（管理科学与工程专业论文）基于人工智能的知识链模型及知识获取与表示研究.pdf

基于人工智能的知识链模型及知识获取与表示研究 摘要 特技 基于人工智能的知识参每棼知识获取与表示研究是国家自然科 学基金项目( 7 0 2 7 1 0 0 2 ) 面向智能性管理决策的异构知识表示与知 识管理研究的系列研究之一。 随着进入知识经济时代，知识越来越重要，已成为经济的推动力 和支持成功的中间力量。知识管理也逐渐为企业组织所接受。知识的 价值实现、增值与创新都必须通过相应的知识链( 亦称知识过程) 得 以完成，但是在目前的知识管理界，对知识链缺乏关注，思考不深， 所以通过对知识链的研究，有助于提升知识管理的应用，这也正是本 文的研究所在。 鉴于知识链是一个非常新的研究领域，目前的研究主要集中在知 识链的概念模型上，实际操作性不强，为此，本文首先结合知识管理 的思想和人工智能技术以及信息技术，提出了基于人工智能的知识链 模型。在对该模型进行详细阐述之后，本文重点对知识链中知识获取 进行研究。 在基于知识的系统( 皿s ) 或专家系统的开发中，知识获取一直 是阻碍其发展的瓶颈，同样对于知识链中的知识获取来说，也是如此， 只有解决了知识获取这一难题，知识链才能顺畅发展。本文分两部分 对知识获取进行研究，一是k b s 开发过程中广为使用的结构化情景分 析，即人工获取；二是，采用神经网络、决策树等进行知识的自动获 取研究，因为神经网络集知识获取、知识表示和知识应用于一身，具 有非常好的学习能力，但其缺点是一个“黑箱”，需要将其隐藏的知 识显性化，关于神经网络，本文经过试验结果表明，普通b p 效果不 好，为此本文的神经网络采用的是以交叉熵为误差函数的非全连接 b p 网络，不仅对神经网络的剪枝算法和知识获取的r x 算法进行改进， 而且提出了基于结构的神经网络规则抽取方法s r e 和基予卡诺图的 规则抽取方法k r e 。 考虑到组织中知识的存在形式的多样性及复杂性，本文尝试采用 x m l 进行知识统一表示的研究，因为x m l 适合于多种类型知识的表示。 本文最后以银行贷款风险预警为例，在大量试验的基础上，分别 采用r x ，s r e ，决策树( i d 3 算法) 和k r e 等四种方法进行知识获取， 并对四种获取的结果进行比较分析。 总的来说，本文作了大量的理论和实验研究，并且以。n e t 为平 台，开发出基于人工智能的知识获取系统，从而使得知识获取及相关 研究变得方便易用，既具有十分重要的科学意义，同时又有其实际价 值。本文所有的实验，都是在本文自行开发的系统上进行的。 关键词：知识链，知识表示，知识获取，人工智能，神经网络，决策 树 s t u d yo fa r t i f i c u l li n t e l l i g e n c e - b a s e d k n o 、l e d g ec h a i nm o d e la n dk n o 亿e d g e a c q u i s i t i o n a n dp r e s e n t a t i o n a b s t r a c t “s t u d yo fa r t i f i c i a li n t e l l i g e n c e b a s e dk n o w l e d g ec h a i nm o d e la n d k n o w l e d g ea c q u i s i t i o na n dp r e s e n t a t i o n i sab r a n c ho f m a n a g e m e n t d e c i s i o n - o r i e n t e di n t e l l i g e n ts y s t e m ss t u d yo fi s o m e r i ck n o m e 电e r e p r e s e n t a t i o na n dk n o w l e d g em a n a g e m e n t w h i c hi ss p o n s o r e db y n a t i o n a ls c i e n c ef o u n d a t i o no f c h i n a ( n s f c ，n o ：7 0 2 7 1 0 0 2 ) k n o w l e d g ei sm o r ei m p o r t a n tt h a n e v e rb e f o r ei nk n o w l e d g e e c o n o m ya r e a ，a n di sb e c o m i n gad o m i n a n te l e m e n ti ns u p p o r t i n g e c o n o m yd e v e l o p m e n t t o d a y , t h e r ei s ag r o w i n gr e c o g n i t i o ni nt h e b u s i n e s sc o m m u n i t ya b o u tt h ei m p o r t a n c eo fm a n a g i n gk n o w l e d g ea sa c r i t i c a ls o u r c ef o rc o m p e t i t i v ea d v a n t a g e ，a n dk n o w l e d g em a n a g e m e n t h a sb e e n w i d e l ya d o p t e d a n d a p p l i e d i n p r a c t i c e s k n o w l e d g e m a n a g e m e n ti s c o n c e r n e dw i t he n s u r i n gt h a tt h e 。