國際知識工程研究可視化分析

邱均平　翟莉莉

[摘要]為全面了解國際知識工程領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢，以Web of Science數(shù)據(jù)庫收錄的2001—2016年知識工程領(lǐng)域的文獻(xiàn)數(shù)據(jù)為研究對象，借助CiteSpaee軟件，通過文獻(xiàn)計(jì)量學(xué)和可視化方法從年代分布、期刊分布、學(xué)科分布、研究力量分布、重要文獻(xiàn)、研究熱點(diǎn)以及研究前沿等方面進(jìn)行分析。根據(jù)上述研究，繪制知識圖譜，對國際知識工程的研究現(xiàn)狀和發(fā)展進(jìn)行分析和總結(jié)，為我國知識工程研究提供參考。

[關(guān)鍵詞]知識工程；可視化；知識圖譜；CiteSpace

DOI：10.3969/j.issn.1008—0821.2017.06.024

（中圖分類號]G250.252 [文獻(xiàn)標(biāo)識碼]A [文章編號]1008—0821（2017）06—0148—07

“隨著信息技術(shù)的迅猛發(fā)展，人們所掌握的知識呈現(xiàn)出爆炸性增長的趨勢，為了適應(yīng)知識社會的發(fā)展，更合理、有效地管理和利用知識，需要對知識本身及其活動規(guī)律展開研究，這是知識工程領(lǐng)域的核心研究內(nèi)容”。知識工程是伴隨專家系統(tǒng)的研究而產(chǎn)生的，基于專家系統(tǒng)DEN-DRAL的成功，美國斯坦福大學(xué)教授Feigenbaum于1977年第五屆國際人工智能會議上提出了“知識工程”的概念，他指出，“知識工程是應(yīng)用人工智能的原理和方法，對那些需要專家知識才能解決的應(yīng)用難題提出求解的手段”。

知識工程是計(jì)算機(jī)科學(xué)與人工智能研究的重要領(lǐng)域之一。知識工程的研究內(nèi)容主要包括知識獲取、知識表示、知識組織、管理及利用。隨著知識工程的發(fā)展，已經(jīng)有越來越多知識工程的方法與技術(shù)被應(yīng)用到各個領(lǐng)域中，為各個行業(yè)的知識服務(wù)提供支持。國內(nèi)外已有學(xué)者對知識工程領(lǐng)域進(jìn)行綜述研究，這些研究大多針對某一主題或應(yīng)用研究領(lǐng)域，如Zipparo M等對5種本體合并技術(shù)和工具進(jìn)行調(diào)查研究，并將其與一組通用的評估標(biāo)準(zhǔn)進(jìn)行比較；La Rocca G探討知識工程的技術(shù)基礎(chǔ)，強(qiáng)調(diào)了傳統(tǒng)知識工程系統(tǒng)與計(jì)算機(jī)輔助設(shè)計(jì)系統(tǒng)的主要差異和相似性；Jiang Hua介紹了主要的知識獲取技術(shù)，比較其差異，總結(jié)應(yīng)用知識獲取技術(shù)獲取知識的基本步驟，最后描述了知識獲取技術(shù)的最新發(fā)展?fàn)顩r；袁國銘等從知識工程的基本概念人手，對知識獲取、知識表示及知識運(yùn)用進(jìn)行綜述研究，并指出知識管理對知識工程應(yīng)用的作用；尹嬋娟等從基礎(chǔ)理論、影響因素、框架模型和方法這4個方面來分析我國知識獲取研究現(xiàn)狀；羅奕玥等介紹了知識工程的概念和發(fā)展歷程，重點(diǎn)分析了知識工程在工業(yè)工程、教育領(lǐng)域、新興應(yīng)用等多個領(lǐng)域的主要應(yīng)用。目前，國內(nèi)運(yùn)用計(jì)量學(xué)方法探索知識工程整體發(fā)展現(xiàn)狀的文獻(xiàn)尚不多見，其中趙華、邱均平等分別對知識工程領(lǐng)域論文進(jìn)行文獻(xiàn)計(jì)量分析，但他們的研究都局限于國內(nèi)知識工程領(lǐng)域的發(fā)展現(xiàn)狀，并未涉足國際。鑒于此，本文采用計(jì)量學(xué)和可視化方法，以知識圖譜的形式展示國際知識工程領(lǐng)域的研究現(xiàn)狀及趨勢，以便相關(guān)研究人員能夠更全面直觀地了解國際知識工程領(lǐng)域的發(fā)展動態(tài)。

