网格环境下基于本体的知识库模型研究
第51卷第5期 2005年10月武汉大学学报(理学版)
J.Wuhan Univ.(Nat.Sci.Ed.)Vol.51No.5 Oct.2005,603～608
收稿日期:2004211210 通讯联系人 E 2mail :chenhr @https://www.sodocs.net/doc/ab6672845.html,
基金项目:湖北省教育厅科学研究计划(2003A012);湖北省自然科学基金(2003ABA049)资助项目作者简介:黄 屹(19692),男,博士生,现从事分布式系统与分布式流媒体等研究. E 2mail :huangyi @https://www.sodocs.net/doc/ab6672845.html,
文章编号:167128836(2005)0520603206
网格环境下基于本体的知识库模型研究
黄 屹1,顾进广1,2,陈莘萌1 ,陈和平3
(1.武汉大学计算机学院,湖北武汉430072;2.武汉科技大学计算机科学与技术学院,湖北武汉430081;
3.武汉科技大学信息科学与工程学院,湖北武汉430081)
摘 要:针对知识技术仅用于描述网格服务的可用性以及如何被发现、调度和进化的现状,在开放网格服务体系结构(O GSA )的基础上,给出了知识库本体的形式化定义,分析了构建知识库所需的本体,在此基础上提出了网格环境下知识库通用体系结构及基于语义适配器的存储模型,克服了Sesame 存储模型在存储不同格式文件和本体方面所存在的不足,讨论了网格知识库的访问机制.
关 键 词:知识库;开放网格服务体系结构;知识网格;本体中图分类号:TP 391 文献标识码:A
0
引 言 网格[1]作为分布式环境下资源共享与协作计算
的集成基础设施,网格正受到越来越多的关注.网格应用涉及海量数据与密集计算,对目前的互联网和网络基础设施而言是一个极大的挑战,网格中间件正试图在通信、调度、安全、信息、数据访问和错误检测等多个领域迎接挑战.开放网格服务体系结构(O GSA )[1,2]借助Web service 成果,在网格中引入了服务定位.网格服务是Web service 的集合,它遵守一组控制、差错恢复和安全管理协定,并通过标准接口提供服务.知识网格[3]使用知识本体来描述网格资源,是网格和语义网络的一种演变.V EGA 2KG (http ://https://www.sodocs.net/doc/ab6672845.html, )[4,5]和PD KD [6,7]是该方面研究的典型范例.
然而,目前关于知识和网格的研究主要集中在使用知识技术来描述网格服务的可用性,描述它们是如何被发现、调用和进化的,并且从服务描述和网络元素中获取知识.相反,网格上的知识却很少讨论.本文提出了一种网格知识应用———在网格的分布式节点上存储知识,使用网格与知识网格的基本概念如面向服务的中间件,网格的知识技术,基于本体的知识表示机制等等,来描述分布式知识库节点的资源处理能力.
作为词汇集和概念关系的形式化说明方法,知
识本体在语义网和知识网格中发挥重要作用.知识本体为确定领域中的应用提供共享概念,减少或消除多个概念和术语之间的混淆,使领域知识的处理更加精确和方便.使用DAML +OIL 等描述逻辑语言来表示基于本体的知识,DAML +OIL 采用一种面向对象的方法进行建模,一个领域通常用类和特性来表示,它在RDF (Resource Description Framework )的基础上进行了扩充,丰富了语言的建模能力.用类Horn 逻辑语言如TRIPL EI [8]表示知识规则.
1 知识库的本体定义
本体的主要目的是提供一种通用的方法,通过该方法,多个应用程序及使用者可以采用通用的方式来理解所涉及的领域知识及概念,达到重用资源的目的.通常用类、关系、函数、定理、实例的集合表示本体,文献[9]中给出了本体、关系、定理和词典的定义,本文在其基础上对本体进行扩充.
定义1 本体O 可用一个八元组来表示,O ∶=(C ,R ,A C ,A R ,≤C ,≤R ,σ,L ),其中,①C 和R 为两个集合,分别表示概念集合和关系集合;②A C ,A R 是两个属性集合容器,分别代表概念属性的集合容器和关系属性的集合容器,容器的每一个元素代表
武汉大学学报(理学版)第51卷
一个概念或关系的属性集合;③≤C是作用于C上的偏序关系,称为概念层次;④≤R是一个作用于R 上的偏序关系,称为关系层次,对于1≤i≤|σ(r1)|,如果r1≤R r2意味着|σ(r1)|=|σ(r2)|而且π
i
(σ(R1))≤Rπi(σ(R2));⑤函数σ:R→C+;⑥假设L为一逻辑语言,本体O的L2axiom系统是一个二元组A∶=(I A,α),其中I A是一个集合,它的元素被称为公理标识,α是公理实例;在本文的系统中,采用类似于TRIPL E风格的逻辑语言表示公理.
在构建知识库的过程中,需要建立以下本体. 1.1 领域本体
领域本体是构建知识库最重要的本体,它通常用类和属性来描述保存于知识库各节点中的知识的概念模型.通常,按以下几个步骤来构建领域本体: Step1 确定目标和范围:定义本体的领域和范围是本阶段最关键的工作.定义包含本体的规范,用途,应用场景,描述特征和粒度的术语集.
Step2 构建本体,可以细分为3个步骤.(a)本体获取:包括知识获取,与阶段1的需求相交互.(b)本体编码:以一种概念模型来组织领域知识.(c)集成现有本体:通过重用现有本体可以加速本体的开发过程.
Step3 评估:本体的确认和评价.
Step4 每个阶段的指导.
在Step2(a)和(b)阶段,采用自顶向下法来构造本体.
首先识别关键的概念和属性.一个非常有用的办法是将这些术语写成一列,用术语造句或者写出它们的解释,以说明这些术语及其属性.自顶向下的开发过程从定义领域中的最通用的概念出发,定义这些概念所采用的说明.一旦完成基本概念的定义,必须用属性来描述它们的内部结构.
其次通过分类关系来定义概念的层次.分类通过单重/多重继承来组织领域中的本体知识.一类是特殊/一般(“is2a”)关系,“is2a”关系说明,如果类A 中的每个实例同时也是类B的一个实例,那么A是B的一个子类.另一类是is2part2of关系,它定义了一个类的子类构成.
开发过程的第3步是公理的构造.公理提供一种方法以表示概念的更多信息,例如内部结构的限制,它们的相互关系,正确性校验和新信息的推理.
在Step2(c),采用自底向上的方法从现有本体中抽取一个新的本体.
1.2 资源本体
在网格环境下,客户获取知识的请求可能在某个节点得不到满足,而被转送到其他的网格节点执行.网格如何知道该节点能否提供客户所需要的服务呢?MDS(Montoring and Discovery Services)服务发现机制是必需的.传统的服务与资源发现和匹配是在对称的、基于属性匹配的基础上完成.在本文的系统中,使用资源本体来定义资源与知识库节点服务,在请求者和提供者之间进行一种有目的的比较,使得资源发现与匹配服务更加高效.
资源本体使用DAML+OIL语言来描述知识库节点所能提供的资源和服务.资源本体能够描述下面的信息:
●节点上的操作系统与版本;
●节点上内存与磁盘信息;
●IP地址及安全级;
●网格环境下节点的角色;
●能够向用户提供何种知识;
●提供它所拥有的知识的视图服务?
●节点能够提供的其他服务.
系统还使用基于规则的公理如TRIPL E来表示一些背景知识以及服务和资源的限制.
