基于知識鏈的知識提煉模型研究與設(shè)計

/北京臨近空間飛行器系統(tǒng)工程研究所

當前，知識管理因其對企業(yè)持續(xù)創(chuàng)新、高速發(fā)展、保持永久競爭力方面的重要作用，越來越成為重要的研究與實踐內(nèi)容之一。作為知識密集型、智慧密集型的航天企業(yè)，尤其是面臨著研制周期短、質(zhì)量要求高，以及軍民融合、市場化轉(zhuǎn)型、二次創(chuàng)業(yè)等時代浪潮，如何充分利用當下已經(jīng)積累的、正在產(chǎn)生的海量多源異構(gòu)型知識，對更加高效、高質(zhì)量地完成航天任務(wù)、傳承航天文化和精神具有十分重要的意義。

知識可充分利用的前提是有效的處理和分析，但當前有價值的知識混雜在海量數(shù)據(jù)之中，需要采取高效高質(zhì)的手段從中提煉和凝聚知識，才能真正發(fā)揮知識在企業(yè)科研生產(chǎn)、管理、創(chuàng)新、傳承等方面的作用。中國運載火箭技術(shù)研究院已率先開展知識管理研究和實踐，并且在理論方法和系統(tǒng)實現(xiàn)方面取得了一定的成效，但是限于知識管理的復雜度和實施進度，雖然各個院所廠已經(jīng)積累了部分知識，對其處理的力度仍顯不足。同時，具有“五大”特點的海量多源異構(gòu)的試驗數(shù)據(jù)被擱置，沒有做到真正的分析和提煉，整體知識提煉水平較低。

筆者基于現(xiàn)有院所廠知識積累和知識提煉的現(xiàn)狀，提出一種知識組織和處理的完整閉環(huán)知識鏈，對照知識鏈提出“三層級、兩段式”的知識提煉模型，分析并利用該模型完成對知識的有效提煉。

一、知識鏈的定義和意義

知識鏈，從組織形式上是以一種鏈條的方式體現(xiàn)知識間的關(guān)聯(lián)方式和流轉(zhuǎn)過程；從功能上是基于知識流完成企業(yè)內(nèi)、外部知識在轉(zhuǎn)移與擴散過程中的捕獲、選擇、組織和創(chuàng)新的具有價值增值功能的知識管理手段。近年來，知識鏈逐漸成為知識管理研究的重點內(nèi)容之一，它是幫助梳理、規(guī)范知識管理過程的重要手段，通過定義知識鏈的內(nèi)容和前后銜接關(guān)系，可有效幫助不同文化、業(yè)務(wù)、群體的單位構(gòu)建本地化的知識管理落地方案。

根據(jù)有關(guān)學者的研究，如Wiig認為知識鏈包括知識的創(chuàng)新與來源、編輯與傳播、吸收、應(yīng)用與價值實現(xiàn)4個環(huán)節(jié)，Dibella認為知識鏈由知識獲取、吸收、利用3個部分組成，Prost等認為知識鏈分為獲取、開發(fā)與創(chuàng)新、共享與傳播、使用和保存等環(huán)節(jié)，結(jié)合航天業(yè)務(wù)、文化、用戶群體等特點，以及國內(nèi)知識管理研究與實施現(xiàn)狀，筆者提出了“九階段三閉環(huán)”式知識鏈，包括知識獲取、識別、表示、組織、存儲、提煉、分析、傳播、應(yīng)用。知識鏈的內(nèi)容和相互關(guān)系如圖1所示。

考慮到知識管理需要做到全生命周期管理、全流程可追蹤，同時知識管理的具體實踐仍處在起步和不斷修正的階段，因此需要通過應(yīng)用不斷完善評估標準和模型，從而自動化、循環(huán)式地實現(xiàn)整個知識處理過程的效率和效果。

二、航天領(lǐng)域知識提煉現(xiàn)狀分析

一是知識管理多集中在收集和共享。

具有一定的理論方法以及系統(tǒng)實現(xiàn)，但系統(tǒng)實現(xiàn)偏重于收集，且多以文字、文檔、音視頻的方式存儲，通過b/s架構(gòu)共享給科研和生產(chǎn)人員，但對這些知識的處理、提煉、分析較為有限。

二是眾多具有重大價值的數(shù)據(jù)未被有效提煉。

航天領(lǐng)域業(yè)務(wù)范圍廣、技術(shù)要求高，無論是科研生產(chǎn)還是綜合管理與保障，都是復雜而龐大的系統(tǒng)工程，與科研、管理相關(guān)的知識種類眾多且數(shù)量龐大，如以型號研制為代表的各專業(yè)、各階段文檔、模型、數(shù)據(jù)與以實驗和試驗為代表的試驗數(shù)據(jù)整體呈現(xiàn)出“五大”特點，即數(shù)據(jù)量級大、來源范圍大、種類數(shù)量大、價值大、浪費大，但這些海量多源異構(gòu)數(shù)據(jù)多以紙質(zhì)文件或光盤的形式保存，并未多加分析利用，而這些數(shù)據(jù)卻是航天領(lǐng)域?qū)Ｓ械淖罹邇r值的核心知識載體。