1數(shù)據(jù)來源與研究方法

本文數(shù)據(jù)來源于Web of Science數(shù)據(jù)庫，該數(shù)據(jù)庫收錄了10 000多種學(xué)術(shù)期刊和超過11萬個國際會議的學(xué)術(shù)文獻(xiàn)，這些期刊和會議均經(jīng)過嚴(yán)格遴選，因此以Web of Science數(shù)據(jù)庫中知識工程研究的相關(guān)文獻(xiàn)為數(shù)據(jù)來源，能夠較為全面地展現(xiàn)該領(lǐng)域的研究現(xiàn)狀。在Web of Science數(shù)據(jù)庫中，以“Knowledge Engineering”為主題詞進(jìn)行檢索，時間范圍設(shè)置為2001—2016年，文獻(xiàn)類型選擇Article、Proceedings Paper，共得到1450條文獻(xiàn)記錄。

本文所選用的工具是由陳超美教授應(yīng)用Java語言開發(fā)的可用于計(jì)量和分析文獻(xiàn)數(shù)據(jù)的可視化軟件CiteSpace。CiteSpace適合用于復(fù)雜網(wǎng)絡(luò)分析，其繪制的知識圖譜能夠顯示某個學(xué)科領(lǐng)域在一定時期內(nèi)的發(fā)展動向，形成若干研究前沿領(lǐng)域的演進(jìn)歷程。本文運(yùn)用計(jì)量學(xué)方法，從文獻(xiàn)的年代分布、期刊、學(xué)科分布、研究力量分布、重要文獻(xiàn)、研究熱點(diǎn)及前沿等方面進(jìn)行可視化展示，從而全面地展現(xiàn)國際知識工程研究的現(xiàn)狀及趨勢。

2知識工程研究結(jié)果分析

2.1年代分布

研究文獻(xiàn)的時間分布，可以了解這一學(xué)科的研究水平和發(fā)展現(xiàn)狀。圖1為知識工程研究的文獻(xiàn)年代分布?？梢钥闯觯?001～2016年間知識工程領(lǐng)域的發(fā)展大致可以歸納為以下3階段：2001-2005年為成長期，論文數(shù)量基本呈穩(wěn)步上升趨勢，知識工程研究取得一定進(jìn)展；2006-2010年為發(fā)展期，這5年的發(fā)文量達(dá)到551篇，年均發(fā)文量達(dá)到最高，說明知識工程研究發(fā)展快速，成果顯著；2011-2016年為穩(wěn)定期，發(fā)文量在一定范圍內(nèi)呈波動狀態(tài)。

2.2期刊分布

對某一學(xué)科領(lǐng)域研究文獻(xiàn)的來源期刊進(jìn)行考察，可以進(jìn)一步了解該領(lǐng)域文獻(xiàn)的空間分布現(xiàn)狀，對開展該領(lǐng)域文獻(xiàn)檢索及研究具有重要意義。為此，選取Cited Journal為研究對象，在CiteSpace中設(shè)置合適的閾值，運(yùn)行軟件得到知識工程領(lǐng)域的期刊共現(xiàn)圖譜，如圖2所示。表l中展示的是知識工程領(lǐng)域的高被引期刊。

節(jié)點(diǎn)的中心性是圖論中的一種屬性，可以衡量網(wǎng)絡(luò)中不同位置的節(jié)點(diǎn)的重要性。經(jīng)統(tǒng)計(jì)，上述高被引期刊中有7個期刊的中心性大于0.1，分別是“COMMUN ACM”、“ARTIF INTELL”、“KNOWL ENG REV”、“EXPERT SYST AP-PL”、“AI MAG”、“LECT NOTES ARTIF INT”、“DATA KNOWLENG”，其中心性依次是0.18、0.17、0.14、0.13、0.12、0.11、0.11。這表明這些期刊在知識工程研究領(lǐng)域占據(jù)重要地位，是知識工程研究的主要學(xué)術(shù)交流陣地，其刊載的文章具有較高的質(zhì)量，并引起該領(lǐng)域?qū)W者的關(guān)注。

2.3學(xué)科分布

分析某一研究領(lǐng)域的學(xué)科分布，能夠識別該領(lǐng)域的學(xué)科屬性，擴(kuò)展研究視野，促進(jìn)學(xué)科間知識交流。選取Care-gory為研究對象，設(shè)置合適的閾值，運(yùn)行軟件得到知識工程領(lǐng)域的學(xué)科分布圖譜，如圖3所示。

