基于XML技術(shù)的供應(yīng)鏈知識(shí)管理系統(tǒng)的知識(shí)抽取

郭毓東

（湖南工業(yè)大學(xué)，湖南 株洲 412008）

1 引言

供應(yīng)鏈知識(shí)管理系統(tǒng)的本質(zhì)是供應(yīng)鏈成員企業(yè)利用現(xiàn)代化先進(jìn)的信息技術(shù)和數(shù)據(jù)庫技術(shù)，開發(fā)成員企業(yè)供應(yīng)鏈知識(shí)資源，將供應(yīng)鏈相關(guān)知識(shí)作為資產(chǎn)進(jìn)行管理，對(duì)有關(guān)的供應(yīng)鏈知識(shí)進(jìn)行一系列的收集、梳理和處理，并建立與之相適應(yīng)的組織模式，以便能在恰當(dāng)?shù)臅r(shí)間，把恰當(dāng)?shù)墓?yīng)鏈知識(shí)傳遞給客戶、供應(yīng)商、分銷商、零售商等恰當(dāng)?shù)娜藛T，使其能夠有效地利用供應(yīng)鏈知識(shí)，采取恰當(dāng)行動(dòng)，最大限度的增進(jìn)各成員企業(yè)的經(jīng)濟(jì)效益。供應(yīng)鏈知識(shí)管理系統(tǒng)實(shí)現(xiàn)過程中最核心的部分是數(shù)據(jù)的集成、知識(shí)的抽取和表現(xiàn)。

XML的技術(shù)優(yōu)勢(shì)是能在Web上實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)、共享和對(duì)各種異構(gòu)應(yīng)用程序的支持，將XML應(yīng)用于供應(yīng)鏈知識(shí)管理系統(tǒng)，在實(shí)現(xiàn)系統(tǒng)部分結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)化存儲(chǔ)和知識(shí)的抽取、表現(xiàn)方面取得了較為理想的效果。

2 基于XML技術(shù)的知識(shí)抽取

2.1 XML技術(shù)

XML（Extensible Markup Language）是可擴(kuò)展標(biāo)記語言，于1998年發(fā)布，是 W3C（World Wide Web Consortium）的推薦標(biāo)準(zhǔn)，是一種開發(fā)簡(jiǎn)單而又可擴(kuò)展的、結(jié)構(gòu)化和半結(jié)構(gòu)化信息文本表示機(jī)制。XML設(shè)計(jì)的主要目的是為了傳輸和存儲(chǔ)數(shù)據(jù)，其關(guān)注的焦點(diǎn)是數(shù)據(jù)的內(nèi)容。由于XML數(shù)據(jù)以純文本格式存儲(chǔ)，提供了一種獨(dú)立于所有不兼容的軟、硬件的數(shù)據(jù)存儲(chǔ)方法。由于通過XML可以在各種不兼容的應(yīng)用程序中讀取數(shù)據(jù)，以XML交換數(shù)據(jù)降低了復(fù)雜性。XML語言常用于簡(jiǎn)化數(shù)據(jù)的存儲(chǔ)和共享，所以，使用XML技術(shù)用于知識(shí)的抽取有其與生俱來的優(yōu)勢(shì)。

XML文件的格式是一種樹型結(jié)構(gòu)，它從根部開始，層層展開到枝葉。XML文件包含XML元素和屬性，并有其獨(dú)特的命名規(guī)則。

2.2 基于XML技術(shù)的知識(shí)抽取

在供應(yīng)鏈知識(shí)管理系統(tǒng)中，知識(shí)抽取是通過XML格式的文件來進(jìn)行的，它主要應(yīng)用于各種類型數(shù)據(jù)到知識(shí)元的解釋抽取和將多類非結(jié)構(gòu)化的數(shù)據(jù)重新構(gòu)造成結(jié)構(gòu)化的知識(shí)并表現(xiàn)出來，簡(jiǎn)而言之，即實(shí)現(xiàn)了各種類型數(shù)據(jù)與結(jié)構(gòu)化知識(shí)信息之間的轉(zhuǎn)換。

知識(shí)元的解釋抽取就是將各種類型數(shù)據(jù)中所需要的知識(shí)信息（通常為參數(shù)化的）提取出來，保存到不同的知識(shí)元參數(shù)表；重新構(gòu)造是將來自各類知識(shí)元的內(nèi)容和解釋抽取后的結(jié)果參數(shù)，按指定的格式填充到需要表現(xiàn)的結(jié)構(gòu)化知識(shí)信息（輸出）中。

3 基于XML技術(shù)的供應(yīng)鏈知識(shí)管理系統(tǒng)知識(shí)抽取的實(shí)現(xiàn)

3.1 XML描述文件的通用架構(gòu)

XML描述文件由兩大部分組成，第一部分由＜General/＞標(biāo)記構(gòu)成，主要描述了該文件的信息，包括文件的定義方式及用途等說明信息；第二部分由＜knowledge Defines/＞標(biāo)記構(gòu)成，該標(biāo)記由多個(gè)＜knowledge Define/＞標(biāo)記組成，每個(gè)＜knowledge Define/＞標(biāo)記對(duì)應(yīng)一個(gè)參數(shù)的詳細(xì)定義信息。每一個(gè)格式描述文件必需包含的節(jié)點(diǎn)內(nèi)容由表1中的節(jié)點(diǎn)構(gòu)成。