1.3 层次本体
在同一知识库节点上保存相同领域的知识是一个较好的选择,它意味着在同一个局域网的单一服务器或服务器对等节点上保存同一领域的知识.当请求者在网格上查询时,如何发现所需的知识呢?在此问题的推动下,有必要在不同的知识库节点上维护一个分类类别.层次本体的一个作用是表示知识库节点上的知识以及不同节点间关系的背景知识;另一个重要作用是维护节点存储的语义背景知识.
2 知识库通用体系结构
2.1 知识库的形式化定义
定义2 知识库可以用一个五元组来表示,K B ∶=(C KB,R KB,I,l C,l R),其中①C KB和R KB是两个集合;集合C KB的元素被称为实例标识符或实例; R KB的元素为知识库的关系实例;②被称为概念实例的函数l C:C KB→R(I);③被称为关系实例的函数l R:R KB→R(I+).
定义3 知识库K B的实例词典可以用一个二元组来表示,I L∶=(S I,R I),其中①集合S I中的元素被称作实例标识;②关系R IΑS I×I被称为实例词典参考.带有词典的知识库是一个二元组(K B, I L),K B是一个知识库,I L是K B的一个实例词典.
406
第3期黄 屹等:网格环境下基于本体的知识库模型研究
2.2 知识库通用体系结构
知识库体系结构定义于网格服务和工具包的上层.这些服务被称为适配器服务,它采用“中介者”(Mediator)方式构建服务体系.“适配器”一词源于软件开发活动中广泛使用的适配器软件设计模式.知识库适配器的设计目标是:服务能够像J2EE的JDB2 https://www.sodocs.net/doc/ab6672845.html,中的数据适配器那样轻松地部署.知识库通用体系结构如图1所示.一个知识访问节点对库中知识的访问能够通过知识库适配器服务来实现.
知识库适配器服务可以用图2描述.适配器服务可以被分成3个层次.
存储层.在本地或网络磁盘阵列中存储知识和其他背景知识.系统中使用了一个改进的Sesame[10]知识库存储层,它表示网格中的一个知识库节点.
管理层.处理知识访问、语义映射以及资源发现与匹配服务.所有的管理层服务都运行在执行虚拟
图1 网格环境下知识库体系结构
图2 知识库适配器服务示意图引擎的TRIPL E/XSB上,虚拟引擎为知识库节点提供规则库知识推理.
客户层.与管理层通过基于DAML+OIL的查询和操作消息来进行通信,它从客户端接受类似于SQL的知识查询请求,并且将请求打包为DAML+ OIL消息模式,然后通过基于Globus通用网格环境发送消息给网格知识库适配器.
2.3 语义映射服务
不同的领域对于知识有不同的理解,即使他们使用相同的词语来表示概念和属性.将不同的局部本体映射为全局本体非常重要,这个服务被称为语义映射服务,它在背景知识和以下组件的基础上使用本体映射引擎(OM E)执行映射服务.
MDD(元数据目录):它包括一些信息源的描述,例如语义、存储路径、类型和供应者等等.
S K B(语义知识库):它包括理解本体概念和属性所需要的知识,例如同义词、中英文比较等等,这些知识对于概念匹配来说是十分必要的,S K B在匹配过程中能够自动扩展.
VM T(词汇映射表):即使是相同的语义,在不同的本地RDF/RDFS文档中,RDF/RDFS也可能有不同的名称.为了获取一致的属性含义和数据描述视图,有必要定义一个全局词汇和本地RDF/ RDFS的相同语义描述表.例如:
(Ontology.term,Description;Source(1). term;So urce(2).term;…;Source(n).term)
其中Ontology.term是建立在本体中的全局术语, Description是它的意义描述,So urce(i).term是在本地语法中使用的相应的术语.
有关本体映射与翻译服务的一些其他的信息可以参考OntoMerge[11]和MA FRA[12].
2.4 知识提供服务
知识提供服务知识访问服务中获取请求,然后转换为TRIPL E格式,并在本地存储网络中利用TRIPL E/XSB搜索引擎搜索本地存储的知识,将得到的结果以DAML+O IL的格式返回给客户端.客户端调用知识显示服务在客户节点中显示知识. TRIPL E/XSB引擎使用存储层提供的RDF A PI从存储层中获取知识.
如上所述,知识提供服务提供两种服务,一种是在本地节点上存储知识的存储服务,另一种是在本地节点上搜索知识的搜索服务.将来或许还有一些其他的特性要添加进来,如维护本地节点上知识的一致性.
506
武汉大学学报(理学版)第51卷
2.5 其他服务
除此之外,知识库还提供以下服务:
资源发现与匹配服务.资源发现与匹配服务对网格而言非常重要,例如OMM[13].在第1.2节已经提到,使用一种基于本体的资源发现与匹配机制在知识库节点上执行这种服务.当客户向知识访问服务节点发送请求时,资源发现与匹配服务将该请求传送到执行计划并找出最适合的知识库节点来执行此计划.
知识访问与显示服务.客户使用知识访问服务接口向知识库发送请求,并且使用知识表示服务显示从知识库返回的结果.知识访问与显示服务是知识库的高层服务,它们可以单独部署在网格上.
3 知识库存储模型
Sesame存储模型允许RDF数据和架构信息的一致存储并且通过引入SA IL(存储与推理层)来实现信息查询.SA IL是一个应用程序接口,它为用户提供RDF特定的方法并且将这些方法翻译成对指定DBMS(Data Base Management System)的调用.但是,在分布式环境下,仍然存在两种问题.第一个问题是,知识可能保存在不同类型的文件中,比如RDBMS,XML文件,TXT文件,H TML文件等等.第二个问题是不同的组织可能使用不同的本体来表示概念和意见.
为克服上述不足,需要为知识库开发一个如图3所示的基于适配器的工具.知识库的用户或提供者提供一种存储访问层适配器,将本地存储数据转
图3 知识库实现工具的一个实例
变为XML数据,然后在本体映射适配器的帮助下,将它转变为基于全局本体的XML数据.
4 知识库访问机制
访问机制可以用以下步骤描述:
①用户向网格发送一个请求,该请求可以创建、删除、查询、修改用户所请求的知识,请求被打包成类似于SQL的查询语言.
②知识访问服务接受请求并与其他知识库节点协商,将来自于用户的请求传送到一个执行计划列表,然后再将执行计划发送到合适的知识库节点执行.所有的通信被封装成基于DAML+OIL的查询和操作消息.
③知识库节点的KPS(Knowledge Provision Service)服务接受执行计划,然后在本地知识存储层执行创建、查询、删除、修改操作.
④KPS服务将结果发送到知识查看服务,结果被封装成基于DAML+O IL的查询和操作消息.
⑤知识显示服务接受结果,并向用户展示.
如上所述,访问体系结构由以下几部分组成:
λ一个新的类似于SQL的语言;
μ一个查询与操作消息模型以及相应的算法以进行协商和调度;
ν一个执行引擎;
ο一个优化机制.
4.1 操作语言
基于参考文献[13～15]的研究成果,开发了一个类SQL操作语言,描述如下:
〈FL2Plus Statement〉∶∶=
〈Operator〉[OBJ:〈Ontology Object Name〉] [FROM]〈Domain Ontology〉
[W H ERE〈Condition2Exp ression〉]
[SOR T B Y〈Ontology Object Name〉]
[ASC|DESC];
〈Condition2Exp ressio n〉∶∶=
Ontology Object s Coordinate2exp ression|
Att ributes Coordinate2expression|
TRIPL E style rules expression.
