面向知識(shí)服務(wù)的知識(shí)庫(kù)邏輯結(jié)構(gòu)模型*

蔣 勛 徐緒堪

（1.南京大學(xué)信息管理學(xué)院 江蘇南京 210093）

（2.無錫城市職業(yè)技術(shù)學(xué)院 江蘇無錫 214153）

1 引言

知識(shí)服務(wù)對(duì)信息組織有很高的要求，強(qiáng)調(diào)數(shù)據(jù)間的有機(jī)關(guān)聯(lián)，尤其要求通過數(shù)據(jù)間的聯(lián)系從而形成相關(guān)知識(shí)。而如何有效存儲(chǔ)、管理、組織和更新大規(guī)模的知識(shí)，如何有效利用存儲(chǔ)的知識(shí)進(jìn)行推理和問題求解，并更有效地支持知識(shí)服務(wù)，這是目前圖書情報(bào)領(lǐng)域一個(gè)重要研究課題。實(shí)現(xiàn)知識(shí)服務(wù)的途徑有多種，其中基于專家系統(tǒng)提供的專家級(jí)知識(shí)，能實(shí)現(xiàn)一種高端的知識(shí)服務(wù)。專家系統(tǒng)中知識(shí)獲取的核心組成部分是知識(shí)庫(kù)，盡管計(jì)算機(jī)與人工智能技術(shù)的迅猛發(fā)展支撐著知識(shí)獲取手段的提升，但“知識(shí)匱乏”與“信息海洋”的對(duì)峙局面仍然存在。

為解決“知識(shí)匱乏”這一瓶頸問題，本文將從知識(shí)服務(wù)的角度架構(gòu)知識(shí)庫(kù)的內(nèi)在邏輯結(jié)構(gòu)模型，使得健全、合理的結(jié)構(gòu)模型支撐起用戶不同的服務(wù)需求，并使資源和服務(wù)有效整合，消除知識(shí)組織與知識(shí)利用之間的鴻溝。

2 相關(guān)研究述評(píng)

從知識(shí)組織的研究視角關(guān)注承載知識(shí)的知識(shí)庫(kù)研究，王知津等全面、系統(tǒng)、深入地分析了知識(shí)組織的理論、方法及應(yīng)用，首次對(duì)知識(shí)組織的環(huán)境進(jìn)行了考究，對(duì)知識(shí)組織的十個(gè)方面加以論述，其中就指出實(shí)現(xiàn)知識(shí)的有序化是知識(shí)組織的重要目標(biāo)之一，而知識(shí)有序化包括了承載知識(shí)環(huán)境的有序化，并給出了支持知識(shí)環(huán)境有序化的技術(shù)手段。賴茂生等深入研究了知識(shí)組織領(lǐng)域的幾個(gè)前沿問題：本體與傳統(tǒng)知識(shí)組織工具改造的研究、受控語(yǔ)言與自然語(yǔ)言融合的研究、網(wǎng)絡(luò)環(huán)境下知識(shí)組織研究及Web2.0與自由分類法，這些前沿問題的研究為進(jìn)一步展開知識(shí)庫(kù)的探索奠定了堅(jiān)實(shí)的基礎(chǔ)。賀德方從知識(shí)組織體系 （Knowledge Organization Systems，KOS） 的應(yīng)用角度，梳理了知識(shí)組織的主要成果，歸納了知識(shí)組織體系之間的轉(zhuǎn)化、映射、標(biāo)準(zhǔn)化等方面，這些研究理清了從知識(shí)組織角度研究知識(shí)庫(kù)結(jié)構(gòu)的思路。王軍教授的研究則從網(wǎng)絡(luò)環(huán)境下對(duì)知識(shí)結(jié)構(gòu)進(jìn)行系統(tǒng)化描述與說明，以此為基礎(chǔ)推動(dòng)信息組織、信息表示和基于內(nèi)容的信息檢索等應(yīng)用發(fā)展。從知識(shí)服務(wù)的研究角度，畢強(qiáng)縱觀了國(guó)內(nèi)外學(xué)者關(guān)于知識(shí)服務(wù)研究側(cè)重點(diǎn)不同，并揭示了信息資源只有定位描述而缺少資源內(nèi)容的確切描述的不足，提出了知識(shí)庫(kù)是實(shí)現(xiàn)知識(shí)服務(wù)的基礎(chǔ)和核心，通過知識(shí)庫(kù)將提高知識(shí)利用和共享效果。董慧深入研究了本體知識(shí)表示的知識(shí)庫(kù)，避免了不同數(shù)據(jù)源中知識(shí)異構(gòu)帶來的問題，在這基礎(chǔ)上并首次提出了歷史領(lǐng)域的專家系統(tǒng)模型。王曰芬等研究了面向個(gè)性化服務(wù)的知識(shí)組織機(jī)制，形成了個(gè)性化服務(wù)的知識(shí)組織并將知識(shí)服務(wù)瞄準(zhǔn)了科技咨詢，給出了將社會(huì)網(wǎng)絡(luò)分析與社會(huì)網(wǎng)絡(luò)可視化的先進(jìn)技術(shù)引入專家?guī)斓慕ㄔO(shè)中，提高了科技咨詢決策效果。李廣建指出在分布式環(huán)境下為適應(yīng)OpenURL需要，知識(shí)庫(kù)的有效利用是關(guān)鍵問題，知識(shí)庫(kù)不僅是整個(gè)系統(tǒng)的核心，也是整個(gè)過程的中樞并且為構(gòu)造擴(kuò)展服務(wù)鏈接提供規(guī)則，認(rèn)為只有健全、合理的知識(shí)庫(kù)才能提供用戶盡可能合適的知識(shí)服務(wù)。知識(shí)庫(kù)的應(yīng)用遠(yuǎn)不局限在圖書情報(bào)領(lǐng)域，對(duì)于醫(yī)療、制造等行業(yè)，以及對(duì)其他學(xué)科的科學(xué)研究都起著重要的支撐作用。錢平等具體針對(duì)鱖魚疾病的診斷中，利用了知識(shí)表示與語(yǔ)義推理等相關(guān)技術(shù)，積累了相關(guān)病例，搭建了針對(duì)診療需求的知識(shí)庫(kù)，為魚病診斷專家系統(tǒng)建立高智能、可共享與復(fù)用的診斷推理應(yīng)用模型。李少波等分析了中藥制藥行業(yè)對(duì)制造執(zhí)行系統(tǒng)的需求，提煉出各流程的知識(shí)庫(kù)，包括設(shè)備知識(shí)庫(kù)、過程經(jīng)驗(yàn)知識(shí)庫(kù)、生產(chǎn)管理知識(shí)庫(kù)、原材料知識(shí)庫(kù)等，并利用每個(gè)應(yīng)用知識(shí)庫(kù)進(jìn)行了知識(shí)的獲取、融合和重用，最終給出系統(tǒng)的功能模型以實(shí)現(xiàn)生產(chǎn)過程的最優(yōu)計(jì)劃與調(diào)度。孫勇等在其科研過程中發(fā)現(xiàn)了基本蟻群算法易陷入局部極值且收斂速度慢等問題，將知識(shí)庫(kù)引入該算法中，其貢獻(xiàn)在于知識(shí)庫(kù)囊括了算法知識(shí)、規(guī)則知識(shí)和案例知識(shí)，存儲(chǔ)了定性或定量的算法參數(shù)、參數(shù)選擇方法及歷史數(shù)據(jù)，最終提出了基于知識(shí)庫(kù)的動(dòng)態(tài)蟻群算法，經(jīng)過理論分析和實(shí)驗(yàn)驗(yàn)證，該算法在優(yōu)化性能、時(shí)間性能和魯棒性等均有一定優(yōu)勢(shì)。

