial intelligence, and has important applications in big data and knowledge engineering.

抽象思维是人类智能的重要表现形式。抽象思维是指以抽象概念为基石，围绕抽象概念归纳学习、近似推理以及决策所进行的一系列智能活动。本项目围绕抽象概念构成原理，抽象概念形成原理，以及抽象概念推理决策等三大科学问题开展研究，主要研究内容如下：（1）基于高阶模糊语义细胞模型的抽象概念表示研究；特别是1阶抽象概念的表示以及n（>1）阶抽象概念的表示；（2）高阶抽象概念的数字特征度量研究，包括粗粒性、模糊性以及抽象性的度量研究；（3）高阶抽象概念图谱归纳学习方法研究，包括归纳学习三大原则——合理粒度原则、最大模糊性原则与适度抽象原则研究，以及自下向上聚合式与自上向下分裂式抽象概念图谱归纳学习方法的研究；（4）高阶抽象概念图谱近似推理与群体决策方法研究，包括自然物与人工物抽象概念图谱构建研究。本项目关于抽象概念的研究在认知科学与人工智能领域具有奠基性的作用，在大数据和知识工程方面具有重要应用价值。

本项目以揭示抽象概念的构成原理和形成原理为研究目标，在模糊语义细胞研究的基础上，通过发展高阶模糊语义细胞模型来建立抽象概念的表示及其数字特征量。此外，本项目进一步研究基于抽象概念图谱的概念空间学习方法，提出标签传播模型，并探索了模糊语义细胞在典型性学习、多概念学习、图像处理、字体生成和智能设计上的应用前景。主要研究内容如下：（1）基于模糊语义细胞模型的概念表示与学习，包含简单概念、析取概念的学习与表示，以及将模糊语义细胞用于概念图谱构建和中间层构建的表示学习研究；（2）基于模糊语义细胞的无监督概念空间学习，包括基于类比推理及因子独立性的表示方式研究；（3）基于密度的典型性学习和标签传播模型研究 ，包括基于粒度计算和标签传播的密度峰聚类方法、基于语义细胞的密度峰聚类方法以及基于密度近邻图传播标签的密度峰聚类方法；（4）基于模糊语义细胞的多概念学习研究，包括自组织多判别器的对抗生成网络以及多概念学习的生成网络模型；（5）模型应用与智能设计的真实场景落地应用研究，包括基于概念关系的场景图像生成以及字体和艺术字生成应用；本项目关于抽象概念的研究与表示方法在认知科学与人工智能领域具有奠基性的作用，研究表明在智能设计应用和知识工程方面具有重要落地价值。