由圖3可知，知識工程研究主要集中于計(jì)算機(jī)科學(xué)、工程學(xué)等領(lǐng)域。經(jīng)統(tǒng)計(jì)，1105篇文獻(xiàn)屬于計(jì)算機(jī)科學(xué)領(lǐng)域，占總體的76.21%；467篇文獻(xiàn)屬于工程學(xué)領(lǐng)域，占總體的32.21%。位居前5的余下3個學(xué)科依次是：運(yùn)籌學(xué)與管理科學(xué)，88篇，占總體的6.07%；自動化及控制系統(tǒng)，71篇，占總體的4.90%；商業(yè)經(jīng)濟(jì)，67篇，占總體的4.62%。此外，該研究也涉及教育學(xué)、管理學(xué)、信息科學(xué)與圖書館學(xué)、電信學(xué)、醫(yī)學(xué)信息學(xué)等學(xué)科領(lǐng)域?？梢姡R工程研究與眾多學(xué)科領(lǐng)域密不可分，具有廣泛的應(yīng)用領(lǐng)域。

2.4知識工程研究力量分布

2.4.1國家（地區(qū)）分布

研究國家分布，可以讓我們了解不同國家（地區(qū)）在該領(lǐng)域的研究實(shí)力。選取country為研究對象，繪制知識工程研究的國家（地區(qū)）分布圖譜，如圖4所示。

圖中的節(jié)點(diǎn)代表國家（地區(qū)），節(jié)點(diǎn)越大表示發(fā)文量越多。從發(fā)文量來看，美國在知識工程領(lǐng)域的發(fā)文最多，為201篇。其次是中國大陸發(fā)文193篇，位居第二。另外，知識工程領(lǐng)域高產(chǎn)的國家（地區(qū)）還包括法國（133篇）、西班牙（109篇）、英國（90篇）、德國（87篇）、加拿大（53篇）、波蘭（52篇）、意大利（50篇），說明這些國家和地區(qū)較為關(guān)注知識工程領(lǐng)域研究，并取得一定的成果。從中心度來看，知識工程領(lǐng)域中心度較高的國家有英國（0.35）、荷蘭（0.25）、西班牙（0.19）、意大利（0.1）等，這表明這些國家（地區(qū)）在知識工程研究領(lǐng)域處于主導(dǎo)地位。

節(jié)點(diǎn)間的連線表示國家（地區(qū)）之間存在合作關(guān)系，連線越粗則說明國家（地區(qū)）之間的合作越緊密。由圖3可知，在知識工程領(lǐng)域，合作較為密切的國家（地區(qū)）主要集中于以英國、西班牙、荷蘭等為主的歐洲國家（地區(qū)），中國大陸僅與澳大利亞之間有合作關(guān)系，缺少國際學(xué)術(shù)交流。

2.4.2機(jī)構(gòu)分布

選取Institution為研究對象，設(shè)置合適的閾值，運(yùn)行軟件得到知識工程研究的機(jī)構(gòu)分布圖譜（見圖5）。節(jié)點(diǎn)大小與該機(jī)構(gòu)的發(fā)文量正相關(guān)，節(jié)點(diǎn)之間的連線代表機(jī)構(gòu)之間存在合作關(guān)系。

由圖5可知，知識工程領(lǐng)域研究機(jī)構(gòu)數(shù)量眾多，但機(jī)構(gòu)之間的合作較為稀疏，只有較少的機(jī)構(gòu)之間存在合作關(guān)系。從中心性來看，圖中機(jī)構(gòu)在網(wǎng)絡(luò)圖譜中的中心性均趨近0，表明機(jī)構(gòu)間合作文獻(xiàn)較少，在整個網(wǎng)絡(luò)中的連接作用很小。從發(fā)文量來看，排名靠前的機(jī)構(gòu)分別是Univ Tech-nol Troyes、Vrije Univ Amsterdam、Univ Calgary、AGH Univ Sci&Technol、Univ Granada、St Petersburg State Univ、Chinese A-cad Sci、Univ Edinburgh、Dalian Univ Technol、Chiang Mai U-niv，Univ Leipzig，Univ Newcastle，Univ Castilla La Mancha，U-niv Pittsburgh。從機(jī)構(gòu)類型來看，高校及科研院所是知識工程研究的主要力量。其中在我國科研機(jī)構(gòu)中，中國科學(xué)院及大連理工大學(xué)的發(fā)文量位居前列，表明這兩所院校在知識工程領(lǐng)域具有較強(qiáng)的科研實(shí)力。