r i g h tk n o w l e 起ei s a v a i l a b l ei nt h er i g h tf o r mt ot h er i g h tp r o c e s s o r sa tt h er i g h tt i m ef o rt h e r i g h tc o s t e x e c u t i o no ft h ek m a c t i v i t i e su n d e r t a k e ni np u r s u i to ft h i s o b j e c t i v er e s u l ti nap a n o r a m ao fk n o w l e d g ec h a i n ( a l s oc a l l e dk n o w l e d g e p r o c e s s ) b u ta tp r e s e n t ，k n o w l e d g ec h a i n h a sn o ta t t r a c t e de n o u g h a t t e n t i o ni nt h ek mf i e l d ，a n dk mc o u l db e n e f i tf r o ms t u d y i n go f k n o w l e d g ec h a i n ，w h i c hi st h ef o c u so f t h ep a p e r a sk n o w l e d g ec h a i ni san e wr e s e a r c hf i e l d ，a n dc u r r e n tf o c u si s m a i n l yo nc o n c e p t u a lm o d e l t h i sp a p e rp r o p o s e sak n o w l e d g ec h a i n m o d e lb a s e do na r t i f i c i a li n t e l l i g e n c et e c h n o l o g y , w h i c hi st h eo u t c o m eo f k ma n da i a f t e rd i s c u s s i n gt h ep r o p o s e dm o d e li nd e t a i l ，t h i sp a p e r f o c u s e so na c q u i s i t i o ni nk n o w l e d g ec h a i n k n o w l e d g ea c q u i s i t i o ni sab o t t l e n e c ki nt h ed e v e l o p i n gp r o c e s so f k n o w l e d g e - b a s e ds y s t e m ( k b s ) o re x p e r ts y s t e m ，a n ds od o e si n k n o w l e d g ec h a i n k n o w l e d g ec h a i nc o u l dp r o g r e s ss m o o t h l yi fa n do n l y i fk n o w l e d g ea c q u i s i t i o nh a sb e e ns o l v e d t h ep a p e rs t u d i e sk n o w l e d g e a c q u i s i t i o ni nt w op o i n t so fv i e w , f i r s tt h ew i d e l yu s e dt e c h n i q u ec a l l e d s t r u c t u r e ds i t u a t i o na n a l y s i si ne x p e r ts y s t e md e v e l o p m e n ti si n t r o d u c e d ； s e c o n d ，s e v e r a la u t o m a t i ck n o w l e d g ea c q u i s i t i o nm e t h o d sa r ep r o p o s e d u s i n ga it e c h n o l o g y , l i k ea r t i f i c i