条件表达式通过定位具体对象及属性空间以及TRIPL E格式的规则表达式来表示逻辑表达式.查询引擎用领域本体作为信息访问的集合单元.这种方法可以在保证信息一致性的前提下减少文档的数量,为用户完美的数据操作能力提供了一个友好的交互途径,知识库系统利用本体的优势和良好的解
606
第3期黄 屹等:网格环境下基于本体的知识库模型研究
析机制支持基于信息属性的知识获取.它还实现了语义级推理引擎信息访问.
4.2 查询与操作消息模型
在处理用户请求时,知识库节点之间相互协商能力是非常重要的,类似于智能体的KQML[16]语言,为了实现知识库节点之间相互交换语义级消息,提出了一个基于DAML+OIL的通信消息协议,消息的结构可描述如下:
Operatio n+co ntent+language+receiver+on2 tology
Operatio n是消息的描述部分,content携带消息的具体信息,language指明书写消息内容的特定语言,在系统中,使用基于DAML+OIL的语言,其他的语言如OWL,TRIPL E,F2Logic也能被用于描述消息内容.receiver是接收者识别句柄,ontology 假定操作被限定在由ontolgoy所指定的特定领域.在面向服务的系统中,消息可被封装成Web服务或网格服务标准协议,如SOA P或其他基于TCP/IP 的协议.
4.3 推理引擎
推理引擎实现基于知识的、语义上的信息匹配,它具有一定的逻辑推理能力,根据现有系统所存储的信息集合,挖掘和推理出信息集合中的隐含知识.笔者主要借助推理规则和词汇集这两大利器实现信息的智能提取,提高信息检索的全面性和可用性.
解析推理规则是使计算机具备“思维能力”的必要条件.一些用户查询和领域背景知识被表示为规则,而且这些规则用TRIPL E规则语言实现, TRIPL E能够根据对象属性、RDF数据中所指定的关系以及背景知识推断出约束关系.使用TRIPL E/ XSB作为推理数据库系统,TRIPL E/XSB支持RDF格式和TRIPL E规则语言,它是在XSB推理数据库系统的上面实现.TRIPL E规则最先被编译成XSB规则,然后又被编译成XSB虚拟机指令. TRIPL E/XSB在用户请求规则、背景知识和本体评价的基础上,为用户请求找到最佳结果.
词汇集是实现语义层次访问也是推理引擎工作的另一个重要工具.它的生成及应用与本体领域密切相关,概念层次是本体定义的一部分,概念层次定义是描述本领域对象类的层级体系,即不同对象类之间存在is2a、kind2of、part2of等关系,通过这些层级关系构成整个领域的对象类体系.下层概念直接继承上层概念,事实上,下层概念是上层概念的子类,或者是存在一定属性限制的子类.根据本体的概念层次及相互关系,可知父类对象实例出现的位置均可用子类对象实例代替.知识库节点引擎即是利用概念之间的逻辑关系生成概念词汇集,并同样采用了XML文档形式对其进行描述,以帮助挖掘文档隐含信息.
信息访问接口示例已经在OBSA[17]系统中实现,如图4所示,它使用了类SQL语言和基于TRI2 PL E/XSB的推理引擎.本体概念模型为用户提供丰富的背景知识如概念,属性和层级关系,因而用户仅仅需要简单地描述查询对象的语义属性并在XML 文档结构内部进行分发
.
图4 信息访问实现示例
5 结 论
本文提出了一个基于O GSA环境的网格知识库模型.在扩充已有本体概念的基础上,提出知识库通用系统结构,使用DAML+OIL作为知识库节点间通信、资源发现与匹配的基本语言,并使用TRI2 PL E/XSB格式的语言,在基于适配器模型的存储系统中查询与存储知识.本文还介绍了一种基于TRI2 PL E/XSB执行引擎的类SQL语言在网格上查询与操作知识的实例.
参考文献:
[1] Foster I,Kesselman C.T he Gri d:B l uep rint f or a
N ew Com p uting I nf rast ructure(S econd Edition)
[M].San Fransisco:Morgan Kauf mann,2004.
[2] Foster I,Kesselman C,Nick J,et al.Grid Services for
Distributed System Integration[EB/OL].htt p://cs2 https://www.sodocs.net/doc/ab6672845.html, https://www.sodocs.net/doc/ab6672845.html,/dl/mags/co/2002/06/r6037.p d f, J uly,2002.
[3] Wu Z H,Chen H J,Xu J F.Knowledge Base Grid:A
G eneric Grid Architecture for Semantic Web[J].
J ournal of Com puter S cience and Technology,2003,
706
武汉大学学报(理学版)第51卷
18(4):4622473.
[4] Zhuge H.A Knowledge Grid Model and Platform for
G lobal Knowledge Sharing[J].Ex pert S ystems w ith
A p plications,2002,22(4):3132320.
[5] Zhuge H.V EGA2KG:A Way to the Knowledge Web
[EB/OL].htt p://w w https://www.sodocs.net/doc/ab6672845.html,/CD ROM/poster/
53.p d f,Nov2002.
[6] Cannataro M,Talia D,Trunfio P.Distributed Data
Mining on the Grid[J].Future Generation Com p uter S ystems,2002,18(8):110121112.
[7] Cannataro M,Talia D,Trunfio P.The Knowledge
Grid:Towards an Architecture for Knowledge Discov2 ery on the Grid[J].Comm unications of the A CM, 2003,46(1):89293.
[8] Sintek M,Decker S.TRIPL E2A Query,Inference,
and Transformation Language for the SemanticWeb [EB/OL].htt p://t ri https://www.sodocs.net/doc/ab6672845.html,/doc/
iswc2002/T ri pleRe port.p d f,Dec2002.
[9] Bozsak E,Ehrig M,Handschuh S,et al.KAON:To2
wards a Large Scale SemanticWeb[EB/OL].htt p://
w w w.ai f b.uni2karls ruhe.de/W B S/dob/p ubs/ec2 web2002.p d f,Dec2002.
[10]J een Broekstra,Arjohn Kampman.Sesame:An Ar2
chitecture for Storing and Querying RDF Data and Schema Information[EB/OL].htt p://ect rl.itc.it/
home/laboratory/meeting/dow nload/sesame.p d f,Dec 2002.[11]Dou D,McDermott D,Qi P.Ontology Translation on
the Semantic Web[EB/OL].htt p://cs2w w w.cs.y ale.
edu/homes/dvm/daml/ontomerge_odbase.p d f,Oct 2003.
[12]Alexander Maedche,Boris Motik,Nuno Silva,Raphael
Volz.MA FRA-An Ontology MApping FRAmework in the Context of the Semantic Web[EB/OL].htt p://
s ra.itc.it/people/agostini/S RA/W Seminars/materi2 al/Dellerba11Dec02/ontolog y.p d f,Dec2004.
[13]Tangmunarunkit H,Decker S,Kesselman C.Ontolo2
gy2based Resource Matching in the Grid2The Grid meets the Semantic Web[EB/OL].htt p://w w w.isi.
edu/～stef an/Sem PGR I D/p roceedings/7.p d f,2003.
[14]Sheng Q J,Shi Z Z.A Knowledge2based Data Mode2
land Query Algebra for the Next2G ereration Web[EB/
OL].htt p://w w w.s p https://www.sodocs.net/doc/ab6672845.html,/index/
F4V P H5K7E513L Q5M.p d f,Dec2004.
[15]Zhuge H,Liu J.A Knowledge Grid Operation Lan2
guage[J].A CM S I GPL A N N otices,2003,38(4):572
66.
[16]Finin T,L Y,Mayfield J ames.KQML as an Agent
Communication Language[A].In:J.Brad,editor.
S of tw are A gents[C].Cumberland:MIT Press,1997.