3.2 供應(yīng)鏈知識(shí)管理系統(tǒng)知識(shí)抽取的流程

本文中所提到的供應(yīng)鏈知識(shí)管理系統(tǒng)的知識(shí)抽取分為兩個(gè)方面：一是供應(yīng)鏈知識(shí)元的抽??；二是供應(yīng)鏈知識(shí)信息的重新構(gòu)造，其完整流程如圖1所示。

3.2 基于XML技術(shù)的供應(yīng)鏈知識(shí)管理系統(tǒng)知識(shí)抽取實(shí)現(xiàn)的難點(diǎn)

基于XML技術(shù)的供應(yīng)鏈知識(shí)管理系統(tǒng)的知識(shí)抽取實(shí)現(xiàn)的難點(diǎn)在對(duì)格式各異的數(shù)據(jù)信息的處理，因各種類型的文件格式都有其獨(dú)特性，且其包含的數(shù)據(jù)信息并不一定規(guī)整，在知識(shí)抽取的實(shí)現(xiàn)上比較困難。

為了解決這個(gè)問題，系統(tǒng)在設(shè)計(jì)時(shí)提出了表達(dá)式的概念。在XML格式描述文件中，定義了兩種形式的表達(dá)式，分別為：調(diào)用變量、參數(shù)的值或自定義函數(shù)的表達(dá)式和調(diào)用正則表達(dá)式的表達(dá)式。通過表達(dá)式描述，可以有效的解決各種類型文件的抽取和重新構(gòu)造。下面詳細(xì)說明一下這兩種表達(dá)式。

調(diào)用變量、參數(shù)的值或自定義函數(shù)的表達(dá)式主要是數(shù)學(xué)表達(dá)式，表達(dá)式計(jì)算的結(jié)果通常為整數(shù)，用于定位各種類型文件中某個(gè)數(shù)據(jù)的位置或參與循環(huán)。調(diào)用變量的表達(dá)式的格式為[KF|x]，字符“KF”為調(diào)用變量的標(biāo)識(shí)，“x”為節(jié)點(diǎn)中定義的變量名稱。調(diào)用參數(shù)的值的表達(dá)式為[KWL|n]，字符“KWL”為調(diào)用參數(shù)的值的標(biāo)識(shí)，“n”為一個(gè)參數(shù)定義名稱。該表達(dá)式的含義為調(diào)用參數(shù)定義n獲取的值。調(diào)用自定義函數(shù)的表達(dá)式為FucDef(Name)，這類表達(dá)式使用范圍最廣，F(xiàn)ucDef為需要進(jìn)行調(diào)用的自定義函數(shù)（自定義函數(shù)可以通過編程實(shí)現(xiàn)對(duì)數(shù)據(jù)信息的各種處理邏輯），Name為參數(shù)定義名稱。該表達(dá)式的含義為根據(jù)Name的正則表達(dá)式匹配結(jié)果，按空格進(jìn)行拆分后的數(shù)量個(gè)數(shù)。調(diào)用正則表達(dá)式的表達(dá)式則通常用于在各種類型的文件中，使用正則表達(dá)式來查找所需的知識(shí)信息，正則表達(dá)式需要根據(jù)需求進(jìn)行自定義。以上提及的各類表達(dá)式可多次組合使用，以完成對(duì)所有類型文件的知識(shí)抽取。

3.3 基于XML技術(shù)的供應(yīng)鏈知識(shí)管理系統(tǒng)知識(shí)抽取的實(shí)現(xiàn)

設(shè)有一供應(yīng)商網(wǎng)頁某單元模塊信息顯示如圖2所示（由于知識(shí)抽取只抽取文字信息，已去除網(wǎng)頁上的各類效果），現(xiàn)需對(duì)此網(wǎng)頁的“供應(yīng)鏈管理”和“商界評(píng)論”兩塊后的文章進(jìn)行供應(yīng)鏈知識(shí)元相關(guān)信息的抽取和存儲(chǔ)，即需讀取到“基于第四方物流的供應(yīng)鏈協(xié)同管理研究”和“客戶關(guān)系管理成為電子商務(wù)時(shí)代制勝法定”兩篇文章。

具體實(shí)現(xiàn)的XML文件描述如下：

＜?xml version=“1.0”encoding=“gb2312”?＞

＜Knowledge DrawOut＞

＜General＞

＜Owner＞gyd＜/Owner＞

＜Time＞2012-03-01＜/Time＞

＜Mode＞HTML＜/Mode＞

＜XML Purpose ＞1＜/XML Purpose ＞ ＜!-說明此 XML文件描述的是知識(shí)元抽取--＞

＜/General＞

＜Knowledge Defines＞

＜Knowledge Define＞

＜Knowledge Name＞ 供應(yīng)鏈管理 ＜/Knowledge Name＞＜!- 知識(shí)信息參數(shù)名稱為供應(yīng)鏈管理--＞