國(guó)外關(guān)于知識(shí)組織、知識(shí)服務(wù)、知識(shí)庫(kù)的研究更重于實(shí)踐方面，知識(shí)組織研究主要是以NKOS（Networked Knowledge Organization Systems/Services）作為主要的研究領(lǐng)域開展相關(guān)研究。隨著數(shù)字圖書館的研究與發(fā)展，NKOS已經(jīng)成為圖書館和信息科學(xué)領(lǐng)域最重要的研究課題。特別針對(duì)語(yǔ)義化描述的分類表、敘詞表、主題詞表、地名辭典等已經(jīng)在國(guó)際圖書情報(bào)界有較多的研究和實(shí)踐，如美國(guó)國(guó)會(huì)圖書館發(fā)布的《國(guó)會(huì)圖書館主題詞表》的SKOS語(yǔ)義描述版本。進(jìn)一步基于 NKOS向機(jī)器和各類智能應(yīng)用提供服務(wù)，通過構(gòu)建 NKOS的目標(biāo)是為搜索引擎、學(xué)科門戶、內(nèi)容導(dǎo)航、自動(dòng)分類等應(yīng)用程序提供知識(shí)服務(wù)，其途徑是提供開放的、統(tǒng)一的查詢接口和訪問協(xié)議，如典型的SKOS API。國(guó)外關(guān)于知識(shí)庫(kù)的研究正探索進(jìn)一步發(fā)揮其專業(yè)化知識(shí)服務(wù)的特色。典型的是雪城大學(xué)、華盛頓大學(xué)開展的Reference Extract研究，試圖將知識(shí)庫(kù)中專家參引的網(wǎng)站作為高可信度的信息源，從而為用戶提供高可信度的搜索體驗(yàn)；并基于知識(shí)庫(kù)研究知識(shí)挖掘和知識(shí)發(fā)現(xiàn)等服務(wù)，已開發(fā)出能提供熱點(diǎn)知識(shí)群導(dǎo)航知識(shí)庫(kù)系統(tǒng)。圍繞知識(shí)庫(kù)架構(gòu)與建設(shè)方法、知識(shí)組織與分類方法、知識(shí)庫(kù)的檢索服務(wù)、知識(shí)挖掘與發(fā)現(xiàn)，并從參考咨詢服務(wù)的用戶需求出發(fā)，對(duì)聯(lián)合參考咨詢知識(shí)庫(kù)的發(fā)展趨勢(shì)進(jìn)行了探討，更好地利用知識(shí)庫(kù)的功能以提升圖書館的參考咨詢服務(wù)能力。

值得注意的是，目前在圖書情報(bào)領(lǐng)域關(guān)于知識(shí)庫(kù)的研究主要聚焦在機(jī)構(gòu)知識(shí)庫(kù)（Institutional Repository，IR）。國(guó)際上注冊(cè)IR超過2200個(gè)，中國(guó)科學(xué)院也有超過70個(gè)研究所的IR，IR正成為機(jī)構(gòu)知識(shí)基礎(chǔ)設(shè)施和社會(huì)學(xué)術(shù)信息交流體系的重要成員。以張曉林教授領(lǐng)銜的中國(guó)科學(xué)院國(guó)家科學(xué)圖書館研究團(tuán)隊(duì)圍繞IR的技術(shù)支撐、資源支持、研究與咨詢支持、法律支持、環(huán)境支撐等各方面來管理知識(shí)成果，形成對(duì)知識(shí)成果使用進(jìn)行許可的框架。張旺強(qiáng)等側(cè)重IR的技術(shù)層面進(jìn)行研究，利用OpenKOS的開放服務(wù)接口對(duì)IR中知識(shí)產(chǎn)出進(jìn)行主題標(biāo)引和自動(dòng)分類，方便用戶使用主題詞瀏覽和檢索知識(shí)產(chǎn)出。

通過上述已有研究成果分析可以看出，知識(shí)庫(kù)的研究對(duì)支持與完善知識(shí)服務(wù)的整體性至關(guān)重要。目前，在圖書情報(bào)領(lǐng)域，知識(shí)庫(kù)的理念和方法基本貫徹在整個(gè)知識(shí)服務(wù)過程的始終，語(yǔ)義關(guān)系計(jì)算使用了語(yǔ)義知識(shí)庫(kù)、動(dòng)態(tài)知識(shí)點(diǎn)的生成是基于專有術(shù)語(yǔ)知識(shí)庫(kù)開展的、知識(shí)地圖的描繪是在相關(guān)知識(shí)庫(kù)的基礎(chǔ)上進(jìn)行的。知識(shí)庫(kù)的根基在知識(shí)組織，通過對(duì)知識(shí)組織的研究希望數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)、信息和知識(shí)能夠滿足用戶解決問題和進(jìn)行決策的需求，所以，對(duì)知識(shí)組織的研究不是將知識(shí)停留在數(shù)據(jù)庫(kù)中組織，而是注重如何將數(shù)據(jù)在數(shù)據(jù)庫(kù)中通過某種關(guān)聯(lián)產(chǎn)生出知識(shí)并服務(wù)于用戶。針對(duì)知識(shí)庫(kù)的相關(guān)研究歸納起來，呈現(xiàn)如下現(xiàn)狀：①目前，在圖書情報(bào)領(lǐng)域關(guān)于知識(shí)庫(kù)的研究主要聚焦在機(jī)構(gòu)知識(shí)庫(kù)。國(guó)外在機(jī)構(gòu)知識(shí)庫(kù)方面起步較早，已經(jīng)有大批機(jī)構(gòu)知識(shí)庫(kù)建成并投入使用，而國(guó)內(nèi)還比較薄弱。對(duì)機(jī)構(gòu)知識(shí)庫(kù)的關(guān)注大多數(shù)是研究其對(duì)外能實(shí)現(xiàn)的應(yīng)用，如提供的知識(shí)瀏覽、數(shù)據(jù)統(tǒng)計(jì)、為科技類公共服務(wù)活動(dòng)提供文化氛圍、以多種形式向讀者推送專題資源等等。概括起來，關(guān)于機(jī)構(gòu)知識(shí)庫(kù)的探討基本圍繞在信息資源長(zhǎng)期保存能力、提升信息獲取效率、促進(jìn)學(xué)術(shù)交流與知識(shí)共享等三個(gè)方面。②圖書情報(bào)領(lǐng)域近期也出現(xiàn)了一系列關(guān)于專業(yè)知識(shí)庫(kù)的研究。譬如詞匯語(yǔ)義知識(shí)庫(kù)正在被應(yīng)用于信息檢索、信息提取、問答系統(tǒng)、自動(dòng)文摘等方面，逐步成為自然語(yǔ)言處理的基礎(chǔ)資源。專業(yè)知識(shí)庫(kù)的研究也圍繞具體應(yīng)用為主，但不同的專業(yè)知識(shí)庫(kù)表現(xiàn)出不同的需求和不同的解決方案。如詞匯語(yǔ)義知識(shí)庫(kù)迎合了本體化與多語(yǔ)化的大趨勢(shì)，關(guān)于它的研究都從不同方面彌補(bǔ)了其共通的知識(shí)共享與知識(shí)交流上的不足，體現(xiàn)出知識(shí)庫(kù)的發(fā)展朝著應(yīng)用多元化的趨勢(shì)。從以上兩個(gè)現(xiàn)狀不難看出：現(xiàn)階段關(guān)于知識(shí)庫(kù)的研究偏向于應(yīng)用，應(yīng)用的多元化必然促使知識(shí)庫(kù)的完善，知識(shí)庫(kù)的發(fā)展，其瓶頸在于自身的結(jié)構(gòu)，而關(guān)鍵更在知識(shí)組織水平。目前，在圖書情報(bào)領(lǐng)域涉及知識(shí)庫(kù)一般規(guī)律的研究很少，關(guān)于知識(shí)庫(kù)結(jié)構(gòu)的研究更少。已有的研究中沒有系統(tǒng)地去研究其知識(shí)組織模式和具體結(jié)構(gòu)問題，或者說沒有從知識(shí)服務(wù)的角度去深刻地考察知識(shí)組織體系和構(gòu)成，沒有仔細(xì)地去研究過哪些知識(shí)服務(wù)需要用到知識(shí)庫(kù)，其中這些服務(wù)對(duì)知識(shí)組織有哪些特殊的要求，并根據(jù)這些要求，應(yīng)該如何組織知識(shí)庫(kù)。大部分關(guān)于知識(shí)庫(kù)模型的研究還處在框架搭建的初級(jí)階段，還在不斷探索和完善中，離知識(shí)服務(wù)的應(yīng)用平臺(tái)還有很大距離。

