Para reducir la ambigüedad conceptual en los sistemas de organización del conocimiento interdisciplinario (KOS) y mejorar la gestión interdisciplinaria de KOS, este documento propone un marco para la detección de la deriva semántica interdisciplinaria (ISD) basada en el modelo de nube normal (NCM). En este marco, primero analizamos las características de los conceptos interdisciplinarios y proponemos un nuevo método de extracción de conceptos interdisciplinarios basado en información estadística interdisciplinaria. En segundo lugar, se adopta el modelo de representación de conocimiento de alto rendimiento NCM para representar cada concepto interdisciplinario con incertidumbre, y luego se propone un nuevo método de cálculo de grado ISD basado en el algoritmo de nube de similitud. En tercer lugar, para identificar la dirección de ISD después del cálculo del grado, proponemos un método de identificación de la dirección de ISD de acuerdo con la teoría de la energía potencial del conocimiento (KPE). En cuarto lugar, a partir del procedimiento anterior, proponemos un algoritmo de detección de ISD para identificar y visualizar el proceso de ISD. Finalmente, evaluamos el marco propuesto sobre el concepto de "entropía de la información" y comparamos el desempeño con tres líneas de base. Los resultados experimentales demuestran que nuestro marco supera[ todas las líneas de base, y el resultado es comparable a los juicios de los expertos (0.808 en la correlación de Spearman, p<0.001). La investigación indica que el significado de un concepto interdisciplinario se desplazará de la disciplina de KPE alto a la disciplina de KPE bajo siempre que existan diferencias potenciales de conocimiento interdisciplinario (KPD) entre estas dos disciplinas relacionadas. Además, identificamos tres factores clave que afectan el grado de ISD: la longitud de la cadena de disciplinas de una transferencia de conceptos interdisciplinaria, el número de disciplinas de origen de las que proviene un concepto interdisciplinario y la distancia de conocimiento entre la disciplina de origen y la disciplina objetivo.

Pour réduire l'ambiguïté conceptuelle dans les systèmes interdisciplinaires d'organisation des connaissances (KOS) et améliorer la gestion interdisciplinaire de KOS, cet article propose un cadre pour la détection interdisciplinaire de la dérive sémantique (ISD) basé sur le modèle de nuage normal (NCM). Dans ce cadre, nous analysons d'abord les caractéristiques des concepts interdisciplinaires et proposons une nouvelle méthode d'extraction de concepts interdisciplinaires basée sur des informations statistiques interdisciplinaires. Deuxièmement, le modèle de représentation des connaissances haute performance NCM est adopté pour représenter chaque concept interdisciplinaire avec incertitude, puis une nouvelle méthode de calcul du degré ISD est proposée sur la base de l'algorithme de nuage de similarité. Troisièmement, pour identifier la direction de la DSI après le calcul du degré, nous proposons une méthode d'identification de la direction de la DSI selon la théorie de l'énergie potentielle de la connaissance (KPE). Quatrièmement, sur la base de la procédure ci-dessus, nous proposons un algorithme de détection ISD pour identifier et visualiser le processus ISD. Enfin, nous évaluons le cadre proposé sur le concept d '« entropie de l'information » et comparons la performance avec trois lignes de base. Les résultats expérimentaux démontrent que notre cadre surpasse[ toutes les lignes de base, et le résultat est comparable aux jugements des experts (0,808 sur la corrélation de Spearman, p<0,001). La recherche indique que la signification d'un concept interdisciplinaire dérivera de la discipline KPE élevée à la discipline KPE faible tant que des différences de potentiel de connaissances interdisciplinaires (KPD) existeront entre ces deux disciplines connexes. Nous identifions en outre trois facteurs clés qui affectent le degré de DSI : la longueur de la chaîne disciplinaire d'un transfert de concept interdisciplinaire, le nombre de disciplines sources dont provient un concept interdisciplinaire et la distance de connaissances entre la discipline source et la discipline cible.

To reduce the conceptual ambiguity in interdisciplinary knowledge organization systems (KOSs) and enhance interdisciplinary KOS management, this paper proposes a framework for interdisciplinary semantic drift (ISD) detection based on the normal cloud model (NCM). In this framework, we first analyze the features of interdisciplinary concepts and propose a novel interdisciplinary concept extraction method based on cross-discipline statistical information. Secondly, the high-performance knowledge representation model NCM is adopted to represent each interdisciplinary concept with uncertainty, and then a new ISD degree calculation method is proposed based on the similarity cloud algorithm. Thirdly, to identify the direction of ISD after the degree calculation, we propose an ISD direction identification method according to the theory of knowledge potential energy (KPE). Fourthly, based on the above procedure, we propose an ISD detection algorithm to identify and visualize the ISD process. Finally, we evaluate the proposed framework on the concept of "information entropy" and compare the performance with three baselines. Experimental results demonstrate that our framework outperforms[ all the baselines, and the result is comparable to experts' judgments (0.808 on Spearman correlation, p<0.001). The research indicates the meaning of an interdisciplinary concept will drift from the high KPE discipline to the low KPE discipline as long as interdisciplinary knowledge potential differences (KPD) exist between these two related disciplines. We further identify three key factors that affect the degree of ISD: the length of the discipline chain of an interdisciplinary concept transfer, the number of source disciplines that an interdisciplinary concept comes from, and the knowledge distance between the source discipline and the target discipline.

لتقليل الغموض المفاهيمي في أنظمة تنظيم المعرفة متعددة التخصصات (KOSs) وتعزيز إدارة KOS متعددة التخصصات، تقترح هذه الورقة إطارًا للكشف عن الانجراف الدلالي متعدد التخصصات (ISD) بناءً على نموذج السحابة العادي (NCM). في هذا الإطار، نقوم أولاً بتحليل ميزات المفاهيم متعددة التخصصات ونقترح طريقة جديدة لاستخراج المفاهيم متعددة التخصصات بناءً على المعلومات الإحصائية متعددة التخصصات. ثانياً، يتم اعتماد نموذج تمثيل المعرفة عالي الأداء NCM لتمثيل كل مفهوم متعدد التخصصات مع عدم اليقين، ثم يتم اقتراح طريقة حساب درجة ISD جديدة بناءً على خوارزمية سحابة التشابه. ثالثًا، لتحديد اتجاه ISD بعد حساب الدرجة، نقترح طريقة تحديد اتجاه ISD وفقًا لنظرية طاقة المعرفة المحتملة (KPE). رابعاً، بناءً على الإجراء أعلاه، نقترح خوارزمية الكشف عن ISD لتحديد وتصور عملية ISD. أخيرًا، نقوم بتقييم الإطار المقترح حول مفهوم "إنتروبيا المعلومات" ومقارنة الأداء بثلاثة خطوط أساس. تُظهر النتائج التجريبية أن إطارنا يتفوق على[ جميع خطوط الأساس، والنتيجة قابلة للمقارنة مع أحكام الخبراء (0.808 على علاقة سبيرمان، p<0.001). يشير البحث إلى أن معنى المفهوم متعدد التخصصات سينجرف من تخصص KPE العالي إلى تخصص KPE المنخفض طالما أن الاختلافات المحتملة للمعرفة متعددة التخصصات (KPD) موجودة بين هذين التخصصين ذوي الصلة. نحدد كذلك ثلاثة عوامل رئيسية تؤثر على درجة ISD: طول سلسلة الانضباط لنقل مفهوم متعدد التخصصات، وعدد التخصصات المصدر التي يأتي منها مفهوم متعدد التخصصات، والمسافة المعرفية بين الانضباط المصدر والانضباط المستهدف.