a ln e u r a ln e t w o r k ( a n n ) a n dd e c i s i o n t r e e ( d t ) a sf o ra n n ，t h ee x p e r i m e n t sc o n d u c t e di n d i c a t et h a tt h e s t a n d a r db a c k p r o p a g a t i o nn e t w o r k ( s b p ) d o e sn o tw o r ka sw e l la s r e v i s e db pw h i c hu s ec r o s s e n t r o p ya se r r o rf u n c t i o n a l s o ，t h i sp a p e rn o t o n l yr e v i s e st h er xa l g o r i t h mi np r u n i n ga n dr u l ee x t r a c t i n gp r o c e s so f k n o w l e d g ea c q u i s i t i o n ，b u ta l s op r o p o s e st w or u l ee x t r a c t i o nm e t h o d ： s t r u c t u r e d - b a s e dr u l ee x t r a c t i o nf r o mn e u r a ln e t w o r k ( s i 也f o rs h o r t ) ， a n d k a r n a u g hm 印一b a s e dr u l ee x t r a c t i o na r ( r ef o rs h o r t ) i t i sd i f f i c u l tt or e p r e s e n tk n o w l e d g ei nau n i f o r mp r e s e n t a t i o n ，s o t h e p a p e re m p l o y s x m lt e c h n o l o g y ( x m l s c h e m a ) t op r e s e n t k n o w l e d g e i no r d e rt os i m p l i f yt h es t o r ea n ds e a r c hp r o c e s si nk c i nt h ee n do ft h ep a p e r , s e v e r a le x p e r i m e n t sa r ec o n d u c t e du s i n gd a t a f r o mb a n kl o a nr i s ke v a l u a t i o n ，w h i c he m p l o yf o u rd i f f e r e n tm e t h o d st o a c q u i r ek n o w l e d g ed i r e c t l yf r o md a t a ；t h e s em e t h o d sa r er x ，s r e , d t a n d k r e i ng e n e r a l ，t h i sp a p e rh a sd o n eal o tw o r kb o t ho nt h e o r ya n d e x p e r i m e n t s ，a n dd u e t ot h el i m i t a t i o no fp r o p e rt o o l s ，t h ep a p e rd e v e l o p s a na r t i f i c i a li n t e l l i g e n c e - b a s e dk n o w l e d g ea c q u i s i t i o ns y s t e m ( a r k _ a ) ， a n da l lt h ee x p e r i m e n t sa r ec o n d u c t e du n d e ra i k a h e n c e ，i tm a k e s s t u d y i n go f k n o w l e d g ea c q u i s i t i o ne a s i e rt h a ne v e rb e f o r e m d 。c a n d i d a t e ：z h a ol i n ( m a n a g e m e n ts c i e n c e & e n g i n e e r i n g ) s u p e r v i s e db y ：p r o f y a n gb a o a n k e yw o r d s ：k n o w l e d g ec h a i n ，k n o w l e d g er e p r e s e n t a t i o n ，k n o w l e d g e a c q u i s i t i o n ，a r t i f i c i a li n t e l l i g e n c e ，a r t i f i c i a ln e u r a ln e t w o r k ，d e c i s i o nt r e e 附件一： 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的 指导下，独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外，本论文不包 含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写。