3 知識(shí)庫(kù)與知識(shí)組織、知識(shí)服務(wù)

知識(shí)組織目標(biāo)是為了向用戶提供更高效、更有針對(duì)性的知識(shí)，以實(shí)現(xiàn)知識(shí)服務(wù)?？梢哉f知識(shí)組織是知識(shí)服務(wù)的支撐。因此，知識(shí)組織的設(shè)計(jì)來自于用戶需求的驅(qū)動(dòng)，需要遵循從宏觀到微觀的設(shè)計(jì)理念，確保知識(shí)組織實(shí)現(xiàn)知識(shí)服務(wù)、提升服務(wù)效率。針對(duì)“大數(shù)據(jù)”時(shí)代的信息泛濫、信息無序，大量過剩等特點(diǎn)，迫切需要能夠?qū)⑵淇茖W(xué)處理、整序、關(guān)聯(lián)，最終形成能夠解決用戶問題的知識(shí)。實(shí)現(xiàn)這樣的目標(biāo)需要將雜亂的信息蛻變、升華，使之有序、關(guān)聯(lián)和可用，也就是說知識(shí)組織必須保證信息知識(shí)化、知識(shí)有序化、知識(shí)服務(wù)化，知識(shí)庫(kù)是這項(xiàng)工作的落實(shí)載體之一?？梢?，知識(shí)庫(kù)的工作與知識(shí)組織、知識(shí)服務(wù)是密不可分的。

3.1 三者的關(guān)系模型

知識(shí)庫(kù)與知識(shí)組織、知識(shí)服務(wù)在工作上是緊密關(guān)聯(lián)的，并且三者在邏輯上嚴(yán)密相關(guān)，從宏觀上將三者抽象表達(dá)成圖1所示關(guān)系模型，每一層都為其上一層服務(wù)，層層相扣。知識(shí)組織將知識(shí)源提供的各類信息，經(jīng)過數(shù)據(jù)清洗、加工處理，提煉成可供知識(shí)庫(kù)存儲(chǔ)并管理的知識(shí)；知識(shí)庫(kù)將針對(duì)某一領(lǐng)域問題求解的需要，采用某種知識(shí)表示方式在計(jì)算機(jī)中存儲(chǔ)、組織、管理，使互相聯(lián)系的知識(shí)片集合邏輯上可推理，可進(jìn)行復(fù)雜問題的求解；最終面向知識(shí)服務(wù)提供有針對(duì)性、高質(zhì)量的知識(shí)，可以說知識(shí)的質(zhì)量、知識(shí)間的語(yǔ)義關(guān)系決定知識(shí)的價(jià)值。

圖1 知識(shí)組織、知識(shí)庫(kù)、知識(shí)服務(wù)三者關(guān)系模型

知識(shí)庫(kù)在層次模型中處于中間層，既面向知識(shí)服務(wù)也基于知識(shí)組織，為此，更需要從知識(shí)服務(wù)的角度去深刻地考察知識(shí)組織體系和構(gòu)成，必須仔細(xì)地去研究哪些知識(shí)需求需要用到知識(shí)庫(kù)，這些知識(shí)需求對(duì)知識(shí)組織有哪些特殊的要求，并根據(jù)這些要求，該如何設(shè)計(jì)知識(shí)庫(kù)結(jié)構(gòu)。知識(shí)庫(kù)的構(gòu)建不是一次性完成的，隨著知識(shí)服務(wù)要求不斷提高，將反饋促使知識(shí)庫(kù)更新，知識(shí)庫(kù)的結(jié)構(gòu)也需不斷的優(yōu)化。

3.2 知識(shí)庫(kù)結(jié)構(gòu)的研究?jī)?nèi)容

知識(shí)庫(kù)結(jié)構(gòu)研究就是研究知識(shí)庫(kù)的架構(gòu)，研究如何建立知識(shí)結(jié)點(diǎn)之間的語(yǔ)義關(guān)系，研究如何構(gòu)造知識(shí)庫(kù)內(nèi)部結(jié)構(gòu)更便于問題求解和邏輯推理。因此，知識(shí)庫(kù)能否快速且準(zhǔn)確地響應(yīng)用戶問題，解決多領(lǐng)域、多學(xué)科的協(xié)同決策過程帶來的復(fù)雜多源知識(shí)獲取和融合問題，完成跨平臺(tái)、跨系統(tǒng)進(jìn)行的大規(guī)模知識(shí)共享、重用、管理等問題，這些問題均對(duì)知識(shí)庫(kù)的結(jié)構(gòu)提出了更高的要求。

在課題“面向知識(shí)服務(wù)的知識(shí)庫(kù)結(jié)構(gòu)研究”中研究的著眼點(diǎn)主要考察面對(duì)上述不同的知識(shí)需求來架構(gòu)知識(shí)庫(kù)結(jié)構(gòu)的一般規(guī)律，使之具備一定的通用性。為此，課題從框架結(jié)構(gòu)和邏輯結(jié)構(gòu)兩個(gè)視角來研究知識(shí)庫(kù)的結(jié)構(gòu)，而本文探討的是知識(shí)庫(kù)邏輯結(jié)構(gòu)。知識(shí)庫(kù)邏輯結(jié)構(gòu)是根據(jù)推理范疇的結(jié)構(gòu)決定的，而范疇是由對(duì)象及彼此間的映射關(guān)系決定，所以知識(shí)庫(kù)的邏輯結(jié)構(gòu)可以形象地描述成知識(shí)點(diǎn)之間存在的映射關(guān)系的集合。可以預(yù)見：一方面，知識(shí)庫(kù)中知識(shí)結(jié)點(diǎn)數(shù)目是龐大的，且結(jié)點(diǎn)間的映射關(guān)系的數(shù)目是知識(shí)結(jié)點(diǎn)的冪指數(shù)形式，數(shù)目更是巨大；另一方面，知識(shí)庫(kù)中的很多新規(guī)則是新產(chǎn)生的且為暫時(shí)的，這些不能通過既定的基礎(chǔ)知識(shí)庫(kù)的挖掘獲得。

3.3 知識(shí)庫(kù)邏輯結(jié)構(gòu)的研究對(duì)知識(shí)服務(wù)、知識(shí)庫(kù)的作用

知識(shí)庫(kù)邏輯結(jié)構(gòu)決定了知識(shí)服務(wù)的角度和潛能，科學(xué)合理的知識(shí)庫(kù)邏輯結(jié)構(gòu)對(duì)知識(shí)服務(wù)的能力提升具有很大的推動(dòng)作用。對(duì)知識(shí)庫(kù)邏輯結(jié)構(gòu)中所涉及各環(huán)節(jié)要素進(jìn)行理論及實(shí)踐上的探討，這種探討有助于解決從知識(shí)源到知識(shí)獲取過程中的瓶頸問題，為最大限度地克服海量數(shù)據(jù)增加引起的算法失效及固有的知識(shí)庫(kù)實(shí)時(shí)維護(hù)困難的問題。這一系統(tǒng)化的研究緊緊圍繞知識(shí)庫(kù)邏輯結(jié)構(gòu)并凝練了知識(shí)組織的相關(guān)理論，呈現(xiàn)出知識(shí)庫(kù)是實(shí)現(xiàn)知識(shí)服務(wù)的基礎(chǔ)和核心，最終還以知識(shí)服務(wù)為落腳點(diǎn)，為拓展知識(shí)服務(wù)奠定了基礎(chǔ)。