[17]Gu J,Chen H,Yang L,et al.OBSA:Ontology2Based
Semantic Information Processing Architecture[EB/
OL].htt p://doi.ieeecom p utersociet https://www.sodocs.net/doc/ab6672845.html,/10.1109/
W I.2004.10141,Oct2004.
Ontology2B ased K now ledge R epository Model on the G rid
HUANG Yi1,GU Jin2guang1,2,CHEN Xin2meng1,CHEN H e2ping3
(1.School of Computer,Wuhan University,Wuhan430072,Hubei,China;2.College of Computer Science and Technology,
Wuhan University of Science and Technology,Wuhan430081,Hubei,China;3.College of Information Science and Engineering,Wuhan University of Science and Technology,Wuhan430081,Hubei,China)
Abstract:Knowledge plays a key role in t he Grid environment,while no adequate attention has been paid on how to const ruct knowledge repo sitory on t he grid by means of t he existing resource.On t he basis of O GSA,The paper p ropo ses an ontology2based grid knowledge repo sitory storage model,p ut s forward t he ontologies which are necessary for building KR,st udies t he general architect ure of knowledge reposito2 ry model as well as t he storage model based on t he adapter.Finally discusses t he access mechanism of grid knowledge repository.
K ey w ords:knowledge repository;O GSA(open grid service architecture);knowledge grid;ontology
806
(完整word版)知识库建设方案
恒信知识库建设方案说明书 一、知识库的定义 企业知识库是企业中各种形式的知识按照一定的知识表示方法集中存放的数据库，是一个完整的知识管理解决方案的重要组成部分，具有强大的知识集成、分类、存储、发布、决策支持等功能。这些知识不仅包括企业的宏观发展规划、企业文化等，也包含微观的各个部门的一切知识内容，如:培训资料、学习资料、客户资料、市场资料等等很多方面，同时与领域相关的理论知识、事实数据、市场动态新闻等知识，都在其内容之内。 二、知识库的作用 知识库积累了企业职员的知识、经验、创意、办事方法方式、技能，使其他职员有相同事件时有所参考，从而增强团队整体解决问题的能力，通过资料汇总快速查询的方式提高工作效率，为客户解决问题提供方便快捷的方法，提升公司的形象。通过知识的积累，使一般工作标准化，增强公司稳定性，减少人员流动带来的损失，通过理论常识的传播，建立学习型组织。 二、建立知识库的背景 随着公司规模的扩大和信息化的深入发展，公司内部的信息数据日益剧增，而这些信息都将是公司极其重要的资产和财富，必须进行妥善保护和管理，一旦丢失，损失惨重。公司目前各部门、区域在工作中，都积累了不少工作经验或工作标准，甚至都有各自部门工作的使用手册、制度等规范性文件，但都没有形成一个系统性的管理和归档，也没有共享给公司其他部门学习或借鉴。为此公司特建立知识库，将已有的资料、文档、课件等知识收集起来，整理后归档到知识库里。对知识进行有效得管理和合理利用，帮助公司有效储存一些"隐性"的重要知识内容（如:管理层的一些培训、重要发言等制作成的视频），使得显性的知识更易形成结构、体系，便于随时调用或再次利用，体现知识的延续性。后续管理员再对知识库进行不断的更新、完善，使得知识库能够保持良性循环使用，帮助到更多的员工成长，真正体
中医药领域本体研究概述
中医药领域本体研究概述 【关键词】本体构建；中医药；综述 本体(Ontology)自20世纪90年代引入计算机人工智能领域后,在计算机及相关领域迅速形成一个研究热点。作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,将在人工智能、知识工程、图书情报等领域具有重要的作用和广阔的应用前景。笔者从中医药领域本体构建、基于本体的中医药语言系统和应用系统三方面对中医药本体研究进行概述,并结合发展现状对其进行展望。 1 本体与本体构建 1.1 本体的概念 本体是源于哲学的一个概念,原指对世界上客观存在物的系统描述,即存在论,后衍生到语言、信息、知识系统等领域,被定义为“概念化的明确的规范说明”。目前,关于本体的定义有很多种说法,但不外有两层含义：一是哲学领域的存在,是本体论的研究对象；二是延伸到特定领域之中,指某套概念及其相互之间关系的形式化表达,包括概念化、规范化、形式化和共享4个特征[1]。 从本体的内涵上看,综合不同学者的认识,本体大都被认为是信息、知识的底层构架工具,用于组织较高层次的知识抽象,是领域知识概念化、形式化的说明,也可以是特定领域内“人机交流”的语义基础,即提供概念与概念之间关系的共识。按照领域依赖程度,本体可以分为顶层、领域、任务和应用本体4类；按照主题可分为知识表示本体、通用本体、领域本体、术语本体和任务本体。中医药本体主要用于描述中医领域知识的专门本体,是专业性本体,一般属于领域本体和知识表示本体。 1.2 本体构建工具与描述语言 在本体构建方面,一是利用已有的叙词表或术语词典进行改造；二是利用现有信息和领域专家从头做起,而以后者较常用。目前已经得到公认的方法包括Bemeras法(KACTUS法)、SENSUS法、“骨架”法、企业建模法(TOVE法)、Methontology法等。Gruber[2]于1995年提出了本体构建的五条规则(明确性和客观性、完全性、一致性、最大单调可扩展性、最小承诺),但本体工程构建方法尚处于相对不成熟阶段。本体的构建工具也有很多,包括protégé、WebOnto、Ontolingua、OntoEdit、Ontosaurus、OntoEdit、IBM Ontology Management System等,其中,protégé 是斯坦福大学开发的使用较为广泛的构建工具之一,目前已有4.0版本。
OWL本体知识库的面向对象表示
Software Engineering and Applications 软件工程与应用, 2018, 7(3), 132-141 Published Online June 2018 in Hans. https://www.sodocs.net/doc/ab6672845.html,/journal/sea https://https://www.sodocs.net/doc/ab6672845.html,/10.12677/sea.2018.73015 Object-Oriented Representation for OWL Ontology Knowledge Base Shaohua Zhang, Yingzhong Zhang School of Mechanical Engineering, Dalian University of Technology, Dalian Liaoning Received: Apr. 26th, 2018; accepted: May 8th, 2018; published: May 15th, 2018 Abstract Ontology technologies can better represent the knowledge implied in various terms and concepts in a structured, computable and shared form. The ontology based knowledge representation me-thod has been widely used in many fields. In view of the lack of efficient OWL (Web Ontology Lan-guage, OWL) ontology knowledge processing and