我对 所写的内容负责，并完全意识到本声明的法律结果由本人承担。 学位论文作者签名：圭生才朱 日期： 二，。年t 月日 附件二： 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家 有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权东华大学可 以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等 复制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书 本学位论文属于二 不保密囱。 学位论文作者签名：1 主= s 卜 日期：y 6 年，月6 e t 够学 衫舶一赫 腑 明 摹了：人上智能的知识链模型及知识获取与表示研究 第一章绪论 1 1 研究背景及意义 钗簋坷妊 本文基于人工智能的知识链艰知识获取研究是国家自然科学基金项目面 向智能性管理决策的异构知识表示与知识管理研究的系列研究之一。 随着进入知识经济时代，知识越来越重要，已成为经济的推动力和支持成功 的中间力量。知识以及掌握知识的人是企业的核心竞争力，已经得到越来越多的 公司的认同。在现在的知识社会中，企业最重要的资产不是固定资产，也不是资 金，而是知识，以及掌握知识的员工，所以，如何识别、使用组织内外的知识， 是企业所面l l 缶的重要任务之一。这也就是知识管理所要解决的基本问题。 从广义上来讲。所谓的知识管理，就是对企业或组织内部、外部环境中的所 有知识资产进行管理的活动，同时营造出一种共享知识的氛围，使知识在组织内 外部进行通畅的流动，促进知识创新，从而提高企业的竞争力知识就在知识的 识别、获取、转换、存储、交流共享等的过程中流动，这个流动过程是周而复始 的、呈螺旋上升的，我们可以将知识的这种循环流动过程看作是一条贯穿整个组 织的知识链。从某种意义上来看，知识链仍然属于知识管理的范畴。 在知识链中，知识获取是一个非常重要的研究方面，因为知识链中知识获取 质量的高低，将会在很大程度上决定知识链是否能够正常、有效的运转。知识获 取对组织来说，是非常重要的，同样，对于智能系统，知识获取的好坏，将在很 大程度一1 - _ 决定智能系统能否发挥原有作用，因为智能系统与非智能系统的一个最 主要区别是，智能系统侧重于对知识的处理和利用上。论文将涉足于这方面的问 题，尝试以人工智能为手段，对知识链及知识链中的知识获取进行研究探讨。 总的来看，论文的研究内容是适应知识经济的发展与智能经济市场的需要， 同时也符合智能决策支持系统研究的发展趋势( 如基于机器学习智能决策支持系 统等) ，所以说既具有十分重要的科学意义，同时有其实际价值，并有潜在的广 泛应用前景。 1 2 课题任务与研究对策 目前关于知识链的研究，主要是概念性的研究，例如什么是知识链，知识链 与知识管理的关系等，而从技术的角度研究探讨的很少，本论文拟从人工智能的 基于人工智能的知识链模型及知识获取与表示研究 角度对知识链的构建及运作进行研究，同时重点研究知识链中知识的自动获取和 知识表示。 1 研究内容 主要包括三个方面的内容：知识链、知识表示和知识获取。 ( 1 ) 知识链研究。从人工智能的角度，融合知识管理的思想，提出基于人工智 能的知识链模型。 ( 2 ) 知识表示研究。考虑到知识链中的知识不是单一表示形式的知识，而是涉 及到多种知识的混合表示，所以论文主要研究混合知识的表示。本文主要 尝试采用x m l 技术进行知识表示的设计。 ( 3 ) 知识获取研究。以自动获取为主，因为知识的自动获取相对于人工获取来 说，不仅获取效率高，而且可以解决智能系统( 如专家系统) 中知识获取 瓶颈的问题，是今后知识获取的发展方向。研究内容主要如何从数据库中 自动获取知识，并以适当的形式表示出来。采用的技术包括神经网络、决 策树等。 2 研究方法 论文的研究方法，主要采用定量方法。按照研究内容来看，主要采用下述的 方法： ( 1 ) ( 2 ) ( 3 ) 知识链研究：拟采用模型化的方法。 知识表示研究：利用面向对象的方法来表示混合知识( 采用c # 语言实现) ， 同时将知识以x m l 的形式保存。 知识获取研究：采用多种技术进行知识自动获取的研究，例如，神经网络， 决策树卡诺图等。神经网络包括网络的训练、剪枝和规则抽取；对于决策 树，采用i d 3 算法，利用样本数据生成一棵决策树，然后将决策树转化成 相应的知识表示方式。 3 技术路线 对于三个研究内容，其技术路线是不同的，分别阐述如下： 知识链研究。