知識(shí)存在知識(shí)庫(kù)中，數(shù)據(jù)存在數(shù)據(jù)庫(kù)中，兩者“對(duì)接”將會(huì)促進(jìn)知識(shí)庫(kù)理論機(jī)理的發(fā)展。針對(duì)數(shù)據(jù)子類結(jié)構(gòu)形式構(gòu)成的數(shù)據(jù)庫(kù)與基于屬性間語(yǔ)義關(guān)系的知識(shí)庫(kù)，需要在這兩者之間建立對(duì)應(yīng)關(guān)系，通過數(shù)據(jù)庫(kù)的子類結(jié)構(gòu)和知識(shí)庫(kù)的結(jié)點(diǎn)網(wǎng)絡(luò)結(jié)構(gòu)，可以構(gòu)建兩者之間的邏輯等價(jià)關(guān)系，這種關(guān)系打破了傳統(tǒng)數(shù)據(jù)庫(kù)知識(shí)獲取的封閉系統(tǒng)，當(dāng)其與知識(shí)庫(kù)相結(jié)合，從知識(shí)庫(kù)的高度，可以更深層次的理解數(shù)據(jù)庫(kù)的價(jià)值，拓展知識(shí)庫(kù)的效能。這種邏輯結(jié)構(gòu)在功能上形成了相對(duì)于基礎(chǔ)知識(shí)庫(kù)是一個(gè)開放、優(yōu)化的可擴(kuò)體，有助于實(shí)現(xiàn)知識(shí)推理和知識(shí)挖掘。

4 知識(shí)庫(kù)邏輯結(jié)構(gòu)模型

知識(shí)庫(kù)邏輯結(jié)構(gòu)的研究，實(shí)際上可以歸結(jié)為知識(shí)點(diǎn)間存在關(guān)系的研究。知識(shí)點(diǎn)及其相互關(guān)系希望通過一種簡(jiǎn)約的表示方法來描述這些關(guān)系，并支持知識(shí)的推理活動(dòng)。衡量知識(shí)的簡(jiǎn)約表示效用需要考量其概念效率與計(jì)算效率兩個(gè)維度，這兩個(gè)維度的特點(diǎn)是“厚此薄彼”，各知識(shí)點(diǎn)表示是否統(tǒng)一且準(zhǔn)確，由底層的核心工作數(shù)據(jù)清洗決定，數(shù)據(jù)清洗是關(guān)系建立、推理質(zhì)量、計(jì)算效率的保證，只有高質(zhì)量的數(shù)據(jù)清洗，才會(huì)有高質(zhì)量的知識(shí)庫(kù)服務(wù)水平（研究思路可概括見圖2）。

圖2 知識(shí)庫(kù)邏輯結(jié)構(gòu)的研究思路

4.1 知識(shí)點(diǎn)之間的關(guān)系

（1）數(shù)據(jù)庫(kù)與知識(shí)庫(kù)的對(duì)應(yīng)關(guān)系。建立數(shù)據(jù)庫(kù)與知識(shí)庫(kù)間的對(duì)應(yīng)關(guān)系，也是一個(gè)知識(shí)發(fā)現(xiàn)過程。知識(shí)發(fā)現(xiàn)（Knowledge Discovery）是從大量的數(shù)據(jù)中挖掘潛在有用的、用戶可能感興趣的并能被其理解的知識(shí)的過程。知識(shí)發(fā)現(xiàn)是知識(shí)點(diǎn)及其相互間邏輯關(guān)系的原始積累過程。為此，揭示數(shù)據(jù)庫(kù)與知識(shí)庫(kù)在各自特定構(gòu)造下的一一對(duì)應(yīng)，構(gòu)建數(shù)據(jù)庫(kù)與知識(shí)庫(kù)的內(nèi)在“通道”，并將數(shù)據(jù)庫(kù)和知識(shí)庫(kù)統(tǒng)一在一個(gè)知識(shí)發(fā)現(xiàn)系統(tǒng)中，這是構(gòu)建知識(shí)庫(kù)邏輯結(jié)構(gòu)首先要關(guān)注的問題。

不能孤立地看待知識(shí)庫(kù)結(jié)構(gòu)，知識(shí)庫(kù)結(jié)構(gòu)和所關(guān)聯(lián)的數(shù)據(jù)庫(kù)是密切相關(guān)的，也就是說隨著數(shù)據(jù)庫(kù)中數(shù)據(jù)的積累，對(duì)應(yīng)的知識(shí)庫(kù)結(jié)構(gòu)也將隨之發(fā)生變化，數(shù)據(jù)庫(kù)與知識(shí)庫(kù)間的對(duì)應(yīng)關(guān)系決定了知識(shí)庫(kù)中各知識(shí)點(diǎn)之間的邏輯關(guān)系。所以，構(gòu)造知識(shí)庫(kù)結(jié)構(gòu)必須將相關(guān)數(shù)據(jù)庫(kù)及其所有數(shù)據(jù)綜合起來考慮。

在真實(shí)的數(shù)據(jù)庫(kù)中，根據(jù)數(shù)據(jù)子類結(jié)構(gòu)形式構(gòu)成的發(fā)掘數(shù)據(jù)庫(kù)的可達(dá)范疇與基于屬性間關(guān)系的挖掘知識(shí)庫(kù)的推理范疇，兩者之間建立等價(jià)關(guān)系，這一等價(jià)關(guān)系為數(shù)據(jù)庫(kù)與知識(shí)庫(kù)間定向的知識(shí)挖掘與知識(shí)搜索奠定了理論基礎(chǔ)。進(jìn)一步可認(rèn)為，依據(jù)子類結(jié)構(gòu)構(gòu)建的數(shù)據(jù)庫(kù)和根據(jù)知識(shí)點(diǎn)網(wǎng)絡(luò)構(gòu)建的知識(shí)庫(kù)邏輯等價(jià)。由此可以給出，知識(shí)庫(kù)中的知識(shí)點(diǎn)與數(shù)據(jù)庫(kù)中的數(shù)據(jù)子類結(jié)構(gòu)之間存在一一對(duì)應(yīng)關(guān)系。這一對(duì)應(yīng)關(guān)系打破了傳統(tǒng)數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)的封閉系統(tǒng)，使數(shù)據(jù)挖掘從知識(shí)庫(kù)的高度、從語(yǔ)義關(guān)聯(lián)角度去發(fā)現(xiàn)更深層次的知識(shí)，也保證了知識(shí)發(fā)現(xiàn)成果直接用于知識(shí)服務(wù)。

（2）知識(shí)庫(kù)中知識(shí)點(diǎn)間的映射。知識(shí)庫(kù)與數(shù)據(jù)庫(kù)最本質(zhì)的區(qū)別在于知識(shí)庫(kù)中記錄有大量規(guī)則，以保證能夠?qū)χR(shí)庫(kù)進(jìn)行更深層次的知識(shí)挖掘與提煉，這些規(guī)則通常通過能夠反映各知識(shí)點(diǎn)之間關(guān)系的二維數(shù)組來表示。因此，從微觀層面考慮知識(shí)庫(kù)中存儲(chǔ)結(jié)構(gòu)的規(guī)則必須能支持二維數(shù)組的體現(xiàn)。

