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

申請免費試用、咨詢電話：400-8352-114

在不確定是唯一可確定因素的經濟環(huán)境中，知識是企業(yè)獲得持續(xù)競爭優(yōu)勢的源泉。知識管理就是利用先進信息技術實現(xiàn)知識獲取/創(chuàng)造、組織/存儲、傳播、應用，使企業(yè)在動蕩的市場中保持高度智能化的管理手段。知識分為顯性知識和隱性知識，顯性知識是已經總結好的被基本接受的正式知識，以數(shù)字化形式存在或者可直接數(shù)字化，易于傳播；隱性知識是尚未從員工頭腦中總結出來或者未被基本接受的非正式知識，是基于直覺、主觀認識、和信仰的經驗性知識。顯性知識比較容易共享，但是創(chuàng)新的根本來源是隱性知識。日本東京一橋大學著名知識學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作用于客觀信息，產生顯性知識并傳授給同事，和同事一起把顯性知識匯總并在產品/服務中體現(xiàn)出來。

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

公司信息資產的價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行動態(tài)匹配的能力。通過運用知識管理這一技術，許多企業(yè)已經取得了令人驚異的成就。分析家們指出：LotusNotes和世界互聯(lián)網是知識管理系統(tǒng)中的兩大中堅力量。而數(shù)據庫、文件管理系統(tǒng)和電子郵件則是知識管理系統(tǒng)中的基本要素。為實現(xiàn)知識管理的目標，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提取產品，它能通過群體協(xié)作、過濾和語義技術將信息轉化為知識。

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)要解決的關鍵問題。

目前主要的困難包括：知識的表示、信息的組織、軟件的復用等。特別是由于因特網的快速發(fā)展,面對信息的海洋，如何組織、管理和維護海量信息并為用戶提供有效的服務也就成為一項重要而迫切的研究課題。為了適應這些要求，Ontology作為一種能在語義和知識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注，并在計算機的許多領域得到了廣泛的應用，如知識工程、數(shù)字圖書館、軟件復用、信息檢索和Web上異構信息的處理、語義Web等。

信息檢索技術可分為3類：全文檢索（Text retrieval）、數(shù)據檢索（Data retrieval）和知識檢索（Knowledge retrieval）。全文檢索的特點是把用戶的查詢請求和全文中的每一個詞進行比較，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，但是查準率卻大大地降低了。數(shù)據檢索的特點是查詢要求和信息系統(tǒng)中的數(shù)據都遵循一定的格式，具有一定的結構，允許對特定的字段檢索 （例如：作者 =“王剛”）。數(shù)據檢索需要有標識字段的方法。數(shù)據檢索的性能取決于所使用的標識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)據檢索支持語義匹配的能力也較差。知識檢索強調的是基于知識的、語義上的匹配，因此在查準率和查全率上有更好的保證。目前知識檢索是信息檢索研究的重點，特別是面向Web信息的知識檢索。

常規(guī)的直接基于關鍵詞的信息檢索技術已不能滿足用戶在語義上和知識上的需求，尋找新的方法也就成為目前研究的熱點。Ontology具有的良好的概念層次結構和對邏輯推理的支持，因而在信息檢索，特別是在基于知識的檢索中得到了廣泛的應用。作為知識表示工具，Ontology是一種表示知識的形式，可以通過帶標記的有向圖來表示，適合用于邏輯推理。同時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的，至少在某個特定的領域是公認的。一般情況下， Ontology是面向特定領域，用于描述特定領域的概念模型。但Ontology的建立必須要有專家的參與，相對而言更加的嚴格和困難。需要專家的參與是目前Ontology主要缺點之一。

基于Ontology的信息檢索的基本設計思想可以總結如下：

（1）在領域專家的幫助下，建立相關領域的Ontology。

（2）收集信息源中的數(shù)據，并參照已建立的Ontology，把收集來的數(shù)據按規(guī)定的格式存儲在元數(shù)據庫（關系數(shù)據庫、知識庫等）中。

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

（4）檢索的結果經過定制處理后，返回給用戶。

需要說明的是，如果檢索系統(tǒng)不需要太強的推理能力，Ontology可用概念圖的形式表示并存儲，數(shù)據可以保存在一般的關系數(shù)據庫中，采用圖的匹配技術來完成信息檢索。如果要求比較強的推理能力，一般需要用一種描述語言 （如：Loom，Ontolingua等 ）表示Ontology，數(shù)據保存在知識庫中，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系來表達概念語義的能力 ,所以能夠提高檢索的查全率和查準率。