[原創(chuàng)] 用Ontology組織企業(yè)的信息和知識(shí)（AMT研究院 宋亮）

申請免費(fèi)試用、咨詢電話：400-8352-114

在不確定是唯一可確定因素的經(jīng)濟(jì)環(huán)境中，知識(shí)是企業(yè)獲得持續(xù)競爭優(yōu)勢的源泉。知識(shí)管理就是利用先進(jìn)信息技術(shù)實(shí)現(xiàn)知識(shí)獲取/創(chuàng)造、組織/存儲(chǔ)、傳播、應(yīng)用，使企業(yè)在動(dòng)蕩的市場中保持高度智能化的管理手段。知識(shí)分為顯性知識(shí)和隱性知識(shí)，顯性知識(shí)是已經(jīng)總結(jié)好的被基本接受的正式知識(shí)，以數(shù)字化形式存在或者可直接數(shù)字化，易于傳播；隱性知識(shí)是尚未從員工頭腦中總結(jié)出來或者未被基本接受的非正式知識(shí)，是基于直覺、主觀認(rèn)識(shí)、和信仰的經(jīng)驗(yàn)性知識(shí)。顯性知識(shí)比較容易共享，但是創(chuàng)新的根本來源是隱性知識(shí)。日本東京一橋大學(xué)著名知識(shí)學(xué)教授野中郁次郎研究發(fā)現(xiàn)：員工在工作過程中把隱性知識(shí)作用于客觀信息，產(chǎn)生顯性知識(shí)并傳授給同事，和同事一起把顯性知識(shí)匯總并在產(chǎn)品/服務(wù)中體現(xiàn)出來。

而知識(shí)管理就是對一個(gè)企業(yè)集體的知識(shí)與技能的捕獲——而不論這些知識(shí)和技能是存在于數(shù)據(jù)庫中、被印刷于紙上或是存在于人們的腦海里——然后將這些知識(shí)與技能分布到能夠幫助企業(yè)實(shí)現(xiàn)最大產(chǎn)出的任何地方的過程。知識(shí)管理的目標(biāo)就是力圖能夠?qū)⒆钋‘?dāng)?shù)闹R(shí)在最恰當(dāng)?shù)臅r(shí)間傳遞給最恰當(dāng)?shù)娜艘员闶顾麄兡軌蜃龀鲎詈玫臎Q策。

公司信息資產(chǎn)的價(jià)值并不在于存貯和提取信息的能力，而在于將信息與特定過程和未知情境進(jìn)行動(dòng)態(tài)匹配的能力。通過運(yùn)用知識(shí)管理這一技術(shù)，許多企業(yè)已經(jīng)取得了令人驚異的成就。分析家們指出：LotusNotes和世界互聯(lián)網(wǎng)是知識(shí)管理系統(tǒng)中的兩大中堅(jiān)力量。而數(shù)據(jù)庫、文件管理系統(tǒng)和電子郵件則是知識(shí)管理系統(tǒng)中的基本要素。為實(shí)現(xiàn)知識(shí)管理的目標(biāo)，從而為企業(yè)帶來收益，大多數(shù)公司還需要添加某種知識(shí)提取產(chǎn)品，它能通過群體協(xié)作、過濾和語義技術(shù)將信息轉(zhuǎn)化為知識(shí)。

數(shù)字信息一方面為人們的日常工作和生活帶來了幫助，另一方面，大量的信息又使人們不知所措。如何組織和提供信息就成為信息系統(tǒng)要解決的關(guān)鍵問題。

目前主要的困難包括：知識(shí)的表示、信息的組織、軟件的復(fù)用等。特別是由于因特網(wǎng)的快速發(fā)展,面對信息的海洋，如何組織、管理和維護(hù)海量信息并為用戶提供有效的服務(wù)也就成為一項(xiàng)重要而迫切的研究課題。為了適應(yīng)這些要求，Ontology作為一種能在語義和知識(shí)層次上描述信息系統(tǒng)的概念模型建模工具，自被提出以來就引起了國外眾多科研人員的關(guān)注，并在計(jì)算機(jī)的許多領(lǐng)域得到了廣泛的應(yīng)用，如知識(shí)工程、數(shù)字圖書館、軟件復(fù)用、信息檢索和Web上異構(gòu)信息的處理、語義Web等。