三是現(xiàn)有知識提煉方法的有效性低。

航天領(lǐng)域的數(shù)據(jù)具有海量多源異構(gòu)的特性，如想提煉成真正對科研生產(chǎn)、管理有幫助，對航天經(jīng)驗與文化有傳承、有價值的知識，定制化的知識提煉算法勢在必行，即需要針對不同的數(shù)據(jù)、需求搭配不同復雜度、準確度、領(lǐng)域?qū)＜抑R背景的算法鏈。由于知識提煉算法不具有普適性，雖然當前已被實踐的數(shù)據(jù)挖掘和提煉算法眾多，但幾乎不支持定制化，對提煉數(shù)據(jù)的有效性影響極大。同時，由于知識管理本身的復雜性和領(lǐng)域特殊性，知識提煉算法的正確性和有效性需要靠多輪修正和迭代來保證（提煉和挖掘算法的客觀限制），即知識提煉需要內(nèi)部評估環(huán)節(jié)。但是目前的評估器多為單一的人工或單一的算法，單一的人工評定耗時久、效率低，不適合航天領(lǐng)域數(shù)據(jù)海量的特點；單一的算法效率雖高，但因人工智能、自然語言分析等算法本身的限制，無法取代或逼近人工評定的準確性。所以，知識提煉算法的內(nèi)部修訂需要通過人工和自動化結(jié)合的方式，以達到有效與高效的平衡。

圖1 “九階段三閉環(huán)”知識鏈

三、基于知識鏈的知識提煉模型

由知識鏈結(jié)構(gòu)可見，知識提煉是其中的關(guān)鍵環(huán)節(jié)，扮演著承接知識收集（獲取、識別、表示、組織）和知識應(yīng)用（分析、評估、應(yīng)用）的重要角色，基于知識鏈的知識提煉模型架構(gòu)如圖2所示。

該知識提煉模型具有以下2個特點：一是定義了知識分層模型，對于以各種形式存在的數(shù)據(jù)，通過分層式、階段式處理和提煉做到最大限度地貼合每一環(huán)節(jié)的數(shù)據(jù)特點和處理目標，從而提升數(shù)據(jù)提煉的有效性，通過分析已存儲數(shù)據(jù)特點及知識提煉通用過程，提出了包括數(shù)據(jù)、信息、知識的3層知識分層模型，三者的從屬關(guān)系為數(shù)據(jù)包含信息、信息包含知識；二是提出了分層提取模型，針對“三層級、兩段式”的知識分層模型，制定了2個階段的知識提煉手段。

第1階段為數(shù)據(jù)挖掘，利用該技術(shù)完成數(shù)據(jù)向信息的提煉，并將處理后的分類信息輸入到第2階段中；第2階段為標注和標簽，利用該技術(shù)完成信息向知識的提煉，得到具有獨立意義和眾多標簽屬性的知識元集合，輸入到知識鏈的分析模塊中，從而為知識的利用提供數(shù)據(jù)支撐。

1.數(shù)據(jù)挖掘

采用基于知識流的數(shù)據(jù)挖掘手段完成知識提煉模型的第1層，即數(shù)據(jù)向信息的轉(zhuǎn)化。當前，限制知識提煉精度和價值的重要原因之一是提煉方式，即通用的數(shù)據(jù)挖掘算法無法滿足航天數(shù)據(jù)數(shù)量大、來源廣、種類雜的特點，導致直接使用現(xiàn)有數(shù)據(jù)挖掘手段得到的信息準確度和價值性較低。筆者提出一種基于知識流的可配置型數(shù)據(jù)挖掘思路，即以知識流為組織和核心驅(qū)動，通過配置文件分析和生成器、可配置的數(shù)據(jù)挖掘插件庫，完成針對航天固有特點數(shù)據(jù)的提煉，提煉的思路和框架如圖3所示。

圖2 基于知識鏈的知識提煉模型架構(gòu)

圖3 第1層知識提煉框架圖

知識提煉框架具有以下2個特點：

一是可配置的數(shù)據(jù)挖掘方案。數(shù)據(jù)挖掘方案創(chuàng)新性地引入配置文件分析和生成器，通過其中的數(shù)據(jù)類型分析器分析提煉數(shù)據(jù)的特點，并結(jié)合應(yīng)用場景和提煉目標得到適合數(shù)據(jù)類型、特點、背景和目標的挖掘插件配置方案，該方案作為知識流的理論組成部分，指導知識流到數(shù)據(jù)挖掘插件庫中挑選和組裝具體的挖掘方案和流程。通過該配置文件分析和生成器以及種類豐富、性能穩(wěn)定的數(shù)據(jù)挖掘插件庫，可有效定制數(shù)據(jù)挖掘方案，從而保障個性、高效、準確地進行數(shù)據(jù)提煉。