在查阅文献资料的基础上，从人工智能和知识管理的角度，对 知识链的研究框架进行研究，提出细化的、切实可用的知识链模型。 知识表示研究。将混合知识用面向对象方式表示，以x m l 的形式存储，实际 基于人工智能的知识链模型及知识获取与表示研究 上就是实现基于面向对象的x m l 知识表示方法。 ( 1 ) 采用x m ls c h e m a 定义基于x m l 的混合知识表示模式。 ( 2 ) 利用n e t 实现读取、存储和修改x m l 中知识的功能。知识获取部分所获 得的知识，都要调用此处的功能，以便将获取的知识用x m l 存储并显示给 用户。 知识获取研究，采用人机对话的形式，引导用户完成一些必要的选择和设置 工作，然后据此自动获取知识，并以适当的形式表示出来。 ( 1 )由用户选择一种知识获取方式，如神经网络、决策树等。 ( 2 ) 由用户选择数据库、输入初始设置，如数据库的类型、名称、位置等 ( 3 ) 如果选择的是神经网络，首先利用数据库中的样本训练网络，然后对网络 结构进行剪枝，以便在不降低网络精度的情况下，简化网络结构，最后将 神经网络学习到的知识抽取出来。 ( 4 ) 如果选择的是决策树，则采用i i ) 3 算法，通过训练样例，构造一裸决策树， 然后将决策树转化为产生式规则。 1 3 本文的工作与主要贡献 ( 1 ) 融合知识管理的思想和人工智能以及信息技术，提出基于人工智能的知 识链模型。 ( 2 ) 尝试采用捌l 进行知识表示的设计，包括多种显式知识和隐式知识。 ( 3 ) 对神经网络剪枝算法进行改进 ( 4 ) 在知识获取方面，对r x 算法进行改进。 ( 5 ) 提出基于结构的神经网络规则抽取方法s r e ( 6 ) 提出基于卡诺图的神经网络规则抽取方法一k r e 。 ( 7 ) 在大量试验的基础上，采用多种方法( 包括：改进的r x 、s r e 、卡诺图、 决策树等) 对知识获取实例进行研究 ( 8 ) 自行开发出一套基于人工智能的知识获取系统( 简称：a i l 【a ) ，所有的实 验都在a i l ( a 的基础上进行的。 基于人工智能的知识链模型及知识获取与表示研究 第二章基于人工智能的知识链模型 2 1 知识与知识管理 按照n o n a k a m 的分类方法，知识大致可以分为隐性知识和显性知识两种类 型： 显性知识( e x p l i c i tk n o w l e d g e ) ：亦称言传性知识，是能够容易的编码 的知识。 隐性知识( t a c i tk n o w l e d g e ) ：亦称言传性知识，是存在人脑之中的， 不易于表达的知识。 这两种类型之间可以相互转化，并且在转化的过程中，可以促进知识创新， 从而产生新的知识。知识管理包含对显性知识的管理，还包括对隐性知识的开发 和管理，而且知识管理的基本职能就在于显性知识与隐性知识之间互动构成知识 的四种转化模式叫。从组织的角度来讲，就是通过知识管理，将个人的隐性知识 逐渐转化为组织的显性知识，并且在这种转化过程中促进组织的知识创新。 实施知识管理不仅可以促进知识创新，而且可以提高企业的竞争力 ( c o m p e t e n c e ) ，关于这一点，h o l s a p p l e 洲”已经做过比较详细的阐述。在现 在的知识社会中，企业最重要的资产不是固定资产，也不是资金，而是知识，以 及掌握知识的员工，所以，如何识别、使用组织内外的知识，是企业所面临的重 要任务之一。企业必须将知识管理纳入企业战略之中，利用知识管理来提升企业 的竞争力，通过知识创新，来帮助企业实现既定的战略目标。 最近几年有关知识管理的文章大量涌现，知识管理在许多领域都有了较 大的发展。对知识管理的研究现状做一个非常详细的总结，不是一件容易的事情， 但是仍有不少学者对几年来知识管理的发展现状进行过研究。例如l e o n a r d 埘对 自1 9 9 5 - 2 0 0 1 年期间发表在s c i 上的文章进行统计，如表2 - 1 所示。 表2 - i1 9 9 6 - 2 0 0 1 年s c i 发表的知识管理文章统计 基于人上智能的知识链模型及知识获取与表示研究 c o 龇 栅s m 邶 孙7 i 段m “2 l 舶坫强 m m m t m 屯娟 7 舶 k 而瑚埔h o n s a m c b b | 埘s c i 蚍c l j 4 勘鲫e g l o 硒 p s y c h o l o s y 6 强 m 硼础j 砷蛔唧s m c e k t l e r 口& f u e l s s 口c l 缸s c i e , a c e s 嚣7 l s 胧 1 3 j 黼 1 6 9 1 3j 粥 1 名 4 0 3 7 o p “m r e s e “c h & m g l s c o n c e l i ! ! 苎! 兰鳖堡里! 型塑墨翌 ；些 t o t 1 t 4醪 2 0 74 0 72 7 2 4 0 1 蛔础呷h n t 哆胁d h 3661 0s0 从中可以看出如下的趋势； 研究知识管理的领域由最初的计算机科学、管理和商业等3 个领域，逐 步扩展到包括工程、心理学、能源与燃料、社会科学、生产运作管理等 8 个领域。 近几年来，研究知识管理最多的是计算机科学( 包括信息科学) 、管理和 商业。 