在传统的教学系统中,学生的学习过程是一种“人主动、知识被动”的过程,教师在其中扮演的角色是将消化了的知识教给学生,解释学生在学习过程中遇到的问题。我们研究的人知交互(Human-Knowledge Interaction),是指人与知识间的交互过程,是用户根据自己的需要从知识源获得知识的过程,系统可以主动反馈和推荐知识。目前,计算所NKI课题组正在研制大规模多领域专业知识库和常识知识库,同时提供知识查询和其它知识服务给不同层次的用户。对一个领域(如地理、宗教和音乐)而言,懂得该领域的人很少,绝大多数用户是非领域人士,他们可能是普通的对某领域感兴趣的人、一般管理者或初涉者。在开始查询知识库时,他们常常不是出于主动的学习意图,而是出于一种好奇,是一种临时性的或者随意的行为,但是正是这种好奇,再加上知识库系统的适当引导,我们认为这些人有可能变为领域专业人士。为此,本研究课题的主要目的是通过隐式知识需求的分析和反馈,扩展用户的知识面,提高用户对知识的组织能力和抽象能力,激发用户的兴趣,逐步引导用户从入门走向精通。本课题面临的主要难点包括五个方面:(1)如何获取用户的隐式知识需求,才能达到扩展用户知识面、帮助用户组织知识、引导用户、激发用户兴趣的目的?(2)知识需求如何表示?(3)如何客观地对隐式知识需求进行测度?(4)如何根据用户查询的问题分析用户的特征?(5)如何评价隐式知识需求分析结果,这种分析是否达到了我们预期的目的?为解决上述难题以及保证用户隐式知识需求分析结果的客观性,我们采用以下三个主要策略。首先,通过领域概念空间、属性空间和主题空间的表示,清晰准确地表达了知识的结构层次。其次,基于大规模多领域真实语料的统计分析,增强隐式知识需求分析的客观性和准确性。最后,结合用户查询历史,着重从知识的结构层次来分析用户的隐式知识需求。具体而言,本文取得了如下创新成果:(1)知识需求建模方法。我们在概念空间、属性空间和主题空间的基础上,提出了知识需求的建模方法和表示方法。对显式知识需求、隐式知识需求、用户查询历史以及知识需求分析过程进行了形式化的定义。(2)隐式知识需求元分析的方法。为了对隐式知识需求进行量化分析,我们首先定义了一组基于统计和知识结构的知识需求分析指标集,为隐式知识需求的