2.4.3作者分布

選取作者（Author）為研究對象，設(shè)置合適的閾值，運(yùn)行軟件得到知識工程研究的作者分布圖譜，如圖6所示。圖中節(jié)點(diǎn)代表發(fā)文作者，節(jié)點(diǎn)大小代表作者的發(fā)文量，節(jié)點(diǎn)越大，表明該作者發(fā)文量越多。節(jié)點(diǎn)之間的連線代表作者之間存在合作關(guān)系。

由圖6可知，知識工程研究領(lǐng)域發(fā)文量位居前10的作者分別是Tatiana Gavrilova（13篇）、Edward Szczerbicki（12篇）、Cesar Sanin（9篇）、Nada Matta（9篇）、Yingxu Wang（8篇）、Grzegorz J.Nalepa（7篇）、Carlos Toro（7篇）、Gwo-JenHwang（6篇）、Davy Monticolo（6篇）、Soeren Auer（6篇）。從合作角度看，該領(lǐng)域作者之間的合作相對分散，以2～5人的小團(tuán)體為主。在這些作者中形成的最大的合作網(wǎng)絡(luò)是由Edward Szczerbicki、Cesar Sanin等組成的10人網(wǎng)絡(luò)，這些學(xué)者來自紐卡斯?fàn)柎髮W(xué)等研究機(jī)構(gòu)，主要涉及知識表示與決策研究。從中心性來看，圖中作者的中心性趨近為0，這表明網(wǎng)絡(luò)中沒有處于核心地位的作者。

2.5引文分析

文獻(xiàn)被引頻次的高低及其中心性的大小都可以反映文獻(xiàn)的影響力和價值。通常情況下，單篇文獻(xiàn)的被引頻次越高，說明該文獻(xiàn)在研究領(lǐng)域中的學(xué)術(shù)影響力越大。節(jié)點(diǎn)文獻(xiàn)的中心性也體現(xiàn)文獻(xiàn)在學(xué)科領(lǐng)域的重要程度。以Cited reference為分析對象，運(yùn)用可視化軟件展示知識工程研究文獻(xiàn)的共被引圖譜，如圖7所示。

圖7中，節(jié)點(diǎn)大小與該文獻(xiàn)的引頻次正相關(guān)，帶有紫色光圈的節(jié)點(diǎn)具有較高的中心性。結(jié)合被引頻次，可以認(rèn)為具有高被引頻次及高中心性的關(guān)鍵文獻(xiàn)是該領(lǐng)域的重要文獻(xiàn)。選取被引頻次位居前列，且中心性均不低于0.2的文獻(xiàn)作為知識工程領(lǐng)域的重要文獻(xiàn)，共有3篇重要文獻(xiàn)。

被引頻次排在首位的是斯坦福大學(xué)知識系統(tǒng)實(shí)驗(yàn)室的GRUBER TR于1993年發(fā)表的名為“A Translation Approcah to Portable Ontology Specifications”的論文，其中心度為0.48。該文提出了本體的定義，認(rèn)為本體是概念化的、明確的規(guī)范說明，同時也描述了一種用于定義本體的機(jī)制，即0n.tolingua系統(tǒng)，用于解決本體表示的問題。被引頻次排在第二的是Studer R等人在1998年發(fā)表的“Knowledge Engi-neering：Principles and Methods”一文，其中心度為0.24。該文獻(xiàn)描述了知識工程領(lǐng)域的3種建?？蚣?，即Com-monKADS、MIKE以及PROTeGe-Ⅱ。被引頻次位居第三是Schreiber GT等人于2000年出版的“Knowledge Engineering and Management：The CommonKADS Methodology”，其中心度為0.24。該著作系統(tǒng)闡述了CommonKADS方法，提出知識獲取的工程技術(shù)路線和一套組織與任務(wù)分析工具。

由以上分析可知，該領(lǐng)域的重要文獻(xiàn)主要研究的是知識工程領(lǐng)域所使用的主要模型與方法，側(cè)重于知識工程領(lǐng)域的技術(shù)實(shí)現(xiàn)。