定義 1：規(guī)則 r［s，d］=（s→d）中的知識(shí)結(jié)點(diǎn) s為規(guī)則 r下的起始知識(shí)點(diǎn)，d為規(guī)則r下的目標(biāo)知識(shí)點(diǎn)。

這樣我們最初考慮的一個(gè)簡(jiǎn)約知識(shí)庫(kù)的結(jié)構(gòu)如表1所示。

表1 數(shù)組型簡(jiǎn)約知識(shí)庫(kù)的結(jié)構(gòu)

從表1可以看出，每個(gè)規(guī)則對(duì)應(yīng)一個(gè)固定的數(shù)組位置。每當(dāng)挖掘出或增加一個(gè)新的基礎(chǔ)知識(shí)時(shí)，對(duì)其進(jìn)行簡(jiǎn)約分解后，即可確定其在數(shù)組中的位置。對(duì)相應(yīng)位置規(guī)則的參數(shù)進(jìn)行修正即可。顯然，如果建立這樣一個(gè)知識(shí)庫(kù)，完成知識(shí)庫(kù)的一致性校驗(yàn)是十分方便的。

知識(shí)庫(kù)邏輯結(jié)構(gòu)是根據(jù)推理范疇的結(jié)構(gòu)決定的，而范疇是由對(duì)象及彼此間的映射關(guān)系決定，所以知識(shí)庫(kù)的邏輯結(jié)構(gòu)可以由定義1形象地描述成（si→dj）的集合。符號(hào)“→”表示知識(shí)點(diǎn)之間存在的推理關(guān)系。可以預(yù)見：一方面，知識(shí)庫(kù)中知識(shí)點(diǎn)數(shù)目是龐大的，且知識(shí)點(diǎn)間的推理關(guān)系的數(shù)目是關(guān)于知識(shí)點(diǎn)的冪指數(shù)形式，數(shù)目更是巨大；另一方面，知識(shí)庫(kù)中的很多規(guī)則是新產(chǎn)生的且為暫時(shí)的，這些不能通過既定的基礎(chǔ)知識(shí)庫(kù)的挖掘獲得。由此來看，定義1的描述方式顯得比較樸素，且用這樣的方式描述知識(shí)庫(kù)的邏輯結(jié)構(gòu)將會(huì)較為復(fù)雜，需要進(jìn)一步進(jìn)行優(yōu)化。

表1也反映出，這樣的知識(shí)庫(kù)存儲(chǔ)在軟件上是很難實(shí)現(xiàn)的。首先，這將是一個(gè)龐大的數(shù)組。其中的m與n是全體屬性程度詞（語(yǔ)言變量值）的組合問題，有可能造成組合“爆炸”。其次，由于其中的很多規(guī)則暫時(shí)的，是不能通過基礎(chǔ)知識(shí)或由挖掘產(chǎn)生的知識(shí)分解產(chǎn)生的，因此在某種程度上可以將表1看成是一個(gè)稀疏矩陣，以數(shù)組的形式存儲(chǔ)將浪費(fèi)極大的空間。因此，這樣的數(shù)組型簡(jiǎn)約知識(shí)庫(kù)的結(jié)構(gòu)還不完美，但要考慮的知識(shí)庫(kù)結(jié)構(gòu)應(yīng)相似于該結(jié)構(gòu)，同時(shí)考慮三個(gè)因素：

其一，由用戶根據(jù)自己的需求提出知識(shí)庫(kù)的主題設(shè)計(jì)，不同的主題有一套相互映射的知識(shí)子庫(kù)。

其二，根據(jù)知識(shí)的成熟程度，對(duì)各個(gè)主題下的知識(shí)庫(kù)劃分三個(gè)層次：基礎(chǔ)知識(shí)庫(kù)、派生知識(shí)庫(kù)和臨時(shí)知識(shí)庫(kù)，其中：基礎(chǔ)知識(shí)庫(kù)：存放用戶感興趣某一主題下成熟的知識(shí)，這些知識(shí)來源用戶自己輸入或經(jīng)數(shù)據(jù)挖掘后由用戶確認(rèn)的知識(shí)；派生知識(shí)庫(kù)：同樣存放為用戶針對(duì)某一主題感興趣的知識(shí)，而這些知識(shí)源為挖掘出的用戶認(rèn)為有一定價(jià)值，但不夠成熟的知識(shí)；臨時(shí)知識(shí)庫(kù)：存放那些未經(jīng)過用戶識(shí)別過的臨時(shí)知識(shí)。

其三，針對(duì)一個(gè)主題設(shè)置知識(shí)點(diǎn)鏈接表，將現(xiàn)有的起始知識(shí)點(diǎn)與目標(biāo)知識(shí)點(diǎn)的組成和語(yǔ)義環(huán)境的關(guān)系記錄下來，形成一幅完整的知識(shí)地圖。

知識(shí)庫(kù)劃分為三個(gè)層次后，優(yōu)化了知識(shí)庫(kù)的結(jié)構(gòu)，也縮小了用戶的知識(shí)查詢范圍，對(duì)于任意一個(gè)層次的知識(shí)庫(kù)邏輯結(jié)構(gòu)更加清晰。知識(shí)點(diǎn)鏈接表中各結(jié)點(diǎn)與分解后的規(guī)則保持一致，便于規(guī)則的存儲(chǔ)。并且基礎(chǔ)知識(shí)庫(kù)與派生知識(shí)庫(kù)的表示方式直接反映起始知識(shí)點(diǎn)與目標(biāo)知識(shí)點(diǎn)的關(guān)系，這在具體實(shí)現(xiàn)SQL語(yǔ)言進(jìn)行推理非常便利。多層次知識(shí)庫(kù)為進(jìn)行基于知識(shí)庫(kù)的知識(shí)發(fā)現(xiàn)提供了知識(shí)保證。

（3）知識(shí)點(diǎn)鏈接的形成。知識(shí)庫(kù)中知識(shí)獲取的一種有效方法：根據(jù)產(chǎn)生式規(guī)則，按逆向推理方式鏈接相關(guān)知識(shí)點(diǎn)，在知識(shí)庫(kù)中形成了一幅完整的知識(shí)地圖。從某領(lǐng)域問題的總目標(biāo)結(jié)點(diǎn)，逐層向下擴(kuò)展樹的分枝和下層結(jié)點(diǎn)，從中提取規(guī)則知識(shí)，從而有效地獲取解決該目標(biāo)問題的全部規(guī)則知識(shí)。產(chǎn)生式規(guī)則的知識(shí)表示的特點(diǎn)體現(xiàn)在：一方面，它是基于邏輯推理的演繹推理，這樣保證了推理結(jié)果的正確性；另一方面，大量產(chǎn)生式規(guī)則所連成的知識(shí)樹，可以是多棵樹。從樹的寬度看，反映了實(shí)際問題的范圍，從樹的深度看，反映了問題的難度。

4.2 知識(shí)表示的評(píng)價(jià)

前文勾勒出知識(shí)庫(kù)與數(shù)據(jù)庫(kù)在知識(shí)發(fā)現(xiàn)過程中彼此內(nèi)在結(jié)構(gòu)的對(duì)應(yīng)，以及適應(yīng)該結(jié)構(gòu)下知識(shí)點(diǎn)之間的邏輯關(guān)系，以及前面章節(jié)中所介紹的知識(shí)表示方法，這些都是知識(shí)發(fā)現(xiàn)的前提和基礎(chǔ)。不同的知識(shí)需求所應(yīng)對(duì)的知識(shí)表示格式也是不同的。對(duì)知識(shí)庫(kù)中的知識(shí)需求可以從兩方面著手：面向人類的信息需求與面向機(jī)器的信息需求。更確切的說較粗粒度的自然語(yǔ)言表示的知識(shí)可以滿足知識(shí)問答、知識(shí)教學(xué)等方面的需要而較細(xì)粒度的基于一階邏輯完全形式化的內(nèi)容滿足機(jī)器推理的需要。充分考慮和融入知識(shí)表示的多粒度性，并通過粒度概念分析（Granularity Concept Analysis，GCA）評(píng)價(jià)知識(shí)表示的形式是否清楚地反映內(nèi)容實(shí)質(zhì)，同時(shí)考慮到知識(shí)表示最大作用是有效地支持知識(shí)的推理活動(dòng)，因此知識(shí)表示產(chǎn)生的概念效率與計(jì)算效用將是重要評(píng)價(jià)指標(biāo)。