历年发表的文章数每年增长迅速，例如在1 9 9 6 年，只有1 4 篇有关知识 管理的文章发表，然而到了2 0 0 1 年，则迅速增长为4 0 1 篇，这说明知识 管理的发展速度非常快。 s h u - h s i e nl i a o i 3 对1 9 9 5 2 0 0 2 年发表的文章的2 3 4 篇文章( 这些文章主要 是从e l s e v i e rs o o s 在线数据库中搜索到的有关计算杌科学和社会科学方面的) ， 按照知识管理框架( k mf r a m e w o r k ) 、基于知识的系统( k n o w l e d g e - b a s e d s y s t e m s ) ，数据挖掘、信息技术、人工智能专家系统、数据库技术和建模等7 个方面进行分类统计s h u - h s i e nl i a o 只列出了在某领域中有比较大贡献的作 者，而没有像l e o n a r d 那样详细统计出某领域发表文章所占的比例。 通过对大量资料的阅读和了解，本文认为知识管理的研究有下列的发展趋 势： 由知识管理的概念研究转向技术研究 由知识管理的理论研究转向实践研究，即企业中是怎样实现知识管理的。 目前有不少的公司开始知识管理的实践，其中许多公司傲的非常成功。 不过应当看到，这些公司首先是从文档管理开始做起的。 舶粥；罨i罨氍粥 弼隰 筘扣 7 o ， 嚣袅瀚嚣 露；q n 咻鞯暑舶粥号 啦盐j 坩4 j 基于人工智能的知识链模型及知识获取与表示研究 以专家系统为代表的人工智能技术开始逐渐引入到知识管理的研究中。 由强调显性知识的管理转向隐性知识的管理。 知识管理的研究范围不断扩大，知识管理开始上升到企业的战略高度。 2 2 知识管理与人工智能 要实现知识管理的思想，必须使用必要的技术、方法，目前不管是理论界， 还是商业上，都倾向于使用i t 技术来对知识进行管理m 小埘。事实上，可以 说知识管理是一种思想，这种思想可以为企业创造价值，实现这种思想，有许多 的方法，i t 技术只是其中的一种方法，而不是所有的方法，或者最好的方法。 无论是否采用i t 技术，都要营造种知识共享的企业氛围 知识管理中非常重要的一个任务就是知识获取和知识表示( k n o w l e d g e c a p t u r ea n dk n o w l e d g er e p r e s e n t a t i o n ) 。在专家系统领域中，已经采用了许 多知识获取技术( k n o w l e d g ea c q u i s i t i o nt e c h n i q u e s ) ，以便帮助知识工程师 ( k n o w l e d g ee n g i n e e r ) 将领域专家的个人隐性知识转化为显性知识，存放到知 识库中。除此之外，从数据库中挖掘出有用的知识，也可以看作是知识管理的一 个研究方面“”，其中涉及到的数据挖掘技术，如人工智能中的神经网络等，都可 以应用到知识管理之中。 另外，知识有多种存在形式，不仅存在于各种文档中，而且存在于数据之中。 怎样将这这些知识以适当的形式表示出来。也需要用到人工智能中的方法和技 术。否则，如果只是管理存在于文档中的知识的话，那么充其量只能算是文档管 理而已，不是真正意义上的知识管理。所以，知识管理的实现离不开人工智能技 术的辅助。 2 3 知识链 知识链( k n o w l e d g ec h a i n ) 是一个比较新的概念，自提出至今不过几年的 时间，就像知识管理一样，目前尚未有一个统一的定义。但据本文所掌握的现有 资料来看，最早比较明确的阐述知识链的是k o u l o p o u l o s 在他1 9 9 7 年出版的书 镰一c o r p o r a t ei n s t i n c t ：b u i l d i n gak n o w i n ge n t e r p r i s ef o rt h e2 1 t c e n t u r y 中的第二章h o o k i n gt h ek n o w l e d g ec h a i n “”( 注：囿于条件所限，本 - 6 - 基于人工智能的知识链模型及知识获取与表示研究 文没有能够找到该书的原文) 以下是r i c h a r d 对知识链的定义“”： t h ek n o w l e d g ec h a i nr e p r e s e n t sac o m p a n y sc o g n i t i v ep o w e rf o r a c t i o n ：i t sc a p a c i t yf o rr e c o g n i z i n g ，a n t i c i p a t i n g ，a n da c t i n go nm a r k e t s h i f t sa n dm o v e m e n t so rn e wt e c h n o i o g i c a id e v e l o p m e n t si naw a yt h a ti s s u p e r i o rt oi t sc o m p e t i t o r s 一般来说，一个企业的知识链通常包括知识的识别、获取、开发、分解、储 存、传递、共享以及知识产生价值的评价等环节，在这个知识链上，形成了一条 知识流。