2.6研究熱點(diǎn)分析

關(guān)鍵詞是文章的核心和精髓，是對文章主題的高度概括，因此高頻關(guān)鍵詞常常被用來確定一個研究領(lǐng)域的熱點(diǎn)問題。運(yùn)用可視化軟件CiteSpace繪制知識工程領(lǐng)域的關(guān)鍵詞知識圖譜，如圖8所示。圖譜中每個節(jié)點(diǎn)代表對應(yīng)的關(guān)鍵詞，節(jié)點(diǎn)越大說明關(guān)鍵詞頻次越大。

在圖8展示的知識工程領(lǐng)域研究熱點(diǎn)圖譜中，出現(xiàn)頻次最高的關(guān)鍵詞是Knowledge Engineering（知識工程），頻次高達(dá)506次。高頻關(guān)鍵詞反映出的知識工程領(lǐng)域的研究熱點(diǎn)還包括Ontology（本體）、Systems（系統(tǒng)）、Knowledge Man-agement（知識管理）、Knowledge（知識）、Design（設(shè)計(jì)）、Knowledge Representation（知識表示）、Semantic Web（語義網(wǎng)）、Artificial Intelligence（人工智能）、Knowledge Acquisition（知識獲?。?、Expert System（專家系統(tǒng)）等。同時，從中心性角度來看，中心性大于0.1的關(guān)鍵詞包括（Systems）系統(tǒng)、Knowledge Engineering（知識工程）、Knowledge（知識）、Software Engineering（軟件工程）、Ontology（本體）、Semantic Web（語義Web）、Knowledge Representation（知識表示）、Knowledge Management（知識管理）、Knowledge Acquisition（知識獲?。┑?。將高頻關(guān)鍵詞與高中心性關(guān)鍵詞進(jìn)行比較可知，兩者大體上保持一致，因此，可以確定這些關(guān)鍵詞在一定程度上能夠表示知識工程研究的熱點(diǎn)。

對熱點(diǎn)關(guān)鍵詞進(jìn)行統(tǒng)計(jì)分析可知，知識工程的研究主要集中在理論研究、技術(shù)方法研究及應(yīng)用研究等方面，涉及的關(guān)鍵詞如Knowledge Engineering（知識工程）、Ontology（本體）、Knowledge Management（知識管理）、Knowledge（知識）、Knowledge Representation（知識表示）、Knowledge Acqui-sition（知識獲?。?、Semantic Web（語義Web）、Expert System（專家系統(tǒng)）等。知識是知識工程的處理對象。知識表示是研究計(jì)算機(jī)表示知識的可行性、有效性的一般方法，是把人類知識表示成計(jì)算機(jī)能處理的數(shù)據(jù)結(jié)構(gòu)和系統(tǒng)控制結(jié)構(gòu)的策略。知識獲取通常是指知識從外部知識源到計(jì)算機(jī)內(nèi)部的轉(zhuǎn)換過程。知識獲取、知識表示都是知識工程實(shí)現(xiàn)的關(guān)鍵環(huán)節(jié)，知識管理則涉及知識庫的管理。本體的目標(biāo)是捕獲相關(guān)領(lǐng)域的知識，提供對該領(lǐng)域知識的共同理解，并對該領(lǐng)域術(shù)語及其關(guān)系進(jìn)行明確定義。語義Web是對傳統(tǒng)Web的延伸，其所有數(shù)據(jù)都被賦予規(guī)范的含義，以便于人機(jī)合作完成數(shù)據(jù)處理任務(wù)。本體及語義Web技術(shù)的提出，為知識工程研究中知識庫的構(gòu)建、知識的表示等提供了新的思路。專家系統(tǒng)致力于使用人類專家推理的計(jì)算機(jī)模型來處理現(xiàn)實(shí)世界中需要專家做出解釋的復(fù)雜問題，是知識工程領(lǐng)域的具體應(yīng)用研究。

2.7研究前沿分析

對于學(xué)科前沿的追蹤有利于學(xué)術(shù)共同體更好地把握學(xué)科發(fā)展的趨勢以及未來研究的方向，我們可以利用CiteSpace中提供的膨脹詞探索技術(shù)和算法來探測和分析學(xué)科研究前沿的變化趨勢。運(yùn)行CiteSpace軟件，繪制該領(lǐng)域研究前沿領(lǐng)域可視化圖譜，如圖9所示。