（1）粒度概念分析。一個(gè)可共享的知識(shí)庫(kù)應(yīng)該滿足不同背景的用戶對(duì)知識(shí)的需求，不同的需求對(duì)應(yīng)粗細(xì)粒度不同的知識(shí)表示（見圖3）。為此必然需要有一種評(píng)價(jià)方法來衡量針對(duì)知識(shí)庫(kù)中知識(shí)的粗細(xì)粒度的表示，本節(jié)通過粒度概念分析（GCA）對(duì)粗細(xì)不同粒度知識(shí)的挖掘，揭示和呈現(xiàn)領(lǐng)域相關(guān)知識(shí)的結(jié)構(gòu)和內(nèi)在聯(lián)系。

圖3 知識(shí)庫(kù)中知識(shí)的多粒度表示體系

如果說關(guān)聯(lián)概念分析（RCA）是在形式概念分析的基礎(chǔ)上著重于在概念橫向關(guān)聯(lián)方面的延伸，那么粒度概念分析（GCA）則強(qiáng)調(diào)在概念縱向細(xì)節(jié)方面的拓展。粒度概念分析法的基本指導(dǎo)思想是根據(jù)知識(shí)所包含的概念粒度由細(xì)到粗對(duì)知識(shí)從縱向進(jìn)行迭代。粒度概念分析分兩個(gè)過程，第一階段是構(gòu)建粗粒度形式背景，由于形式背景中的要素粒度線條粗闊，在一定程度上減輕了對(duì)領(lǐng)域?qū)＜业囊蕾?，就像區(qū)分有毒蘑菇和無毒蘑菇(細(xì)粒度)往往需要一定的專業(yè)知識(shí)，而區(qū)分蘑菇和竹筍(粗粒度)則相對(duì)容易得多。由粗粒度形式背景誘導(dǎo)出的知識(shí)粗粒度表示除了降低了知識(shí)表示的復(fù)雜性，減少了計(jì)算量，增強(qiáng)了面向人類信息的可讀性，還能夠很好地把握全局范圍內(nèi)的知識(shí)間的語(yǔ)義關(guān)系，在領(lǐng)域全局視角下提供粗粒度概念的相關(guān)信息，并有助于用戶選擇相應(yīng)的高頻關(guān)鍵詞類做進(jìn)一步深入分析。粒度概念分析法的第二階段就是針對(duì)某類高頻關(guān)鍵詞（熱點(diǎn)知識(shí)）構(gòu)建細(xì)粒度形式背景，即在原粗粒度的知識(shí)表示基礎(chǔ)上，進(jìn)一步細(xì)化部分知識(shí)點(diǎn)的描述粒度，這部分知識(shí)點(diǎn)往往是關(guān)注度比較高或內(nèi)涵比較豐富，通過細(xì)粒度的表示更清晰地勾勒出該知識(shí)點(diǎn)的內(nèi)涵。由細(xì)粒度形式背景誘導(dǎo)的知識(shí)細(xì)粒度表示在運(yùn)算量和復(fù)雜程度都將增加，使得機(jī)器推理的效率降低，但能夠通過概念間的偏序關(guān)系呈現(xiàn)更多的數(shù)據(jù)細(xì)節(jié)，從而提高機(jī)器推理的準(zhǔn)確度，為用戶提供了更加準(zhǔn)確的文獻(xiàn)信息。

（2）概念效用。知識(shí)的數(shù)量和質(zhì)量決定了知識(shí)庫(kù)所能提供知識(shí)服務(wù)的廣度和深度，以及解決問題的能力。在知識(shí)庫(kù)內(nèi)的邏輯結(jié)構(gòu)中考慮知識(shí)表示方式的概念效用主要體現(xiàn)在兩個(gè)方面：一方面，概念的一致性應(yīng)有利于知識(shí)庫(kù)以自然的方式吸收新知識(shí)，新知識(shí)的加入與老知識(shí)的更新不會(huì)引起知識(shí)庫(kù)結(jié)構(gòu)發(fā)生變化。這樣更有利于知識(shí)庫(kù)大量吸收并儲(chǔ)備各方面的知識(shí)；第二方面，概念的有效性應(yīng)便于機(jī)器的知識(shí)推理，高效地挖掘出人們所需要的顯性化知識(shí)，而這些知識(shí)賦予的概念內(nèi)涵又要易于被人們理解。進(jìn)一步說，面向機(jī)器推理的知識(shí)包含的概念粒度更細(xì)膩，有利于從更深度挖掘數(shù)據(jù)，組織成精準(zhǔn)度更高的知識(shí)；而面向人類的知識(shí)包含的概念粒度更粗廣，使得知識(shí)的表示更豐富，更具內(nèi)涵。但值得注意的是，不論是面向機(jī)器的信息需求還是面向人類的信息需求，知識(shí)表示粒度都不能過小或過大，否則將形成不確定性知識(shí)，而應(yīng)遵循適度的原則。

（3）計(jì)算效用。知識(shí)表示的不同粒度是針對(duì)知識(shí)服務(wù)的需求所確定的，針對(duì)知識(shí)庫(kù)中知識(shí)表示的粒度粗細(xì)沒有好壞、優(yōu)劣之分，只有是否適應(yīng)知識(shí)需求之別。但從響應(yīng)各類知識(shí)服務(wù)的能力、對(duì)知識(shí)庫(kù)中的知識(shí)推理等角度，就必須提出針對(duì)知識(shí)表示的計(jì)算效用，既能滿足知識(shí)表示表達(dá)完整的概念內(nèi)涵，又保證適宜的顆粒度組合能支持面向知識(shí)服務(wù)的各種推理需要，更關(guān)鍵的是知識(shí)之間及知識(shí)所包含的概念粒度之間有嚴(yán)格的邏輯關(guān)聯(lián)，從而鞏固知識(shí)庫(kù)內(nèi)在邏輯結(jié)構(gòu)，為知識(shí)推理搭建嚴(yán)密的邏輯基礎(chǔ)，提高推理結(jié)論的正確性與速度，提升計(jì)算效用。

知識(shí)表示效用是個(gè)兩難的復(fù)雜問題。面向機(jī)器的信息需求期望表示知識(shí)的概念粒度越細(xì)越好，更便于知識(shí)推理的準(zhǔn)確性，但在提高概念效用的同時(shí)，降低了計(jì)算效用，即機(jī)器推理的效果提升了，效率降低了。面向人類的信息需求則知識(shí)的粒度要稍微大點(diǎn)，能呈現(xiàn)出豐富的語(yǔ)義，便于我們能檢索獲得準(zhǔn)確的且能理解的知識(shí)，從計(jì)算效用的角度能保證推理的效率，卻不能保證推理的精準(zhǔn)度，粒度的增大，知識(shí)間的邏輯關(guān)系將更加復(fù)雜，降低了知識(shí)表示的概念效用。概念效用與計(jì)算效用這兩個(gè)方面是相互制約的，往往提高一個(gè)方面的效用將犧牲另一個(gè)方面的效用。