integration tools in the engineering information processing, based on the study of the knowledge representation framework, language syntax and document structure based on the OWL ontology, an object-oriented OWL ontology knowledge base representation model is proposed and designed. A method based on XML document parsing plat-form to parse the OWL documents in a RDF/XML format is implemented, which can convert the OWL ontology knowledge base into an object oriented ontology knowledge base. The presented work lays a foundation for the subsequent engineering semantic information reasoning and knowledge retrieval service. Keywords Ontology, OWL, Knowledge Representation, Knowledge Base, Object-Oriented OWL本体知识库的面向对象表示 张少华，张应中 大连理工大学，机械工程学院，辽宁大连 收稿日期：2018年4月26日；录用日期：2018年5月8日；发布日期：2018年5月15日 摘要 本体技术能更好地以一种结构化的、可计算和可共享的形式表示各种术语、概念所隐含的知识，基于本
行业知识库平台解决方案
行业知识库平台解决方案
XX公司行业知识库平台 解决方案 重点行业信息化知识库及服务体系构造
1 概要 行业发起建设行业知识库平台可对整个行业起到的促进作用如下： ? 推动大企业向高端咨询转型。 ? 引导中小企业向专业化服务转型。 ? 加强行业用户与软件企业的战略合作。 ? 拓展行业应用市场, 抵制国外对手占据高端应用，扩大市场份额。 ? 优化行业结构，提升软件行业发展速度。 行业信息化知识库，是指软件企业在服务于行业信息化建设过程中所积累的行业关键知识、实施经验、软件构件重用等的总称。行业知识库的内容包括以下内容： 图表 1 行业知识库参考模型 行业知识库系统是一个复杂而庞大的系统，随着时代的进步而不断发展和创新，不同时期存在不同的情况、业务模式和不同的操作方法，在应用过程中又不断发现问题，不断加以改进和完善。所有这些过程、模式和业逻辑，都需要行业知识作为基础架构进行支撑，通过 行业信息化知识库 行业信息化全景图 行业业务模型行业数据模型行业解决方 案 行业解决方案仿真系统 行业领域构件 行业标准 行业法规法律 行业分析报告
面向知识的架构（SOA）提升行业信息化整体应用水平。 2 项目特点 行业知识库包括两大部分，即行业知识库体系以及行业知识库本身。前者是知识库理论基础，其文档系统可以概括为： 1. 知识体系。行业的知识与分类、行业标准法规文件、行业业务模型、行业数据模型、 行业信息系统的构件、行业案例、行业分析报告和信息资源定义等 2. 技术体系。行业总体解决方案、行业技术框架、系统需求分析、硬件网络环境、系统 概要设计、系统详细设计、系统测试报告、行业系统软件源码、构件软件和构件实体等 3. 服务体系。产业链全程服务体系、服务组织机构、服务规则规章、服务方式方法、服 务技术支撑框架、售前售中售后条例等。 知识库本身是知识库解决方案的实现，包括知识库开发平台和知识库应用平台。XX公司知识库开发平台采用SOA架构，以服务方式提供知识构件。在知识应用平台上构件作为服务与知识库解决方案、业务模型、数据模型等知识一样进行注册等维护管理。 行业知识库建设将改变传统的生产经营模式，通过实施行业整个供应链的一体化管理，实现以市场为导向优化资源配置、提高效率、降低成本、提升效益的目标；把信息化融入到行业、企业的实际工作中，全面落实依法行政、依法管理、依法经营，运用信息化开展技术创新、管理创新和制度创新，建立全面准确量化的管理体系，实现管理从定性向定量、由静态向动态、由事后向实时的转变，提升行业生产经营管理水平，提高应对国际竞争环境的能力。 XX公司在行业知识库开发上从知识体系建设和技术体系建设出发，采用两个建设并进的策略进行。在知识体系建设上，首先对目标行业进行全业务梳理，摸清目标行业的家底，调查、收集和整理行业相关的法律法规、标准文件，按照元数据的标准进行编目和归类，生成可以管理和操作的知识元素库。同时在技术体系上，构建以SOA架构为基础的知识库技术平台，参照业务梳理的成果，按照知识库的知识组织思路，在新架构下支撑对老系统的升级改造和新业务的构件开发。
知识库建设方案
恒信知识库建设方案说明 书 、知识库的定 义 企业知识库是企业中各种形式的知识按照一定的知识表示方法集中存放的数据 库， 个完整的知识管理解决方案的重要组成部分，具有强大的知识集成、分类、存储、发 布、决 策支持等功能。这些知识不仅包括企业的宏观发展规划、企业文化等，也包含微观的各个部 门的一切知识内容，如:培训资料、学习资料、客户资料、市场资料等等很多方面，同时与领 域相关的理论知识、事实数据、市场动态新闻等知识，都在其内容之 内。 二、知识库的作 用 知识库积累了企业职员的知识、经验、创意、办事方法方式、技能，使其他职员 有相同 事件时有所参考，从而增强团队整体解决问题的能力，通过资料汇总快速查询的方式提高 工 作效率，为客户解决问题提供方便快捷的方法，提升公司的形象。通过知识的积累，使一般 工作标准化，增强公司稳定性，减少人员流动带来的损失，通过理论常识的传 播， 建立学习型组织。 、建立知识库的背 景 随着公司规模的扩大和信息化的深入发展，公司内部的信息数据日益剧增，而这些信息 都将是公司极其重要的资产和财富，必须进行妥善保护和管理，一旦丢失，损失惨重。公司 目前各部门、区域在工作中，都积累了不少工作经验或工作标准，甚至都有各自部门工作 的 使用手册、制度等规范性文件，但都没有形成一个系统性的管理和归档，也没有共享给公 司 其他部门学习或借鉴。为此公司特建立知识库，将已有的资料、文档、课件等知识收集起来， 整理后归档到知识库里。对知识进行有效得管理和合理利用，帮助公司有效储存 一些 "隐性"的重要知识内容（如:管理层的一些培训、重要发言等制作成的视频），使得显性的知 识更易 形成结构、体系，便于随时调用或再次利用，体现知识的延续性。后续管理员再对知识库 进 行不断的更新、完善，使得知识库能够保持良性循环使用，帮助到更多的员工成长，真 正体
知识与知识库系统
知识管理与知识库系统 1.知识管理 随着计算机科学技术的发展，以计算机为工具的信息处理技术经历了数值计算阶段和数据处理阶段之后，已经进入了知识管理与处理的阶段，也就是说，计算机可以像人类一样具有创造性思维的能力，即智能。这意味着计算机信息社会进入了一个知识信息处理的新时代，而知识库技术将使计算机应用系统拥有更多的智能。 作为一种管理行为，知识管理历史悠久。知识经济将是继农业经济和工业经济以后的又一种新的社会经济形态。知识不仅是与传统生产要素并列的一种资源，而且是当今唯一有意义的特殊资源，知识首次以一种无形的形式作为经济基础出现在人类发展的进程中。 1.1 知识管理的发展
知识作为一种组织资产的重要性在80年代中期已经被人们意识到知识管理一词正式出现于1989年，这一年为了给知识管理工作提供相应的技术支持，美国一家公司联合会实行了一项管理资产的实验项目，与知识管理相关的一些文章开始出现于一些知名杂志，如《斯隆管理评论》、《哈佛商业评论》、《组织科学》等 1991年野中郁次郎和组内广隆出版了名著《知 识创造型公司：日本公司如何建立创新动力机制》标志着知识管理的产生。 1.2 知识经济时代企业的核心竞争力 IDC研究报告显示，员工做的90%的所谓创新工作都是重复的，因为这些知识已经存在。另一份报告显示，员工的1/3时间用在了寻找某些他们永远没有找到的信息上。有72%的员工认为自己所在的企业没有把公司不同地方的知识很好的相互复用，也没有实现知识的整合，形成了“知识孤岛”。
由此看来，如何优化流程将员工宝贵的工作时间能够直接运用于协作顾客或解决问题的创造价值的活动上，对营造企业竞争优势非常重要。 1.3 知识管理的定义 知识管理就是运用信息化技术手段将人与知识充分结合，并且创造知识分享的文化，以加速员工学习、创造及应用知识，提升组织的核心能力，核心为人、组织和技术，简称HOT 。 1.4 为什么需要知识管理 1）外部环境压力 ●全球化、快速化、动态化的激烈市场竞争压力 ●知识成为21世纪的主要经济资源 2）竞争与生存的需求 ●知识利用可以产生竞争上的差异化，并使竞争对手难以模仿 ●知识会影响企业机会把握、响应速度和产品上市时间等最重要的企业生存 能力 3）知识的经济价值性 1.5 知识管理的实现方法 1）知识管理理念、方法的导入