由圖9可知，2001年，Expert-System（專家系統(tǒng)）是知識工程研究的前沿領(lǐng)域，到2007年，Semantic-Web（語義Web）成為該領(lǐng)域的研究前沿，知識工程研究的發(fā)文量增多，研究熱潮涌現(xiàn)。此外，近年來知識工程研究的前沿領(lǐng)域還包括Domain-Ontology（領(lǐng)域本體）、Machine-Learn-ing（機(jī)器學(xué)習(xí)）、Natural-Language-Processing（自然語言處理）、Knowledge-Modeling（知識建模）、Bayesian-Network（貝葉斯網(wǎng)絡(luò)）等?？梢钥闯觯擃I(lǐng)域研究學(xué)者們在不斷探索新的技術(shù)與方法，將本體、語義網(wǎng)、貝葉斯網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、自然語言處理等相關(guān)技術(shù)方法應(yīng)用到知識表示、知識建模等各個環(huán)節(jié)，促進(jìn)知識工程發(fā)展。

3結(jié)論

本文采用信息計(jì)量學(xué)理論和可視化方法，通過可視化軟件CiteSpace，以Web of Science數(shù)據(jù)庫收錄的知識工程領(lǐng)域的相關(guān)文獻(xiàn)為數(shù)據(jù)來源，對2001-2016年國際知識工程領(lǐng)域研究現(xiàn)狀及發(fā)展規(guī)律進(jìn)行可視化分析，得出以下結(jié)論：

1）在時間分布上，這一時期知識工程的研究分為3個階段，2001-2005年為成長期，論文數(shù)量呈上升趨勢，2006-2010年是發(fā)展期，年均發(fā)文量較大，2010年以后，發(fā)文量在一定范圍內(nèi)呈波動狀態(tài)，逐漸趨于穩(wěn)定階段。

2）在期刊分布上，“COMMUN ACM”、“ARTIF IN-TELL”、“KNOWL ENG REV”、“EXPERT SYST APPL”、“AlMAG”、“LECT NOTES ARTIF INT”、“DATA KNOWL ENG”這些期刊既是該領(lǐng)域的高被引期刊，也是高中心性期刊。

3）在學(xué)科分布上，知識工程研究主要集中于計(jì)算機(jī)科學(xué)、工程學(xué)、運(yùn)籌與管理科學(xué)、自動化與控制系統(tǒng)、商業(yè)經(jīng)濟(jì)等學(xué)科領(lǐng)域。

4）在研究力量分布上，該領(lǐng)域高產(chǎn)國家包括美國，中國、法國、西班牙、英國等，高校和研究院所是該領(lǐng)域研究的主要力量；就合作而言，部分歐洲國家合作相對密切，中國大陸國際合作較少；該領(lǐng)域研究機(jī)構(gòu)和學(xué)者眾多，但機(jī)構(gòu)之間的合作較為稀疏，作者間合作以小團(tuán)體為主，合作網(wǎng)絡(luò)中沒有出現(xiàn)處于核心位置的作者，因此有必要加強(qiáng)國家及機(jī)構(gòu)的合作力度，促進(jìn)作者間的合作研究，為學(xué)術(shù)交流構(gòu)建良好的合作環(huán)境，促進(jìn)知識工程學(xué)科的發(fā)展。

5）在知識工程領(lǐng)域，早期的研究成果被學(xué)者們廣泛認(rèn)可，這些文獻(xiàn)主要涉及到知識工程領(lǐng)域的相關(guān)模型及方法，側(cè)重于技術(shù)實(shí)現(xiàn)。

6）知識工程的研究主要集中于理論研究、技術(shù)方法及應(yīng)用研究等方面，涉及的關(guān)鍵詞有Knowledge Engiaeering（知識工程）、Ontology（本體）、Knowledge Management（知識管理）、Knowledge（知識）、Knowledge Representation（知識表示）、Knowledge Acquisition（知識獲?。?、Semantic Web（語義Web）、Expert System（專家系統(tǒng)）。

7）對知識工程領(lǐng)域的研究前沿進(jìn)行分析，可以發(fā)現(xiàn)知識工程研究在不斷探索新的技術(shù)和方法，前沿領(lǐng)域包括Se-mantic-Web（語義Web）、Domain-Ontology（領(lǐng)域本體）、Knowledge-Modeling（知識建模）、Bayesian-Network（貝葉斯網(wǎng)絡(luò)）、Expert-System（專家系統(tǒng)）等。