兩難問題的瓶頸在于對(duì)知識(shí)源的技術(shù)性的基礎(chǔ)處理——數(shù)據(jù)清洗。

4.3 數(shù)據(jù)清洗

知識(shí)庫(kù)從數(shù)據(jù)的輸入到知識(shí)的輸出，最終目的是為知識(shí)服務(wù)提供滿足應(yīng)用所要求的合適的查詢結(jié)果，數(shù)據(jù)是信息的基礎(chǔ)，數(shù)據(jù)質(zhì)量決定了信息的價(jià)值，信息價(jià)值又是知識(shí)價(jià)值的保障，而數(shù)據(jù)質(zhì)量問題是由非清潔數(shù)據(jù)引起的。為此，完整的知識(shí)庫(kù)邏輯結(jié)構(gòu)勢(shì)必對(duì)知識(shí)庫(kù)內(nèi)如何進(jìn)行數(shù)據(jù)清洗考慮在其中。

（1）知識(shí)庫(kù)中數(shù)據(jù)清洗的范疇與方法。數(shù)據(jù)清洗（Data Cleaning）的范疇在微觀層面分為單數(shù)據(jù)源、多數(shù)據(jù)源，分別體現(xiàn)在模式層和實(shí)例層上。單數(shù)據(jù)源的問題集中體現(xiàn)在拼寫錯(cuò)誤的數(shù)據(jù)、相似重復(fù)數(shù)據(jù)及非關(guān)聯(lián)數(shù)據(jù)（孤立數(shù)據(jù)）等；多數(shù)據(jù)源的問題則反映在時(shí)間的不一致、粒度不一致（見圖4）。

針對(duì)知識(shí)庫(kù)中的非清潔數(shù)據(jù)（Dirty Data），從模式層的非清潔數(shù)據(jù)與實(shí)例層的非清潔數(shù)據(jù)分別提出了一些針對(duì)性的方法（見表2）。模式層針對(duì)知識(shí)庫(kù)設(shè)計(jì)過程的數(shù)據(jù)結(jié)構(gòu)的缺陷，如缺乏完整性約束的設(shè)計(jì)；實(shí)例層關(guān)注數(shù)據(jù)內(nèi)容的問題，如數(shù)據(jù)缺失、數(shù)據(jù)重復(fù)等。

以表3所示的一個(gè)非清潔數(shù)據(jù)的片段為例，不難判斷：不完整的數(shù)據(jù)有：（ID：3、字段：歸屬城市）“NJ”；錯(cuò)誤數(shù)據(jù)有：（ID：6、字段：超市名稱）“Mal-Mart”；重復(fù)數(shù)據(jù)：（ID：1、3、6）表示同一個(gè)實(shí)體。

進(jìn)一步分析可以發(fā)現(xiàn) （ID：4、字段：超市名稱）“Walmart”雖然不存在拼寫錯(cuò)誤（該非清潔數(shù)據(jù)不是由單數(shù)據(jù)源導(dǎo)致的實(shí)例層錯(cuò)誤），但表示方式與其他的“Wal-Mart”并不一致，還有（字段：商品編碼）與（字段：聯(lián)系電話）的表示也不一致，這些不一致究其原因是多數(shù)據(jù)源導(dǎo)致的數(shù)據(jù)結(jié)構(gòu)問題，但是這些非清潔數(shù)據(jù)閱讀者容易理解，可機(jī)器很難“理解”，這個(gè)問題回到了上一節(jié)4.2節(jié)中知識(shí)粒度表示的概念效用與計(jì)算效用的博弈。

圖4 數(shù)據(jù)清洗的范疇

表2 非清潔數(shù)據(jù)的分類及清洗方法

表3 非清潔數(shù)據(jù)的片段示例

這引發(fā)了另一個(gè)深層問題，對(duì)于非清潔數(shù)據(jù)，是否需要徹底清洗？如果由機(jī)器進(jìn)行更細(xì)膩的數(shù)據(jù)清洗，必然將出現(xiàn)數(shù)據(jù)蘊(yùn)含的一部分知識(shí)丟失或失真，并且?guī)頇C(jī)器計(jì)算上的負(fù)擔(dān)。因此，數(shù)據(jù)清洗是必要的，但清洗過后，依然存在非清潔數(shù)據(jù)也是必然的。非清潔數(shù)據(jù)的辨識(shí)與清洗很難保證知識(shí)庫(kù)完全不具有非清潔數(shù)據(jù)。為此，需要容忍非清潔數(shù)據(jù)的存在，更要研究如何從包含非清潔數(shù)據(jù)的知識(shí)庫(kù)中得到滿足應(yīng)用所要求清潔度的查詢結(jié)果。

（2）非清潔數(shù)據(jù)的清潔度機(jī)制。清潔度反應(yīng)的是數(shù)據(jù)質(zhì)量的情況，清潔度可以用一種是概率的方法描述，即用非清潔數(shù)據(jù)片段中的元組的準(zhǔn)確概率表述。如表3中，可以判斷ID為1、3和6表示同一個(gè)實(shí)體，因此，可以合并這3條數(shù)據(jù)片段，根據(jù)這個(gè)數(shù)據(jù)片段只能判斷 “超市名稱”取值更可能為 “Wal-Mart”，但機(jī)器無法完全排除“Mal-Mart”的可能性，為了描述每個(gè)可能取值的質(zhì)量，賦予每個(gè)值一個(gè)概率值，表示該值的清潔度。如“Wal-Mart”在同一個(gè)實(shí)體 （ID為1、3和6）3條數(shù)據(jù)片段中出現(xiàn)了2次，則清潔度為2/3，如表4所示。

表4 清潔度表示示例

在實(shí)際應(yīng)用中，數(shù)據(jù)片段的清潔度可以通過人工或者自動(dòng)的方法獲取，考慮到隨著操作的進(jìn)行數(shù)據(jù)清潔度是遞減的，因此根據(jù)查詢的需求，在操作執(zhí)行的過程中某些環(huán)節(jié)需要過濾掉清潔度不可能滿足查詢要求的中間結(jié)果，這樣可以減小中間結(jié)果的數(shù)據(jù)量，從而加速查詢的處理。例如，對(duì)于如果查詢要求結(jié)果中每條數(shù)據(jù)片段的清潔度在0.6以上，則在查詢處理的過程中可以過濾掉清潔度小于0.6的中間結(jié)果，因?yàn)橛蛇@些中間結(jié)果生成最終結(jié)果的清潔度一定小于0.6。

（3）基于閾值的相似連接算法。相似連接是在兩個(gè)元組集合中選擇出滿足相似性下界（閾值）的元組對(duì)。上文中概述了非清潔數(shù)據(jù)的分類及清洗方法，本節(jié)基于編輯距離的相似連接，對(duì)于給定的兩個(gè)字符串r和s，r和s的編輯距離ed（r，s）是指從r變?yōu)閟所需要的最少的編輯操作（包括：刪除、插入和替換）次數(shù)。如表 4中，ed（Wal-Mart，Mal-Mart）=1，ed（025-83786382，83786382）=4。 給出相似連接算法的定義。

定義1：相似連接。給定兩個(gè)屬性值集合R和S及編輯距離閾值k，R和S的相似連接是指選出所有的屬性值組合（r，s），其中 r∈R，s∈S，而且 r和 s 滿足至少存在一組可能取值 r和 s。 它們的編輯距離 ed（r，s）≤k。

以下表5為例，給出兩個(gè)集合R和S。若給定編輯距離閾值 k 為 3，則對(duì)應(yīng)相似連接結(jié)果僅為（r，s）與（r，s），因?yàn)?ed（Wal-Mart，Mal-Mart）=1≤3，ed（Jerry Strauss，Jerry Strauss）=0≤3。 其余相似連接中（r，s）、（r，s）顯然其編輯距離均超過閾值3，表6給出了對(duì)應(yīng)的連接結(jié)果。

