主要研究内容： 针对Web 信息集成和服务中存在的信息冗余和认知过载的问题，项目结合元知识理论，研究面向用户需求的多维度、多粒度、动态的Web 信息语义融合方法。首先,项目拟从元知识角度对主题图进行拓扑，研究支持多粒度知识表征的知识逻辑组织模型及其机器表示方法；在此基础上，结合知识元内部表征和多类分类模型，进一步研究知识元抽取与语义关系挖掘的新方法，以克服知识元关联分布中存在的长距离依赖性与数据稀疏性问题；此外，研究基于上下文和加权树结构的知识元度量方法，并在此基础上实现基于主题图的知识融合算法，以克服信息融合中存在的语义冲突，降低知识的冗余度；最后，项目研究基于信息加工模型的用户兴趣度感知与计算方法，并与遗传算法相结合，以实现知识资源的动态聚合与个性化服务。项目的研究成果可以应用于军事、商业、金融业、医学、数字教育及信息服务等领域，具有广阔的应用前景和理论价值。