信息檢索技術(shù)可分為3類：全文檢索（Text retrieval）、數(shù)據(jù)檢索（Data retrieval）和知識(shí)檢索（Knowledge retrieval）。全文檢索的特點(diǎn)是把用戶的查詢請求和全文中的每一個(gè)詞進(jìn)行比較，不考慮查詢請求與文件語義上的匹配，這種方式雖然可以保證查全率，但是查準(zhǔn)率卻大大地降低了。數(shù)據(jù)檢索的特點(diǎn)是查詢要求和信息系統(tǒng)中的數(shù)據(jù)都遵循一定的格式，具有一定的結(jié)構(gòu)，允許對特定的字段檢索 （例如：作者 =“王剛”）。數(shù)據(jù)檢索需要有標(biāo)識(shí)字段的方法。數(shù)據(jù)檢索的性能取決于所使用的標(biāo)識(shí)字段的方法和用戶對這種方法的理解，因此具有很大的局限性。數(shù)據(jù)檢索支持語義匹配的能力也較差。知識(shí)檢索強(qiáng)調(diào)的是基于知識(shí)的、語義上的匹配，因此在查準(zhǔn)率和查全率上有更好的保證。目前知識(shí)檢索是信息檢索研究的重點(diǎn)，特別是面向Web信息的知識(shí)檢索。

常規(guī)的直接基于關(guān)鍵詞的信息檢索技術(shù)已不能滿足用戶在語義上和知識(shí)上的需求，尋找新的方法也就成為目前研究的熱點(diǎn)。Ontology具有的良好的概念層次結(jié)構(gòu)和對邏輯推理的支持，因而在信息檢索，特別是在基于知識(shí)的檢索中得到了廣泛的應(yīng)用。作為知識(shí)表示工具，Ontology是一種表示知識(shí)的形式，可以通過帶標(biāo)記的有向圖來表示，適合用于邏輯推理。同時(shí)Ontology是對共享概念模型的規(guī)范說明，這里所說的“共享概念模型”指該模型中的概念是公認(rèn)的，至少在某個(gè)特定的領(lǐng)域是公認(rèn)的。一般情況下， Ontology是面向特定領(lǐng)域，用于描述特定領(lǐng)域的概念模型。但Ontology的建立必須要有專家的參與，相對而言更加的嚴(yán)格和困難。需要專家的參與是目前Ontology主要缺點(diǎn)之一。

基于Ontology的信息檢索的基本設(shè)計(jì)思想可以總結(jié)如下：

（1）在領(lǐng)域?qū)＜业膸椭?，建立相關(guān)領(lǐng)域的Ontology。

（2）收集信息源中的數(shù)據(jù)，并參照已建立的Ontology，把收集來的數(shù)據(jù)按規(guī)定的格式存儲(chǔ)在元數(shù)據(jù)庫（關(guān)系數(shù)據(jù)庫、知識(shí)庫等）中。

（3）對用戶檢索界面獲取的查詢請求，查詢轉(zhuǎn)換器按照Ontology把查詢請求轉(zhuǎn)換成規(guī)定的格式，在Ontology的幫助下從元數(shù)據(jù)庫中匹配出符合條件的數(shù)據(jù)集合。

（4）檢索的結(jié)果經(jīng)過定制處理后，返回給用戶。

需要說明的是，如果檢索系統(tǒng)不需要太強(qiáng)的推理能力，Ontology可用概念圖的形式表示并存儲(chǔ)，數(shù)據(jù)可以保存在一般的關(guān)系數(shù)據(jù)庫中，采用圖的匹配技術(shù)來完成信息檢索。如果要求比較強(qiáng)的推理能力，一般需要用一種描述語言 （如：Loom，Ontolingua等 ）表示Ontology，數(shù)據(jù)保存在知識(shí)庫中，采用描述語言的邏輯推理能力來完成信息檢索。由于Ontology能通過概念之間的關(guān)系來表達(dá)概念語義的能力 ,所以能夠提高檢索的查全率和查準(zhǔn)率。