DBpedia知识库本体分析
DBpedia知识库本体分析 [摘要]在现有的语义网项目架构中，基于关联数据形式的知识库项目往往处于整个语义网络的核心，如何对于这些知识库的知识内容进行组织、储存和查找就成为了决定整个语义网络运行效率的关键因素。在目前的关联数据知识库项目中，DBpedia是较为典型且成熟的一个，DBpedia网站使用本体的方法来对其条目内容进行组织和存储，本文旨在通过对DBpedia 现有本体结构的分析来说明知识库的本体结构对于知识库的组织、存储和查找有着怎样的影响，并试图从该例中分析归纳得出类似网站知识库内容的本体构建的一般要点。 [关键词]DBpedia 关联数据本体本体构建 1．概述及相关简介 1998年，WWW网络的发明者Berners-Lee提出了语义网的概念。这一概念的核心在于致力提高万维网络及其互联的资源的可用性和有效性，使得下一代的互联网更加智能和高效，能够有效处理目前网络中的大量信息内容。这一概念和其具体的技术实现几经波折，从一开始的基于本体的构想到2006年Berners-Lee提出的关联数据概念，在目前的语义网构想中，关联数据成为了其技术实现的核心概念。 关联数据是一种推荐的最佳实践，用来在与以往中使用URI和RDF发布、分享、连接各类数据、信息和只是，发布和部署实例数据和类数据，从而通过HTTP协议解释并获取这些数据同时强调数据的相互关联、相互联系以及有益于人际理解的语境信息。在目前的具体实践中，数据往往以RDF文件的形式发布到互联网络上，存储在关联数据知识库中。而大多数需要使用这些关联数据的网站可以直接从在线关联数据知识库的数据接口获取RDF文件并提取其中的相关信息反馈给用户，从而实现信息和数据的跨网站共享。从上面不难看出，在线关联数据知识库在当前的关联数据语义网构想中占据着核心位置。 DBpedia就是这样一个在线关联数据知识库项目。它从维基百科的词条中抽取结构化数据，以提供更准确和直接的维基百科搜索，并在其他数据集和维基百科之间创建连接，并进一步将这些数据以关联数据的形式发布到互联网上，提供给需要这些关联数据的在线网络应用、社交网站或者其他在线关联数据知识库。同时，与一些同时期的关联数据知识库项目不同，DBpedia提供的关联数据知识内容并不受限于某一较小的专业或学科领域，到2012年为止，DBpedia知识库项目已有超过3640000个条目，这些条目涉及人名、地名、音乐专辑、电影、组织、种族等等多个类目。在大数量和宽范围的前提下，DBpedia知识库的条目组织就成为决定其运行效率的关键因素。DBpedia知识库以构建本体的形式对条目进行组织，起到了一定的效果。 本体一词是指对客观世界存在的事物的系统描述，在信息科学的领域中，1991年Neches 等人最早给出的定义是：给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成，规定这些词汇外延规则。1993年Gruber将其定义表述为“概念模型的明确的规范说明”。1997年Borst进一步完善了该本体的定义，表述为“共享概念模型的形式化规范说
电子运维知识库管理系统建设方案
文件编号： 受控状态：■受控□非受控 保密级别：□公司级□部门级■项目级□普通级 采纳标准：GB/T 19001-2000 idt ISO 9001 : 2000 标准 质量记录编号：分发编号: 电子运维知识库管理系统 建设方案 Version 1 。0 2007。12 Written By Creator @ 湖南科创信息技术股份有限公司 All Rights Reserved
目录
1. 概述 1.1. 建设背景 现湖南E-OMS 系统已初步形成了面向日常运维事务、对日常运维工作进行监督和管理的具有湖南移动自身特色的电子化运维的平台性系统，成为湖南移动网络部日常工作、网络维护不可或缺的系统。 随着E-OMS系统的完善，电子化运维的使用人员对资源的优化，使用的方便程度提出了越来越高的要求，迫切需要建设一套电子运维知识库系统，来提高运维工作效率，以便于日常工作管理。 1.2. 建设原则 按照集团公司的规划，知识库系统采用独立部署，统一建设的原则，达到应用统一和信息共享的目的。由于客服目前已经依据集团规划，建设了一套知识库系统，因此不允许再进行重复性的建设。 1.3. 建设内容 根据前面所述的系统的建设背景及原则，我们提出：依托客服现有的知识库系统，建设电子运维知识库管理系统。通过对现有客服知识库系统的改造来满足电子运维对知识库的需求，同时也大大降低了成本，加快了建设的速度。 总体建设方式如下： 1、在现有知识库中新增电子运维专用数据节点，同时分配给电子运维专用的账号及权限，以便进行管理。 2、通过对现有知识库系统知识搜索功能的改造，增强现有知识库的搜索引擎功能。 3、在现有知识库系统上，增加新的业务接口，满足电子运维对知识库的需求。
基于本体化知识模型的知识库构建模式研究
基于本体化知识模型的知识库构建模式研究 袁磊1张浩2陈静3陆剑峰1 1(同济大学CIMS中心，上海2(0092) 2(上海电力学院，上海200092) 3(华东师范大学地理系，上海200062) 【摘要】在研究了知识模型及知识库相关理论和技术的基础上，结合本体论，提出了一种基于本体的知识模型，并从领域知识推理、方法知识和任务知识三个角度给出了本体化知识模型基于BNF范式的表达式;基于所建立的本体化知识模型，在对知识进行可拓性分析的基础上，提出了一种知识库结构模式，对于知识模型与知识库的匹配问题进行了讨论，并在理论研究的基础上，给出了利用SQL Server数据库系统建立的知识库示例。 【关键词】本体；知识模型；知识库；设计模式；知识工程 1引言 对于知识的研究与探索，人类自始至终从未停止过，直至人类进入信息化社会并正在向知识化社会迈进的过程中，人类通过计算机的应用才开始真正把知识从概念跃升到知识科学。知识工程便是一门新兴的关于知识获取、表示和推理，以及用一种特定形式把知识表示为计算机可操作对象的科学。其研究的目标是挖掘和抽取人类知识，这也使得计算机具有了人类的一定智能。 知识工程是在20世纪70年代后期，从构建专家系统、基于知识的系统和知识密集型的信息系统的技术发展而来的。Guus Schreiber认为"知识工程是一种建模活动，模型是对现实的某一部分进行的一种有目的的抽象。建模是对知识的少数几个方面建立一种好的描述，而忽略其他方面"。因此，知识工程领域最主要的研究内容是知识表示以及基于此的知识应用。知识模型本身是一个阐述"知识一密集型信息一处理任务结构"的工具。一个应用的知识模型可提供应用所需的数据和知识结构的规范说明。
一种动态知识库结构模型研究
INTELLIGENCE 1.引言 知识管理的理论研究，现今的情况是理论上学说纷杂，没有一个成熟的、能得到大家公认的理论体系，从而导致实际应用中的知识管理系统实现并不能完全达到人们预期的目标。这种情况的产生，固然和知识本身的内隐性、不确定性以及不稳定性相关，但理论研究和实际应用的脱节也是其中最重要的一个原因。 本文试图建立一个理论上相对成熟、实践中具有可操作性的动态知识库。在总结前人研究成果的基础上，结合数据挖掘、知识推理等知识管理系统中必不可少的技术，探讨一种与组织业务流程无关、着重知识学习、基于知识传导模型的知识分类体系，并在此基础上建立了组织的动态知识库。由于这种知识库与企业具体的业务流程无关，所以具体到每个企业的知识库实现时，知识库可以动态扩充。这种扩充体现在两个方面，一是企业可以基于这个知识库结构模型，把这个知识库模型视为一个单元知识，在其最外层加上业务流程的约束，即形成了自己的知识库。二是在知识库内部，知识所处的分类层次也不是固定不变的，当知识在组织内部传导、重构时，知识的状态发生改变，知识库能自动感知这种变化，并将其推送（或者重构新知识）到相应的分类层次中去。 2.动态知识库理论基础 2.1理论研究中的知识分类。理论研究中的知识分类，最重要的莫过于隐性知识和显性知识的概念。这两个概念的建立将知识管理和信息管理从内容上区分开来，具有划时代的意义。显性知识是指已经编码化的知识，它以人类语言的各种表现形式而存在，如书本、视频等。隐性知识主要指“隐含经验类知识”，往往是个人或组织经过长期积累而拥有的知识，通常不易用语言表达，也难以传播。 1996年，OECD（经济合作发展组织）把知识分为四类。即know-what（知道是什么的知识），是关于事实方面的知识。例如企业有多少员工、产品用的什么原料、企业的主要产品等；know-why（知道为什么的知识），指自然原理和规律方面的科学理论，企业的know-why知识指企业生产的原理和规律，比如为什么选用某种原料、为什么生产某种产品而不是另外一种等；know-how（知道怎样做的知识），是指做业务流程中的技术和能力，比如熟练工人操作机器的技术等等；know-who（知道是谁的知识），是指关于谁知道什么和怎么做的知识，例如在工作过程中，如果出现了问题应该请教谁。 OECD对知识的四类划分中，关于知道是什么(Know-what)和知道为什么(Know-why)的知识基本属于显性知识，而隐性知识所对应的是OECD分类中关于知道怎样做(Know-how)和知道是谁(Know-who)的知识 2.2Helund的知识传导模式。