表5 集合R和S

表6 集合R和S的相似連接結(jié)果

其中，第二條元組（ID=2），ed （Jerry Smith，Jerry Strauss）＞3、ed（Jerry Smith，Jeff Strauss）＞3，故第二條元組對(duì)應(yīng)清潔度為1/5*2/5+1/5*3/5=0.2。進(jìn)一步給出基于閾值的相似連接算法的定義

定義2：基于閾值的相似連接。給定兩個(gè)屬性值集合R和S及編輯距離閾值k和清潔度閾值α，R和S的閾值相似連接是指選出所有的屬性值組合 （r，s），其中r∈R，s∈S，而且r和s連接結(jié)果的清潔度不低于α。

上例中，如果清潔度閾值α設(shè)為0.3，表5中兩個(gè)集合 R 和 S 的閾值的相似連接結(jié)果不再是（r，s）與（r，s），因?yàn)榈诙l元組對(duì)應(yīng)清潔度為1/5*2/5+1/5*3/5=0.2，該結(jié)果不滿足清潔度閾值要求。基于閾值的相似連接算法的特點(diǎn)是當(dāng)編輯距離閾值k較大且清潔度閾值較小時(shí)，連接結(jié)果大小將接近于n（n是連接集合的大?。?，反之連接結(jié)果集比較大。

5 結(jié)語(yǔ)

知識(shí)庫(kù)邏輯結(jié)構(gòu)直接決定著知識(shí)庫(kù)進(jìn)行知識(shí)組織的模式，支撐著從傳統(tǒng)文獻(xiàn)服務(wù)到如今知識(shí)服務(wù)的轉(zhuǎn)變與升級(jí)。當(dāng)前，知識(shí)服務(wù)還在面臨著大數(shù)據(jù)時(shí)代下日益膨脹的信息與紛繁錯(cuò)亂的各類數(shù)據(jù)，對(duì)知識(shí)庫(kù)的依賴更加緊密，迫切需要知識(shí)庫(kù)篩選出精確的數(shù)據(jù)，進(jìn)行嚴(yán)密且快速的知識(shí)推理，提供高效且準(zhǔn)確的知識(shí)。本文梳理了知識(shí)服務(wù)、知識(shí)組織與知識(shí)庫(kù)的關(guān)系，并以知識(shí)服務(wù)為目標(biāo)，構(gòu)建了知識(shí)庫(kù)的內(nèi)在邏輯結(jié)構(gòu)模型，順應(yīng)了知識(shí)經(jīng)濟(jì)的發(fā)展需求，但在實(shí)際構(gòu)建中仍有許多問題有待進(jìn)一步研究解決，如知識(shí)庫(kù)與數(shù)據(jù)庫(kù)雙庫(kù)協(xié)同影響著知識(shí)的表示粒度、數(shù)據(jù)清洗影響著知識(shí)間的關(guān)聯(lián)等一系列問題都牽連著知識(shí)點(diǎn)之間的邏輯關(guān)聯(lián)，從而帶動(dòng)著知識(shí)庫(kù)內(nèi)在邏輯結(jié)構(gòu)模型。這些都有待在具體實(shí)施過程中進(jìn)一步探索。

［1］鐘秀琴，劉忠，丁盤蘋.基于混合推理的知識(shí)庫(kù)的構(gòu)建及其應(yīng)用研究［J］.計(jì)算機(jī)學(xué)報(bào)，2012，35(4)：761-766.

［2］楊炳儒，宋威，徐章艷.基于知識(shí)發(fā)現(xiàn)創(chuàng)新技術(shù)的專家系統(tǒng)新構(gòu)造［J］.中國(guó)科學(xué)：信息科學(xué)，2007，37（6）：738-747.

［3］王知津，王璇，馬靖.論知識(shí)組織的十大原則［J］.國(guó)家圖書館學(xué)刊，2012，(4)：3-11.

［4］賴茂生，屈鵬，謝靜.知識(shí)組織最新研究與實(shí)踐進(jìn)展［J］.圖書情報(bào)工作，2009，(2)：19-23.

［5］賀德方.國(guó)內(nèi)外知識(shí)組織體系的研究進(jìn)展及應(yīng)對(duì)策略［J］.情報(bào)學(xué)報(bào)，2010，(6)：963-972.

［6］王軍，張麗.網(wǎng)絡(luò)知識(shí)組織系統(tǒng)的研究現(xiàn)狀和發(fā)展趨勢(shì)［J］.中國(guó)圖書館學(xué)報(bào)，2008，(1)：65-69.

［7］畢強(qiáng)，韓毅，劉昆.知識(shí)服務(wù)——現(xiàn)狀、進(jìn)展及挑戰(zhàn)［J］.中國(guó)圖書館學(xué)報(bào)，2007，(6)：41-50.

［8］董慧，徐雷.基于本體知識(shí)表示的歷史領(lǐng)域?qū)＜蚁到y(tǒng)模型［J］.現(xiàn)代圖書情報(bào)技術(shù)，2010，(7)：72-78.

［9］王曰芬，熊銘輝，吳鵬.面向個(gè)性化服務(wù)的知識(shí)研究［J］.情報(bào)理論與實(shí)踐，2008，(1)：7-11.

［10］李廣建，李亞子.基于分布式知識(shí)庫(kù)的開放服務(wù)鏈接系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.情報(bào)學(xué)報(bào)，2008，(2)：244-249.

［11］宗南蘇，鄭業(yè)魯，錢平.基于SWRL的鱖魚疾病診斷知識(shí)表示與語(yǔ)義推理實(shí)現(xiàn)［J］.情報(bào)學(xué)報(bào)，2010，(3)：414-421.

［12］黃海松，謝慶生，李少波.基于知識(shí)的中藥制造企業(yè)MES［J］.系統(tǒng)工程理論與實(shí)踐，2012，(1)：164-172.

［13］孫勇，李妮，龔光紅.基于知識(shí)庫(kù)的動(dòng)態(tài)蟻群算法［J］.北京工業(yè)大學(xué)學(xué)報(bào)，2012，(3)：374-379.

［14］Gail Hodge，Linda Hill，et al.Next generation knowledge organization systems：Integration challenges and strategies［C］.Proceedings of the 5th ACM/IEEE-CS joint conference on Digital libraries，ACM New York，NY，USA 2005.

［15］Ed Summers，Antoine Isaac，Clay Redding and Dan Krech.LCSH，SKOS and linked data［C］.Proceedings of the 2008 International Conference on Dublin Core and Metadata Applications(DCMI'08).Dublin Core Metada ta Initiative，2008：25-33.

［16］Simon Jupp，Sean Bechhofer，Robert Stevens.A flexible API and editor for SKOS［C］.6th Annual European Semantic Web Conference(ESWC2009)，2009：506-520.

［17］張曉林，張冬榮，李麟，等.機(jī)構(gòu)知識(shí)庫(kù)內(nèi)容保存于傳播權(quán)利管理［J］.中國(guó)圖書館學(xué)報(bào)，2012，(4)：46-54.

［18］張旺強(qiáng)、祝忠明，盧利農(nóng).機(jī)構(gòu)知識(shí)庫(kù)集成OpenKOS主題標(biāo)引與檢索聚類服務(wù)的實(shí)現(xiàn)及應(yīng)用［J］.現(xiàn)代圖書情報(bào)技術(shù)，2012(3)：1-7.

［19］王宏志，李建中，高宏.一種非清潔數(shù)據(jù)庫(kù)的數(shù)據(jù)模型［J］.軟件學(xué)報(bào)，2012，23(3)：539-548.

［20］張巖，楊龍，王宏志.劣質(zhì)數(shù)據(jù)庫(kù)上閾值相似連接結(jié)果大小估計(jì)［J］.計(jì)算機(jī)學(xué)報(bào)，2012，35(10)：2159-2168.