从知识链的上述定义中可以看出，知识链与知识管理是密不可分的，因 为知识管理的对象就包括知识的顺畅流动，以及创造适合知识交流与共享的氛 围，所以，对知识链进行研究有助于知识管理的研究，知识链不是独立于知识管 理而存在的。例如：c h i n gc h y il e e “”将知识( 价值) 链模型( k n o w l e d g ev a l u e c h a i nm o d e l ) 作为知识管理框架( 聊f r a m e w o r k ) 进行研究。 由于知识链提出时间较短，放目前的研究主要集中在知识链的概念模型上， 所有的知识连模型都是建立在波特( p o r t e r ) 的价值链( v a l u ec h a i n ) “”之上， 通过对国内外相关文献的搜集和整理。可以得出如图2 - 1 所示的知识链研究路线 图： 图2 - 1 知识链研究路线图 从图2 - 1 中可以清楚地看出，研究知识链模型有两大派：一派以h o l s a p p l e 基于人上智能的知识链模型及知识获取与表示研究 和s i n g h 啪。1 为首，另一派以k o u l o p o u l o s n 5 1 和r i c h a r d 删为首。国内学者都是 在两派基础上进行修修改改。为了了解国内对知识链的研究现状，本文于2 0 0 4 年l o 月1 6 日上午1 0 ：5 0 分，在中国期刊全文数据库中以“知识链”为检索词， 对发布在1 9 9 4 - 2 0 0 4 年所有期刊上的论文进行搜索，共搜索到相关文章1 6 篇。 如果从如下三个角度，对上述1 6 篇文章进行分析： 概念：有关知识链的定义、作用、意义等。 模型：有关知识链的组成、构建、运行等，包括逻辑模型和数学模型。 应用：知识链与其他领域相结合等。 可以得到表2 2 所示的统计情况： 表2 - 2 知识链文章研究角度统计表 研究角度文章数所占比僦 概念 95 6 2 5 模犁 42 5 应用 31 8 两 在研究模型的四篇文章中，有二篇( 文献 1 9 】， 2 0 和 2 1 ) 是在h o l s a p p l e 模型的基础上进行探讨的，另外一篇则基本上是完全翻译文献 1 5 的内容 ( k o u l o p o u l o s ) ，没有参考价值。 如果从发表时间来看，国内进行知识链的研究是自2 0 0 0 年( 包括2 0 0 0 年) 后开始的，其快速发展起于最近两年。如表2 - 3 所示： 表2 3 知识链文章发表时间统计表 发表时间( 年)当年文章数累诗文章数5 2 0 0 461 6 2 0 0 3 61 0 2 0 0 2l4 2 0 0 ll3 2 0 0 02 2 1 9 9 4 1 9 9 900 从这些文章的内容上看，大都只是介绍一些知识链的概念而己，当然也有的 学者对知识链的模型作了些改进，但是这些改进只是小的修改，不涉及实质性的 改动。目前，不管是国内，还是国外，有关知识链的研究框架还比较粗糙，较多 的是概念性的研究，对于利用已有的信息技术，应用于组织实践中，则非常少， 这躁知识链刚提出不久有很大的关系。 一s - 基于人工智能的知识链模型及知识获取与表示研究 2 4 现有的知识链模型 2 4 1r i c h a r d 的知识链模型 1 9 9 8 年，r i c h a r d 在k o u l o p o u l o s l l 5 1 基础上，提出了改进的知识链模型“。 由于本文没有找到k o u l o p o u l o s 的原文，所以在此仅以r i c h a r d 的改进模型来说 明。 r i c h a r d 认为，知识链的两个基本组成部分是a w a r e n e s s 和r e s p o n s i v e n e s s 。 所谓的a w a r e n e s s 是指公司或组织所拥有的知识，而r e s p o n s i v e n e s s 指公司或 组织有运用这些知识的意愿，两者缺一不可。而知识链就是两者的互相转化，如 图2 - 2 所示： 图2 - 2r i c h a r d 的知识链模型 从图中可以看出，知识链由四个紧密联系，相互转化的四个区间组成： e x t e r n a la w a r e n e s s ：公司或组织从外部环境中吸取知识。 i n t e r n a la w a r e n e s s ：了解自身所拥有的知识资源。 i n t e r n a lr e s p o n s i v e n e s s ：将所拥有的知识转化为行动，如生产出满足 市场需求的产品等。 e x t e r n a lr e s p o n s i v e n e s s ：将生产出的产品推向市场，以便让消费者接 受 r i c h a r d 的知识链模型的基本理念就是，将公司从外部环境中学到的知识和 自身已有的知识相结合，经过一定的创新之后融入到新产品中，通过新产品的销 售而实现价值的增值，从某种意义上，这条知识链，也可看作是一条价值增值链 基于人上智能的知识链模型及知识获取与表示研究 ( v a l u e - a d d e dc h a i n ) 。 