在知识的转化过程中，日本著名的知识管理专家野中郁次郎和竹内广孝提出了知识转化的四种模式：从隐性知识到隐性知识称为群化，(Socialization)；从隐性知识到显性知识称为外化(Externalization)；从显性知识到显性知识称为融合(Combination)；从显性知识到隐性知识称为内化(Internalization)。 Helund提出了知识传导模式有三种：编码化及内化、外延和占有、消化及扩散。1.编码化及内化。编码化表示了组织中隐性知识显性化的过程，企业组织可以视作为一个编码的机器。而内化指知识变成员工个人隐性知识的过程。内化使得有限认知、知觉以及协调资源变得更有效率。显性和隐性之间的活动称为映射，创新和现实的知识往往是借这个活动而形成的。2.外延和占用。外延是指知识由较低层移动到较高层,层次分为个人、小团队、组织、跨组织-，可能是隐性知识也可能是显性知识。而占用是外延的反向过程。对话则是外延和占用的互动，对话通常发生在某一特定层级之中,从个人到跨组织的领域。“对话”与“思考”的质与量被假设与知识管理模式的质与量高度相关。以学校为例，教师与学生在教室的对话与学生在家中的思考同等重要。3.消化及扩散：从环境之中取得知识并将其扩散于环境中。消化及扩散类似于知识输入及知识输出，被吸收的知识可能是隐性也可能是显性的，包括认知、产品及技能等形式。例如复杂的隐性知识可通过招募关键性的人员来取得；如果知识较易编码化，则企业买卖专利权是一个适当的策略。若知识的隐性度较高，则表示知识的消化方式是以内化为主导的。 3.动态知识库结构模型 3.1动态知识库模型的特点。 a.多层次知识分类结构。目前理论界从不同的角度对知识有多种分类方法，但任何一种单独的分类方法都不足以用来描述组织的业务流程知识。而且如果采用了一种不成熟的分类方法，就不能保证知识分类的完备性和相对独立性，本知识库结构模型应该能够具有实 践操作性，也就是说知 识库必须要是实际应 用中的一个模型结构。 所以知识库综合运用 了四种分类方法，即 OECD的知识分类方 法：know-what（知道是 什么的知识）， know-why（知道为什么 的知识），know-how（知 道怎样做的知识）， know-who（知道是谁的 知识）。在这四种分类 方法中，又按知识的拥 有者：个人、团体、组 织、跨组织进行了交叉重叠分类。这几类知识的重叠形成了16类知识。对企业知识的划分，隐性知识和显性知识是必不可少的，对显性知识按存储形式（结构知识、半结构知识、非结构知识）然后和隐性知识并列对组织业务流程知识进行了第三次分类。第四次分类实际上对上述这些知识的抽象，元知识用来描述组织业务流程知识本身，关系知识用来描述组织业务流程知识之间的关系。 b.业务流程无关性。纵观企业的经营模式，即使是具有相同业务的企业，其业务流程也会千差万别，而且企业的经营模式也有可能因企业管理层的改变等原因而变化。所以，一个能得到良好应用的知识库结构模型，应是与组织业务流程无关的。在动态知识库结构模型中，抽象出来的知识分类是每一个业务 一种动态知识库结构模型研究 广州科技职业技术学院邝云英 教学实践与管理 247
知识库系统
企业知识管理系统 产品白皮书
2009.5
声明：本文件只供指定用户使用，未经银海天怡公司允许，此文件不得传递至第三方。
Created with Print2PDF. To remove this line, buy a license at: https://www.sodocs.net/doc/ab6672845.html,/
目录
概述
知识库 系统
系统简介
系统规划
Page 2
Created with Print2PDF. To remove this line, buy a license at: https://www.sodocs.net/doc/ab6672845.html,/
随着企业组织机构和人员的增加，以及业务领域的拓展，使得随 之产生的大量文档、业务数据等知识元素，分散的沉淀在各个系 统之中
越来越多的知识停留在纸质的 沉淀和分散在各个系统中，知 识搜索和共享非常困难
知识分散度
前端客户服务人员无知识库系 统支撑，业务营销和服务解释 口径不统一
人员数量
Page 3
Created with Print2PDF. To remove this line, buy a license at: https://www.sodocs.net/doc/ab6672845.html,/
面对呈几何级数增长的大量电子数据信息，企业往往容易走入误 区，利用搜索引擎技术，为企业提供信息查询，满足企业内部的 信息检索
我们应该更多考虑，如何调整散布在各处 的知识片段，如何将知识与人进行自动关 联，如何打破人与人之间的沟通界限，形 成具有企业自身业务需求特点的知识平台
搜索引擎
知识平台
Page 4
Created with Print2PDF. To remove this line, buy a license at: https://www.sodocs.net/doc/ab6672845.html,/
知识工程中的知识库、本体与专家系统①
知识工程中的知识库、本体与专家系统① 魏圆圆1, 钱 平2, 王儒敬1, 王 雪1 1(中国科学院合肥智能机械研究所, 合肥230031) 2(中国农业科学院农业信息研究所, 北京100081) 摘 要: 随着语义Web思想的兴起, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 一些初学者对知识库、本体以及专家系统的概念产生了各种疑惑, 根据笔者的理解与实践, 对知识工程中的本体、知识库以及专家系统做出较系统的比较分析,对这几个术语做一个澄清. 关键词: 知识库; 本体; 专家系统; 知识表示 Knowledge Base, Ontology and Expert System in Knowledge Engineering WEI Yuan-Yuan1, QIAN Ping2, WANG Ru-Jing1, WANG Xue1 1(Institute of Intelligent Machines, Chinese Academy of Sciences, Hefei 230031, China) 2(Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China) Abstract: With the development of the Semantic Web, the interoperability and sharing of expert system were put for- ward more advanced requests. The researches for new knowledge representation and knowledge base systems are im- portant trend. As a formal, explicit specification of a shared conceptualization, ontologies provide frames for inte- roperability between different systems and can solve the sharing and interoperability problem effectively. There were a variety of doubts in some beginners’ mind with the concepts of knowledge base, ontology and expert system. Based on the author's understanding and practice, the systematic comparative analysis between knowledge base, ontology and expert system in the domain of knowledge engineering were proposed in this paper, in order to make these terms less confused and more clearly comprehensible. Key words: knowledge base; ontology; expert system; knowledge representation 作为构建语义Web的基础, 本体论的研究及其应用是目前国内外非常关注的研究热点, 成为一个新的研究领域. 近年来, 本体的开发逐渐从人工智能实验室走向领域专家的桌面上. 本体的应用从网站的分类系统(比如Yahoo!)到网络产品销售的分门别类(比如https://www.sodocs.net/doc/ab6672845.html,), 在互联网上的应用逐渐普及[1]. 某些学者将本体看作是构造知识库的一种途径, 另一些学者认为本体是知识库的重要组成部分[2,3], 此外还有专家将本体视为在不同平台间进行互操作处理的关键技术. 上世纪90年代, 随着本体定义的提出, 知识工程领域在建立知识库的方法上也产生了一种革命性思想, 即有关本体工程和构建本体知识库的思想[2]. 同时, 随着并行与分布式处理、语义Web等新思想与技术的引入, 对专家系统的互操作性和共享性也提出了更高的要求, 对新型知识表示方式和新型知识系统的研究是大势所趋. 本体作为共享概念模型的明确的形式化规范说明, 为不同系统之间的互操作提供了基本的框架, 是解决共享和互操作问题的有效的方法. 因此, 当初研究专家系统的专家学者都对本体产生了兴趣, ①基金项目:国家自然科学基金(31171456);中国科学院知识创新工程青年人才领域专项前沿项目 收稿时间:2012-02-09;收到修改稿时间:2012-03-25