＜Knowledge Type＞string＜/Knowledge Type＞＜!- 知識(shí)信息類型為字符串類型'

＜Row Type＞0＜/Row Type＞＜!- 不需要重復(fù)讀取多行數(shù)據(jù)--＞

＜Row＞2＜/Row＞＜!- 取第二行的內(nèi)容 --＞

＜Col＞2＜/Col＞＜!- 取第二列的內(nèi)容，即讀取到“基于第四方物流的供應(yīng)鏈協(xié)同管理研究”這篇文章--＞

＜Mark＞獲取HTML文件中Table的位置＜/Mark＞

＜Prefix＞＜/Prefix＞＜!-若用正則表達(dá)式讀取則需用到前綴來控制讀取范圍--＞

＜Surfix＞ ＜/Surfix＞＜!-若用正則表達(dá)式讀取則需用到后綴來控制讀取范圍--＞

＜Table NO＞1＜/Table NO＞＜!- 針 對(duì) HTML 文 件 中 多 個(gè)Table給出Table號(hào)--＞

＜Disp Name＞＜/Disp Name＞＜!- 此處用于供應(yīng)鏈信息的重新構(gòu)造，顯示的名稱--＞

＜Knowledge Value Type＞＜/Knowledge Value Type＞

＜Table CellName＞＜/Table CellName＞

＜Table Name＞＜/Table Name＞

＜Table Type＞＜/Table Type＞

……

＜/Knowledge Define＞

＜Knowledge Define＞

＜Knowledge Name＞ 商界評(píng)論 ＜/Knowledge Name＞＜!- 名稱為商界評(píng)論--＞

＜Knowledge Type＞string＜/Knowledge Type＞＜!- 類型為字符串類型--＞

＜Row Type＞0＜/Row Type＞＜!- 不需要重復(fù)讀取多行數(shù)據(jù)--＞

＜Row＞3＜/Row＞＜!- 取第三行的內(nèi)容 --＞

＜Col＞2＜/Col＞＜!- 取第二列的內(nèi)容，即讀取到“客戶關(guān)系管理成為電子商務(wù)時(shí)代的制勝法寶”這篇文章--＞

＜Mark＞獲取HTML文件中Table的位置＜/Mark＞

＜Prefix＞＜/Prefix＞＜!- 若用正則表達(dá)式讀取則需用到前綴來控制讀取范圍--＞

＜Surfix＞＜/Surfix＞＜!-若用正則表達(dá)式讀取則需用到后綴來控制讀取范圍--＞

＜TableNO＞1＜/Table NO＞＜!- 針對(duì) HTML文件中多個(gè) Table給出Table號(hào)--＞

＜Disp Name＞＜/Disp Name＞＜!- 此處用于供應(yīng)鏈信息的重新構(gòu)造，顯示的名稱--＞

＜Knowledge Value Type＞＜/Knowledge Value Type＞

＜Table Cell Name＞＜/Table Cell Name＞

＜Table Name＞＜/Table Name＞

＜Table Type＞＜/Table Type＞

……

＜/Knowledge Define＞

……

＜/Knowledge Defines＞

＜/Knowledge DrawOut＞

4 結(jié)束語

將XML技術(shù)應(yīng)用于供應(yīng)鏈知識(shí)管理系統(tǒng)中，可以有效地解決供應(yīng)鏈中多企業(yè)數(shù)據(jù)交換和知識(shí)流高度共享、集成以及高效率運(yùn)作問題。目前XML技術(shù)在供應(yīng)鏈知識(shí)管理系統(tǒng)中的應(yīng)用取得了一定的效果，但對(duì)于一些極為復(fù)雜和零散的數(shù)據(jù)類型仍需用自定義的函數(shù)表達(dá)式進(jìn)行處理，這種處理方式需要一定的開發(fā)人員投入較多的工作時(shí)間才能完成，所以，下一步需要努力的方向是找出這些復(fù)雜、零散數(shù)據(jù)的共性，用正則表達(dá)式或是定制的方式來完成知識(shí)的抽取。

[1]馬士華,林勇.供應(yīng)鏈管理[M].北京：高等教育出版社,2006.

[2]王道平,賈潔.一種基于Web Service的敏捷供應(yīng)鏈知識(shí)服務(wù)系統(tǒng)框架模型[J].情報(bào)雜志,2010,（5）:148-151.

[3]張志清,秦嶺.供應(yīng)鏈知識(shí)管理及系統(tǒng)框架模型研究[J].情報(bào)雜志,2007，（4）:19-21.

[4]王道平,李賀.基于知識(shí)流的敏捷供應(yīng)鏈知識(shí)服務(wù)模式研究[J].軟科學(xué),2010，24(3):1-3.

[5]金鑫.面向分布式創(chuàng)新的知識(shí)共享機(jī)制研究[D].杭州：浙江大學(xué)，2009.

[6]（美）HMDeitel，PJDeitel，等.XML編程技術(shù)大全[M].北京：清華大學(xué)出版社,2011.