知识整合

知识整合是将多个知识模型（或表征）综合为一个共同的模型（表征）的过程。与涉及合并具有不同模式和表征模型的信息的信息整合相比，知识整合更侧重于从不同的角度来综合对某一主题的理解。例如，对一组学生的成绩可以有多种解释，通常每一种解释都是从某个角度出发。如果这些解释可以放在一个共同的模型下，比如说学生的成绩指数，就可以实现对这些信息的整体、综合看法和理解。加州大学伯克利分校的网络探究科学环境（WISE）是按照知识整合理论的思路开发的。知识整合也被研究为用跨学科方法将新信息纳入现有知识体系的过程。这个过程包括确定新信息和现有知识如何互动，现有知识应如何修改以适应新信息，以及应如何根据现有知识修改新信息。一个积极调查新信息后果的学习代理可以检测和利用各种学习机会；例如，解决知识冲突和填补知识空白。

通过利用这些学习机会，学习代理能够超越新信息的明确内容进行学习。由德克萨斯大学奥斯汀分校的Murray和Porter开发的机器学习程序KI，是为了研究使用自动和半自动的知识整合来帮助知识工程师构建一个大型知识库。一个可以使用的技术是语义匹配。最近，有人提出了一种有用的技术，以xxx限度地减少映射验证和可视化的努力，它是基于最小映射的。最小映射是高质量的映射，例如：i）所有其他的映射都可以在与输入图的大小成线性的时间内从这些映射中计算出来；ii）没有一个映射可以在不失去属性i的情况下被放弃。）滑铁卢大学开设了知识整合本科学位课程，作为学术专业或辅修专业。该项目于2008年开始。