00基于故障树分析法构建专家系统知识库模型
基于故障树分析法构建专家系统知识库模型 摘要：本文在广泛搜集往复式压缩机故障类型的基础上，探析故障机理。运用故障分析法，建立故障树模型，并用二维表格将其表示出来。然后并运用access数据库和vb语言构建知识库链表。最后，给出故障诊断专家系统知识库维护方法。 关键词：往复式压缩机知识库故障树 引言：往复式压缩机由于其自身的特点广泛应用于石油石化企业。但由于机构复杂、零件繁多，现场维修人员在诊断故障问题时困难重重。在维护和维修往复式压缩机时，故障诊断专家系统可以给现场维修人员提出宝贵建议的。在往复式压缩机故障诊断专家系统中，知识库的优劣直接影响到诊断的准确性和真实性。在构建知识库过程中，故障树分析法直接简明、逻辑性强等特点，所以本文采用故障树模型建立往复式压缩机故障诊断系统的知识库，保证诊断的准确性和真实性。 Building a knowledge base of expert system model based on the fault tree analysis 1，故障树分析法基本知识 1.1定义： 故障树分析法就是把所研究系统的最不希望发生的故障状态作为故障分析的目标，然后寻找直接导致这一故障发生的全部因素，再找出造成下一级事件发生的全部直接因素，一直追查到那些原始的、其故障机理或概率分布都是已知的，毋需再深究的因素为止。 通常，把最不希望发生的事件称为顶事件，毋需在深究的事件称为底事件，介于顶事件和底事件之间的一切事件为中间事件，用相应的符号代表这些事件，再用适当的逻辑门把顶事件、中间事件和底事件联结成树形图。这样的树形图称为故障树，用以表示系统或各个部件故障事件之间的逻辑结构关系。以故障树为工具，分析系统发生故障的各种途径，计算各个可靠性特征量，对系统的安全性或可靠性进行评价的方法称为故障树分析法。 1．The failure analysis 1.1 Basic knowledge of fault tree analysis Fault tree analysis is that the most reluctant fault condition occurred in the studied system will be as a failure analysis of target; then look for all the factors leading to the most reluctant fault condition; next seek for all the direct factors causing the next level faults till original fault factors、well known failure mechanisms or open Probability distribution of fault factors would be fond out; finally, you can obtain all the original fault factors that can’t be divided. Usually, the most reluctant fault case would be considered as the top incindents; the fault factors that couldn’t be searched would be acted as the bottom incindents; the fault case in the middle of the top incindents and the bottom incindents would be though as intermediate incindents. By appropriate symbols of fault tree analysis expressing the three typle of mentioned incindents and combining the top incindents、intermediate incindents and the bottom incindents in logic relationship, we can make out the model of the fault tree analysis-the graph of fault tree analysis that it would indicate the logic structure for each fault incidents or fault tree analysis. Fault tree analysis is the method that it can evaluate security and reliability of the studied systems accuratelly that by the way of the model of fault tree, analyzing all kinds of faults incindent, caculating vavious characteristic quantities of reliability. 1.2故障树分析法步骤 故障树分析步骤具体如下： 1.对所选定的系统作必要分析，了解系统的组成及各项操作的内容。 2.对系统的故障进
本体理论与领域本体的构建
第二章本体理论与领域本体的构建 2.1 本体理论 2.1.1 本体的基本概念 本体论（Ontology）的概念最初起源于哲学领域，是形而上学理论研究的一个分支，与认识论相对。认识论研究人类知识的本质和来源，即研究主观认知，而本体论研究的则是客观存在。Ontology一方面研究存在的本质，另一方面研究客体对象的理论定义，即整个现实世界的基本特征。现在哲学领域较多翻译为“本体论”。经过多年的演进，到今天，经过人们对“本体”这一概念的重新理解和定位，本体的理论与方法早已被信息领域采用，用于知识的组织、表示、共享和重用。 本体在计算机学科的使用可以追溯到上个世纪80年代，Alxenader在1986年发表的文章被视为本体在计算机领域获得不同于哲学领域的新的研究的起点。随后Ontolgoy在人工智能领域界获得稳步的发展，并被逐渐赋予了新的含义[8-9]。1991年，在人工智能领域，Neches等人最早给出Ontology定义，Neches认为[10]“An ontology defines the basic terms and relations comprising the vocabulary of a topic area,as well as the rules for combining termsand relations to define extensions to the vocabulary.”即“一个本体给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规则定义这些词汇的外延规则。”本体定义了组成主题领域的词汇表的基本术语及其关系，以及结合这些术语和关系来定义词汇表外延的规则[11]。1993年美国斯坦福大学知识系统实验室(Knowledge System Laborary，简称KSL)的Gruber给出了本体在信息科学领域被广泛接受的定义：“An ontology is an explicit specification of a conceptualization”[12]。即“本体是概念化的明确的规范化说明”。这也是最著名并被引用最为广泛的定义。1995年Guarino和Giaretta 将本体定义为[13]“本体是概念化的明确部分的说明一种逻辑语言的模型。”这个定义与Gruber的理解有异曲同工之妙。随后在1997年W.N.Borst对Gruber的定义进行了引申，提出了“本体是共享概念模型的形式化规范说明”，以及1998年J.Studer的“本体是共享概念模型的明确的形式化的规范说明”。 本体的定义随着时间的推移也在进行着不断的变化发展，为明确起见，现将本体发展史中较有代表性的定义列表如下： 表2.1 本体发展史中的定义列表时间/提出人定义 1991/Neches 一个本体给出构成相关领域词汇的基本术语 和关系，以及利用这些术语和关系构成的规