构建应用数学中的模型与算法知识图谱
内容提要
本文讨论了应用数学研究数据中模型与算法关系表示不足的问题，并提出了动态知识图谱的解决方案。该研究整合了250多个应用数学研究资产，提高了研究数据的可用性和公平性。
延伸解读
知识图谱如何提升研究数据的可发现性
文章指出，应用数学研究数据中模型与算法的关系表示不足，导致数据难以被有效发现和重用。通过构建动态知识图谱，将模型与算法之间的关系显式化，并整合超过250个研究资产，使得复杂数学模型的工作流能够通过元数据清晰表达。这直接提升了研究数据的可发现性，因为研究者可以基于模型或算法进行关联检索，而不再依赖零散的关键词匹配。
本体合并与计算任务链接的作用
文章提到，该研究通过合并和扩展两个先前独立的本体来构建动态知识图谱，并引入计算任务以链接本体。这种做法解决了单一本体可能无法覆盖模型与算法全部关系的问题。合并后的本体能够更全面地描述应用数学中的概念及其关联，而计算任务则提供了动态链接机制，使得知识图谱能够适应研究数据的变化，从而增强数据的可用性和公平性。
对应用数学研究实践的意义
对于应用数学研究者而言，该知识图谱提供了一种结构化表示模型与算法关系的方式。整合超过250个研究资产意味着，研究者可以更便捷地复用已有的数学模型和算法，减少重复开发。同时，通过元数据清晰表达工作流，有助于不同团队之间的协作和知识传递，推动研究数据的FAIR原则落地，即让数据可发现、可访问、可互操作和可重用。
Q&A
应用数学研究中模型与算法关系表示不足的原因是什么？
模型与算法关系表示不足主要是因为缺乏有效的知识图谱来整合和表达这些关系。
动态知识图谱是如何构建的？
动态知识图谱是通过合并和扩展两个独立的本体，并引入计算任务以链接本体而形成的。
整合超过250个应用数学研究资产的意义是什么？
整合这些资产使复杂数学模型的工作流得以清晰表达，从而提升研究数据的可用性和公平性。
动态知识图谱如何提升研究数据的可用性？
通过清晰表达复杂数学模型的工作流，动态知识图谱提高了研究数据的可用性和公平性。
本文提出的解决方案有哪些核心发现？
核心发现是通过动态知识图谱整合了250多个应用数学研究资产，改善了模型与算法的关系表示。
动态知识图谱在应用数学中的应用前景如何？
动态知识图谱有助于更好地管理和利用应用数学研究数据，未来可能推动相关领域的研究进展。
