知识管理与知识库系统

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、方法的导入对员工、管理者、领导者都进行管理理念的导入，明确各自的责任。2）以知识管理为核心的工作台依据企业的实际情况建立适合自己的平台。3）完善的知识管理推进机制包括运行机制、知识明确机制、参与绩效机制和参与奖惩机制。2.知识库系统2.1基本概念2.1.1数据知识库中的数据比数学中的数据更具有广泛的含义，在这里将数据定义为“客观事物的属性、数量、位置、及其相互关系等的抽象表示”。例如可以用二元组（面粉，白的）来表示面粉具有白色这个属性；用二元组（政策，开放）来表示政策具有开放这个属性，等等，因此它们也是一些数据。2.1.2信息这里把信息定义为“数据所表示的含义（或语义）”，因此可以说信息是对数据的解释；反之可称“数据是信息的载体了”。例如“10”在一个具体场合可以解释为“5个人”，在另一种场合又可以解释为“5种方案”，乃至“3张表格”等等。2.1.3知识这里所谈的知识概念是知识处理的特殊对象，与日常生活中所谈的知识有较大的区别，因此，有必要首先弄清在知识处理的领域中如何定义知识，为知识库与推理机的进一步讨论奠定科学基础。为此，将“知识”定义为：“知识是以各种不同方式把多个信息关联在一起的信息结构”或者表达为“知识是多个信息之间的关联”。如果把“不与任何其他信息关联”即单独的一个信息也被认为是一种特殊的关联方式（不关联），则单个信息也可以看作是知识的特例，我们将此称之为“原子事实”。例如“他是军人”、“穿军装”等等，都是些鼓励的信息或称“原子事实”。然而，如果把这两种信息用“如果……则”这种因果关系联系起来就构成了一条知识，即“如果他是军人，则穿军装”。显然，按着这种形式定义的知识一般有三种类型，即正确的知识、错误的知识和不知真假的知识。2.1.4知识的分类1.事实事实是指人类对客观事物属性的值或状态的描述。这种知识一般不包含任何变量，可以用一个值为真的命题陈述或一种状态的描述来表达。例如今天很热、大海是蓝色等等都是一个事实。因为它们描述了客观事物在某种条件下各种属性或状态的真实的值。2．规则规则是指可以分为前提条件和结论两部分，用来表达因果关系的知识，它的一般形式为：如果A则B，其中A表示前提条件，B表示为结论或应采取的动作。由于一条规则的结论很可能是另一条规则的前提条件，因此人们可以用这类知识根据三段论推理形成一条推理链。这种知识在人工智能技术中获得了广泛的应用。3.规律上述的规则知识一般还可以分为不带变量的规则和带变量的规则两种。我们把带变量的规则称为规律，规律中的变量一旦被实例化为一个具体的值，则规律就编程了一条具体的不带变量的规则。因此，随着变量实例化为各种不同的值，就可以从一条规律引出许多具体的规则，因而规律在这种意义上表示了一类知识，是比一般不带变量的规则反映现实更深刻的一种知识。2.1.5知识的属性1.真实性知识既是客观事物及客观世界的反映，它必然具有真实性，它们应该经得起实践检验或用逻辑推理证明其真伪。2.相对性所谓知识也是行对的明知是的存在往往是有条件的和有环境要求的。一般知识不可能都无条件的真或绝对的真，或者无条件的假，而都具有相对性。在一定条件下和特定的时间为真的知识，当时间、条件或环境改变时它可能变为假。3.不完全性现实中的知识往往是不完全的，其原因是由于客观世界中很多事物本身往往是表露不完全的，它反映在人们头脑中对事物的认识也就不可能完全。就因果关系而言，有时反映在对条件认识不完全，有时反映在对结论认识不完全。4.模糊性与知识的相对性与不完全性相关联的还有知识的“模糊性”。所谓的模糊性在某种意义上可以认为对客观事物描述的进一步现实化。因为现实中的知识真与假，一般说来并不总是“非真即假”，而是处于某种中介状态，模糊数学对客观事物的这种中介状态给予了恰当的描述。5.可表示性知识是客观事物额定抽象与概括，但它本身并不是一种物质的东西。然而它应该可以用各种方式加以表示，即具有可表示性，它的表示方式一般包括：1）各种符号的逻辑组合；2）图形表示各种信息和知识；3）物理表示。由知识的可表示性又可以引出知识的另外三个属性：可存储性、可传递性和可处理性。2.2知识的表示知识的表示：所谓知识表示实际上就是对知识的一种描述，即用一些约定的符号把知识编码成一组计算机可以接受的数据结构。知识的表示方法有很多：产生式规则、语义网络、一阶谓词逻辑、框架理论和面向对象等。2.2.1产生式规则产生式(Production)一词，是在20世纪40年代首先由美国数学家波斯特（E.Post）提出来的。波斯特根据替换规则提出了一种称为波斯特机的计算模型，模型中的每一条规则当时被称为一个产生式。后来，这一术语几经修改扩充，被用到许多领域。例如，形式语言中的文法规则就称为产生式。产生式也称为产生式规则，或简称规则。