知识学习：一种复杂网络方法

本文描述了一种基于复杂网络上行走的知识获取建模方法。每个知识子集表示为一个节点，这些知识之间的关系表示为边。考虑了两种类型的边，对应于自由转移和条件转移。后者意味着只有在访问了一组节点（所需条件）之后才能到达某个节点。然后，通过考虑单个智能体从最低层开始沿网络移动时访问的节点数量，可以模拟知识获取过程。结果表明，层次网络，即由连续互连层组成的网络，自然地作为节点之间先决条件关系组合的结果而产生。为了避免死锁，即不可达节点，假设每一层中的子网络是一个连通分量。模拟了这种层次知识网络的几种配置，并通过每次移动后访问节点的百分比来量化移动智能体的性能。对于层和互连子网络，考虑了 Barabási-Albert 和随机模型。尽管每次实现中的所有子网络具有相同数量的节点，但考虑了由互连网络的平均节点度定义的几种互连性。研究了两种访问策略：在现有边中随机选择和优先选择迄今为止未跟踪的边。获得了一系列有趣的结果，包括在存在条件边的情况下，优先移动策略中识别出一系列知识停滞的平台期。