本文介绍了KERAIA，一个用于符号知识工程的新框架，旨在解决动态、复杂和上下文敏感环境中的知识表示与推理问题。KERAIA结合传统框架推理和K-line概念，引入动态知识云、上下文敏感关系和自适应知识转换，确保可解释性，并在多个案例中验证其有效性。

本研究报告探讨了语义网与创意人工智能的最新发展，强调大型语言模型在知识工程和创意内容生产中的应用，指出创意表达与事实知识的界限逐渐模糊，具有重要的实用和理论意义。

本文探讨了知识组织与知识表示的整合方法，提出了一种基于人工智能的协同学习模型，以应对专家流失和培训成本问题。同时，介绍了推荐系统在知识库开发中的应用及其重要性，并讨论了现代知识工程面临的挑战及解决方案。

本文提出通过使用主流软件方法论来开发参考架构来解决现代知识工程的四个挑战，并根据基本质量属性评估了最近文献中的三种候选架构。讨论了实现全面参考架构的下一步行动，邀请所有知识工程研究人员和实践者加入。

知识工程是使用一阶逻辑构建知识库的过程，包括确定任务、整理相关知识、确定词汇UL、编码领域常识和问题实例描述。

时间序列分类是数据科学和知识工程中的关键问题。过去二十年来，研究者提出了许多新方法，包括相似度度量、区间、形状、字典、深度学习和混合集成方法。最近，还有一些工具用于从时间序列中提取无监督信息摘要统计。通过对112个时间序列数据集进行的10000次学习实验的结果分析，发现基于特征的方法与当前先进的TSC算法一样准确，应该在TSC文献中得到更多关注。