产生式规则的一般形式为：前件→后件（P→Q）其中，前件就是前提，后件是结论或动作，前件和后件可以是由逻辑运算符AND、OR、NOT组成的表达式。产生式规则的语义是：如果前提满足，则可得结论或者执行相应的动作，即后件由前件来触发。所以，前件是规则的执行条件，后件是规则体。一条产生式规则就是一条知识。用产生式可以实现推理和操作，产生式规则是知识表示形式。上图是一个与或树，产生式规则组：B1，B2→A；B3，B4，B5→A；C1，C2→B1；C3→B2；C4，C5，C6→B3；C7→B4；C8→B4；C9，C10→B5；D1，D2→C5；D3→C5；D4，D5，D6→C8；图中带圆弧的分支线代表“与”的关系，不带圆弧的分支线表示“或”的关系。2.2.2语义网络表现人类知识的任何格式都必须具有两种功能，一是表达事实性的知识，二是表达这些事实之间的联系，即能够从一些事实找到另一些事实的信息。这两种功能可以用两种不同的机制来实现，例如，用谓词演算表达事实，用一定形式索引和分类表达事实间联系，语义网络就是用单一的机制表达这两种内容。语义网络的概念最先是由Quillian提出来的，他于1968年在他的博士论文中，把语义网络作为人类联想记忆的一个显式心理模型。所以，语义网络也称联想网络。现在，语义网络的理论已经有了长足的发展。有人把它划分为五个级别：执行级、逻辑级、认识论级、概念级和语言学级。语义网络已成为一种重要的知识表示形式，广泛地应用于人工智能、专家系统，特别是自然语言理解领域中。语义网络是一种采用网络的形式表示人类知识的方法。它是由节点和边（也称有向弧）组成的一种有向图。其中节点表示事物、对象、概念、行为、性质、状态等；有向弧表示节点之间的某种联系或关系。下图是鸟的网络语义图。语义网络能较好的表示对象之间的继承和变异等概念，很适合用来表示推理，联想，归纳等逻辑概念，从而也就可根据语义网络所表示的知识来回答各种问题，验证各种事实，乃至模拟人脑的逻辑思维、演绎或归纳出没有直接表示在网络中的新知识。2.2.3常用的语义联系1）ISA关系（is-a）:AISAB表示A是B的一个特例，B是A的一个抽象。2）AKO关系（a-kind-of）:AAKOB表示A是一种B，A与B之间有属性继承和属性更改权。3）A-part-of联系：XA-part-ofY表示X是Y的一部分，没有属性继承性。4）A-Member-of联系：XA-Member-ofY表示X是Y的一个成员（或元素）。5）Have联系：AHaveB表示A具有B的这个属性值或实体。6）Located-At（-on、-Under等）联系：表示事物之间的位置关系。2.3知识库知识库可以看作是数据库理论研究的产物，是知识的集合。更确切的讲，知识库是人工智能（AI）和数据库结合的产物。如果说数据库就是把数据从应用程序中分离出来交予系统程序处理，则知识库就是把知识从应用程序中分离出来，交由知识系统程序处理。知识库的概念是数据库概念在知识处理领域的拓展和延伸。知识库在知识处理中也是一个至关重要和必不可少的概念。在知识库汇总可存放各种数据，组织、管理和维护数据库的方法对知识库来说可以继续使用，至少可供参考借鉴。但是，知识库的主要任务还是存储大量的知识，因此吗，可将知识库定义为经过分类组织的“知识的一个集合”。逻辑上是人类知识的模型，物理上是存储知识的设施。2.3.1DSS知识库的特点智能DSS也有自己的知识库，它与专家系统在功能、知识库内容和推理策略方面都存在很大差别，体现在4个方面：1）DSS不仅具有定性的知识推力能力，而且具有定量的计算功能，并能将两种功能结合起来。2）专家系统的知识结构比较单一，而智能DSS的知识就更广泛，但知识抽取和表达也就更为困难和繁琐。3）DSS推理机制不仅具有对不同结构特点的知识的推理，而且要与定量计算结果综合起来以加强辅助决策的有效性，这就使得它的推理比一般专家系统的推理更加复杂。4）计算机的语言实现方面也有很大不同。专家系统一般用人工只能程序设计语言：如Prolog和Lisp语言,然而这些语言在计算方面效率低，不能满足复杂计算问题的求解要求。DSS知识库所设计的知识广泛，既有知识库特定知识，又有建模知识和求解方法技术。这些知识是系统开发人员不熟悉且不可能在短期内学到的；特别是那些领域专家长期积累起来的经验性知识；另一方面，知识库的实现又需要大量的计算机专业知识，特别是AI和知识工程方面的知识。无论让设计人员在短期内成为领域专家，或是让领域专家在短期内成为设计人员都是不可能的，这就决定了知识库的建立过程必须是系统设计人员与有关专家密切合作共同努力的过程，这是DSS知识库的研制特点。2.3.2设计知识库系统的原则设计人员、领域专家以及大量的实例和问题构成了开发和改进知识库系统的三个基本要素，此外，开发知识库系统时要遵循以下基本原则：1）保持知识库系统在DSS内部的相对独立性，这是目前DSS的基本结构。这样便于知识库系统内部