2 4 2h o l s a p p l e 和s i n g h 的知识链模型 h o l s a p p l e 和s i n g h 于2 0 0 0 年提出自己的知识链的模型阍埘，该模型是目 前被引用最多的知识链模型。h o l s a p p l e 是从提高企业竞争力( c o m p e t e n c e ) 的 角度来阐述知识链的。 该模型是利用d e l p h i 方法，对在实旌知识管理方面卓有成效的众多公司的 调研、分析的基础上所形成的。它由5 个主要活动( k n o w l e d g em a n i p u l a t i o n a c t i v i t i e s ) 和4 个对知识管理有影响的次要活动组成，如图2 - 3 所示： 图2 - 3h o l s a p p l e 和s i n g h 的知识链模型 2 4 3 两种模型的比较分析 h o l s a p p l e 和r i c h a r d 的模型，看起来有很大的不同，但是两者的思想是一 致的，只是表达的方式不同而已。首先，两者都是从p o r t e r 的v a l u ec h a i n “” 而来的( p o r t e r 的价值链模型如图2 - 4 所示) ：其次，两者都是从获取知识( 内 部的、外部的) 开始，最后将这些知识外化到企业的产品之中，在r i c h a r d 的模 型中，就是从e x t e r n a la w a r e n e s s 到e x t e r n a lr e s p o n s i v e n e s s 的过程，而在 h o l s a p p l e 的模型中，则是从知识获取( a c q u i s i t i o n ) 到外化 ( e x t e r n a l i z a t i o n ) 。本文认为，h o l s a p p l e 的模型比较直观、易于理解，这也 是为什么在国内外知识链的研究中，一般只引用h o l s a p p l e 的模型的原因了。 基r 人工智能的知识链模型及知识获取与表示研究 圈2 叫p o r t e r 的价值链模型 2 4 4 带有反馈的知识链模型 清华大学刘冀生教授认为：h o l s a p p l e 的知识链模型有很多可取之处，但它 尚不能全面反映真正的知识链概念，其缺陷主要有以下两点旺耵： 第一：该知识链缺乏环境的适应性，从知识链的定义中可以看出。企业的知 识链实际上是一种链状网络。在这个网络中，企业内部的知识链首先是外部知识 网的一个节点。企业的知识链要能够与外界的知识网进行动态匹配，这种匹配本 身是企业知识管理的重要组成部分。 第二：该知识链缺乏动态性，它没有反馈，没有表现出知识的无限循环。 基于上述两点，刘冀生教授提出了改进的知识链模型，如图2 5 所示。这个 知识链模型较好地反映了企业核心竞争力和知识的本质联系，在知识和竞争能力 之间为人们架起了一座桥梁。 图2 - 5 刘冀生等人的知识链改进模型 基丁：人上智能的知识链模型及知识获取与表示研究 天津人学的徐建锁，认为该模型没有体现知识链的内部机制以及企业内部知 识的新陈代谢，因此，提出二次改进的知识链模型，这个知识链模型与上述知 识链模型相比，具有以下改进： 体现了知识在企业内部和外部的双循环过程，实际上，正是知识链中知 识的这种无限双循环，才促进了企业核心能力的新陈代谢和螺旋上升。 知识链中引入了用户这一关键环节，如果在知识链中缺少了作为用户的 人这一关键环节，就不会有知识创新，就不会产生知识反馈，知识链就 无法形成闭环丽进行流动。 企业竞争力主要体现在竞争对手们对难于模仿的隐性知识的利用上，因 而竞争力是以竞争情报信息和技术情报信息等形式反馈回外部信息网。 这些信息又成为各个企业知识产生的源泉。 除此之外，h u n gk u nw o n g ，c h i n gc h y il e e 等人，也不同程度的对 h o l s a p p l e 的模型进行过改进。 2 5 基于人工智能的知识链模型的提出 到目前为止，尚没有出现从人工智能的角度来研究知识链模型的文章，本文 的2 2 部分简单介绍过知识管理与人工智能的关系，实际上，对知识链的研究同 样离不开人工智能技术的支持“”。 通过借鉴前人的研究成果，以及对大量资料的研究和掌握，本文提出基于人 工智能的知识链模型，首先提出知识链的概念模型，该模型是通用的，独立于任 何的技术；然后融合知识管理的思想，提出基于人工智能的知识链模型。 2 5 1 知识链的概念模型 知识链就是对知识从获取到转化、存储、共享和交流等的过程进行管理，同 时在这一过程中促进知识的创新，形成新的知识，从这个角度来讲，知识链不应 该是闭合的、封闭的，面应该是循环往复、呈螺旋上升的过程，每一次上升，都 是在已有知识基础上，形成新知识的过程，如图2 - 6 所示。从中可以看出，知识 链中的知识从组织的内外部知识源中获取，然后存于组织的知识库中，供所有 员工进行交流和共享，而交流过程中形成的新知识又归聚到知识源中，由此形成 基于人工智能的知识链模型及知识获取与表示研究 一次循环。 图2 - 6 知识链的概念模型 在图2 - 6 中，知识表示位于知识链的中心，因为在知识链中，知识必须以一 定的形式存在，