基于人工智能的知识链模型及知识获取与表示研究

2018-12-25但凝云昭通学院

数码世界 2018年4期

但凝云昭通学院

随着知识管理水平的不断提高，使知识管理逐渐成为各行各业生产、经营及管理的重要内容，这就使得人工智能的知识链模型的建立及知识获取显得非常重要。对此，本文作者根据自己对知识链模型及人工智能的了解，分析了基于人工智能的知识链模型及知识获取与表示，希望能够给相关工作人员提供一定的帮助及参考价值。

1 基于人工智能的知识链模型

1.1 Richard知识链模型

Richard知识链模型是最早的知识链没模型，其构成原理在于利用在公司外部环境所学到的知识，与公司内部知识相结合，最终应用于到公司的新产品中，以创新产品的同时，增加产品的实现价值，从而增大新产品的销售份额，所以Richard知识链模型也被称为价值增值链(Value-added Chain)模型。

1.2 Holsapple和Singh知识链模型

Holsapple和Singh知识模型，主要是2000年由Holsapple和Singh经济学家提出来的知识链模型，主要是指利用现代化技术将所有相关的知识整合成一个知识系统，然后融入到企业管理系统中，以实现知识与管理的融合，从而提高知识的利用效率及企业管理水平，最终提高企业竞争力，促进企业健康发展，所以Holsapple和Singh知识链模型也被称为企业知识竞争优势链模型。Holsapple和Singh知识链模型的主要是利用Delphi方法，将实践性的知识，与企业管理知识、企业调研结果及分析结果等融合而成，因此能够应用于企业生产、经营及管理的各个环节，成为了应用最为广泛和有效的知识链模型[1]。

1.3 两种模型比较

Holsapple和Singh知识链模型简称Holsapple知识链模型，与Richard知识链模型相比较而言，存在很多不同之处，主要体现在表达形式方面，具体比较如下：

第一，相同之处，两者的思想一样，都是为了促进企业管理水平提高，增加企业新产品销售量及使用价值等，并且两者都是从Porter的Value Chain发展而来的，具有很强的内在联系；第二，两者的不同之处，即知识获取方向的不同，刚开始两者都是从企业内部及外部获取知识的，但后面知识的应用不同，即Richard知识链模型的知识获取主要应用于企业内部，Holsapple知识链模型中知识的获取则主要应用于企业外部；第三，相比较而言Holsapple知识链的质量模型比Richard模型的更加直观和容易理解，所以Holsapple知识链模型的应用范围比Richard模型广。

2 知识链中的知识表示

知识表示(Knowledge Representation)是基于人工智能知识链模型的重要功能作用，主要是指基于知识系统将从外界学习到的知识，通过计算机程序或符号等方式表现出来，通过计算机表示出来的知识链能够进行存储、检索、推理、使用和修改等操作。发展至今人工智能领域的知识表示形式已经实现了多样化，主要包括谓词逻辑(Predicate Logic)表示形式、框架(Frames)表示形式、语义网络(Semantic Nets)表示形式、产生式规则(Rules)表示形式、面向对象(Object-Oriented)表示形式等，每一种知识表示形式都有着自己的优点及缺点，具体如下：

第一，谓词逻辑：具有精确、严密及容易实现等优点，其缺点包括不能表示不确定性知识且效率低；第二，框架：具有表达能力强和容易添加属性等优点，其缺点包括编程困难和不便于推理等；第三，语义网络：具有关系表达能力强和可追溯关系等优点，其缺点为实现比较复杂；第四，产生式规则：具有语法简单、易于理解和修改等优点，其缺点包括不能表达结构性知识和效率不高等。

3 知识获取

知识获取(Knowledge Acquisition)最早提出于专家系统领域，主要获取任务包括：第一，从领域专家、书本等领域获取知识，并对获取的知识进行理解、选择、分析、抽取和总结等；第二，对于已经拥有的知识，则加深了解、分析、扩宽和总结，以完善已有的知识系统；第三，要不断回顾以往的知识，并将矛盾性的、冗余性的知识摒弃或完善，以进一步完善检知识的一致性和完整性。

知识获取的形式如下：

第一，人工获取：主要通过知识工程师对知识进行收集，或与专家进行交流，从而获取知识；第二，半自动获取：知识工程师在获取知识时借助其他辅助性软件及工具，获取更多更为全面的知识；第三，自动抉取：直接利用各种机器及软件技术获取知识，无需人工参与。