二是基于知識流的自組織和自驅(qū)動實施措施?；谂渲梦募睦碚撝笇?，通過知識流完成各類功能插件的組裝和接口適配，利用組裝的挖掘方案進行包括分類、聚類、關(guān)聯(lián)在內(nèi)的實際數(shù)據(jù)挖掘行為，并基于知識流完成提煉結(jié)果的輸出和存儲；通過定制化的數(shù)據(jù)挖掘知識流，可保證整個數(shù)據(jù)挖掘流程的豐富性和特定性，針對不同背景的知識、不同程度的目標，可完成從輸入數(shù)據(jù)和要求后整個挖掘系統(tǒng)的快速準確搭建，包括自動的數(shù)據(jù)分析、挖掘算法和實現(xiàn)插件的搭配、流程的組裝和運轉(zhuǎn)，從而保證數(shù)據(jù)到信息提煉的有效性和高效性。

2.標注和標簽

由于知識提煉水平較低，且因提煉算法本身的限制，即使通過提煉手段得到部分處理后的知識內(nèi)容，經(jīng)過人工審閱后仍然會使有價值的知識數(shù)量大大減少，所以知識提煉需要人工參與；但受限于當前巨大的數(shù)據(jù)量級，完全依靠人工完成知識的提煉幾乎是不可能的事情，所以需要有效地結(jié)合這2種方法。

標簽可以幫助體現(xiàn)特征，它是含有一定信息量的相關(guān)性較強的短語或詞組，是通用的內(nèi)容組織方式，被廣泛用于各類數(shù)據(jù)、服務(wù)的標記中。標簽因其簡短性、強關(guān)聯(lián)性，使得它可以用作特征詞應(yīng)用到數(shù)據(jù)挖掘中，也可被用來描述web服務(wù)，體現(xiàn)其特征，以幫助人們理解；可以用于數(shù)據(jù)的分類和聚類，從而提高同類數(shù)據(jù)的發(fā)現(xiàn)，或者應(yīng)用到推薦系統(tǒng)中。同時，可以扮演關(guān)鍵詞被用于檢索，從而提高搜索引擎的性能等。

基于標簽的自動標注系統(tǒng)利用標注和標簽手段進一步提純數(shù)據(jù)挖掘后的信息，從而得到具有價值的知識，該標注系統(tǒng)的框架如圖4所示。

該系統(tǒng)具有以下3個特點：

一是平衡人工標注和自動標注。系統(tǒng)將已分類后的信息分解成樣本集和全集，人工標注樣本集，系統(tǒng)自動標注全集，從而保證人工和自動標注在有效性和高效性上的平衡。

二是多輪迭代的自學習式訓練模型。通過人工標注，將樣本信息分解成核心信息和一般信息，完成首輪信息篩選；將分類后的信息輸入到訓練模型中進行訓練，通過內(nèi)部評估模型和人工標注的標準，不斷修正自動標注的準確性，完成訓練模型內(nèi)部的三輪迭代后，引入人工，判斷自動標注擴大后信息集合結(jié)果的準確性，并通過三輪的迭代定型訓練模型。通過3次內(nèi)部迭代，3次擴大基礎(chǔ)信息集合和人工標注的3次外部迭代，保證了訓練模型的有效性。通過多而小的樣本集和迭代，大大降低了時間、精力、物力等方面的成本。

圖4 自動標注系統(tǒng)框架圖

三是快速生效的多維應(yīng)用模型。利用樣本集快速訓練得到的訓練模型，通過定型輸出得到應(yīng)用模型。該應(yīng)用模型除了具備基本的信息標注能力，即通過該模型可以為各類輸入信息生成屬性標簽外，還可以利用生成的標簽完成循環(huán)和自學習，即某個知識元原本具備少量關(guān)聯(lián)標簽，通過循環(huán)和自學習豐富自身標簽，從而完善自身關(guān)聯(lián)關(guān)系和屬性，為后續(xù)知識的關(guān)聯(lián)和聚類作準備；關(guān)聯(lián)和聚類是針對已經(jīng)生成的多個單一的知識元，通過標簽做關(guān)聯(lián)分析，找到標簽相同或含義相近的若干知識元，通過聚類手段完成同類知識元的聚類，從而形成不同范圍大小的知識關(guān)聯(lián)簇，為知識的具體應(yīng)用作準備；從屬和連接是通過標簽將知識元與具體的流程關(guān)聯(lián)，并綁定到特定的活動節(jié)點上，在催動知識快速流轉(zhuǎn)的同時完成了流程管理和知識管理的有效結(jié)合，并為科研生產(chǎn)、管理提供看得見的知識保障。▲