基于人工智能的知識服務系統模型研究

廖 盼， 孫雨生

(湖北工業大學經濟與管理學院， 湖北 武漢 430068)

基于人工智能的知識服務系統模型研究

廖 盼， 孫雨生

(湖北工業大學經濟與管理學院， 湖北 武漢 430068)

以知網、萬方、維普為信息源，采用文獻調研法和系統考察法分析現有文獻，考察人工智能發展歷史、現狀及與知識服務關系，構建智力動產價值提升鏈視角下基于人工智能的知識服務系統模型，其體系結構分用戶接口、功能模塊、技術實現三層，功能模塊分知識獲取、知識構建、知識推薦、知識服務、知識創新五模塊。

知識服務系統；人工智能；參考模型

知識服務系統(Knowledge Service System，KSS)是集中管理分布式顯性和隱性知識，基于知識供應鏈將知識提供給用戶的載體。分析現有文獻可發現：現有知識服務系統研究多為領域性系統設計、開發、應用(集中于知識密集型服務業、企業管理)，理論研究較欠缺。部分文獻雖提到系統架構和模塊(多分析引入特定技術(如語義網、云計算、Agent)后系統架構體系)，但存在內涵及特征不明確、架構體系較片面、構建本質分析不全面等問題；現有技術研究集中于知識供應鏈局部(如知識表示、知識融合等)且各自獨立，適用面較窄，致使知識服務系統無法滿足知識經濟時代用戶個性化、智能化、專業化、集成化知識需求。作為知識密集型服務核心技術體系，人工智能廣泛用于互聯網應用、無人駕駛、共享出行等新興領域和農業、醫療、教育等傳統行業，以滿足用戶個性化需求，引導知識多元化應用提升知識服務效益。這些為知識服務系統系列問題的解決提供了新途徑。

本文分析了現有知識服務系統、知識服務與人工智能關系，構建智力動產價值提升鏈視角下基于人工智能的知識服務系統模型，以供相關研究參考。

1 人工智能與知識服務系統簡介

1.1 人工智能

1.1.1發展歷程1950年，圖靈提出預測機器思考能力的“圖靈測試”并發表論文《計算機器與智能》，標志著人工智能萌芽的出現，其正式誕生于1956年達特茅斯會議，發展歷經三個階段：第一階段(1950-1970)，先后經歷符號主義、基于產生式規則的推理系統、基于聯結主義的早期神經網絡、基于知識工程的專家系統；第二階段(1980-2000)，特征為統計分析、機器學習、神經網絡；第三階段(2000年至今)，標志為大數據廣泛應用、深度學習、(非深度)機器學習、AlphaGo。

1.1.2研究內容及分類就內涵而言，2007年斯坦福大學人工智能實驗室Nilsson在著作《人工智能》中提出人工智能是關于知識的科學，即知識表示、知識獲取及知識運用[1]；2010年張國英[2]提出人工智能是研究人類智能活動規律，模擬人類某些智能行為的基本理論、方法、技術，構建可模仿人類思考的機器程序代替人完成需智力解決的問題。就研究本質而言，其是讓計算機模擬人類智能行為的程序；就應用目標而言，其旨在拓展人腦功能，用計算機輔助腦力思維；就分類而言，按人工智能在知識服務供應鏈各環節作用分為感知與理解、表示與建模、學習與發現、系統與構造、問題求解[2]；按人工智能原理分符號智能(用符號形式表示信息和知識，建模人思維活動邏輯，通過模擬人腦思維過程求解問題)、生理智能(用硬件模擬神經網絡)、行為智能(模擬人與動物、環境交互行為)、群體智能(模擬生物群體行為)。

1.2 知識服務系統

知識服務系統本質是專業化、個性化(滿足不同場景下不同層次用戶需求)、深層次智力服務系統，旨在按用戶需求重組碎片化領域知識，提供優質知識資源整合、智能檢索(支持高精度檢索)、知識多維瀏覽及網絡展示[3]等服務，解決知識資源紛繁分散、質量良莠不齊、海量信息處理速度慢、原始信息轉化率低等問題；其與信息管理系統本質區別是系統各處理階段(包括知識獲取、知識構建、知識推薦、知識服務、知識創新等)均一定程度實現智能化, 以提升知識轉化增值度[4]。

知識服務系統按應用領域及系統原理分為基于文獻檢索(多用于科研教育、精準農業、醫療診斷領域)、基于知識管理(多用于組織管理、產品設計、金融決策支持領域)、基于網絡社交(多用于科普咨詢、智慧交通領域)三類。

1.3 基于人工智能的知識服務

區別于傳統信息服務，基于人工智能的知識服務本質是通過計算機程序模擬人腦思考、決策以提供解決問題方案，降低人類重復性工作智力負荷、提升智力價值鏈傳遞效益。特征包括面向知識內容(基于邏輯獲取并形成符合用戶問題及環境需求且可自評的知識產品而非基于簡單提問和文獻獲取)、用戶需求驅動(關注問題解決而非信息提供)、貫穿決策過程(按用戶要求動態連續組織服務而非基于單方面一次性提供)、提供解決方案(非僅提供根據用戶問題、情景加工的初始信息、數據或文獻)、面向增值服務(強調創造性加工形成獨特專業價值而非僅基于資源占有、規模生產等體現價值)。

2 智力動產價值提升鏈視角下基于人工智能的知識服務系統模型

作為知識服務系統核心技術體系，人工智能使其具有人類思考能力，代替人類解決非結構化、不確定性問題，實現問題識別、問題分析、問題解決等步驟智能化處理。鑒于現有人工智能應用層次較分散，多停留于知識表示、智能代理、知識推理等方面，雖有基于人工智能的知識鏈模型研究，但缺乏從智力動產價值提升鏈視角探索人工智能技術潛力的知識服務模型。本文分析了知識服務智力動產價值鏈理論和人工智能思想及技術體系，構建基于人工智能的知識服務系統模型，以支持知識服務系統模擬人類思考、交互、決策能力及提供個性化知識服務，并使用戶成為知識接受者、生產者和傳播者。

2.1 基于智力動產價值提升理論的知識倉庫體系結構模型

知識服務系統基礎與核心是知識倉庫(企業應用較多)，其直接決定知識服務系統的服務質量和效率。分析現有文獻發現，周軍[5]提出的基于智力動產價值提升理論(描述智力成果從原始產生、記載、傳播、共享等形式逐步轉化升級以接近用戶直接使用程度的動態價值提升過程，具體如圖1所示)的知識倉庫體系結構模型(圖2)[6-8]在國內知識服務領域獲得廣泛認可。該模型分知識獲取層(基礎信息資源層，用知識裝入代理獲取知識并存入知識庫)、知識處理層(用知識引擎、面向系統數據按用戶需求加工處理知識)、用戶激活層(用戶基于用戶界面觸發個性化檢索、個性化推薦等服務)三層。此外，元數據描述知識及其使用背景，支持各層間知識共享，最終支持知識服務系統獲取數據、信息，處理后按用戶需求方式(即信息、知識或智慧)展示。

圖 1 智力動產之間的價值提升關系

圖 2 知識倉庫體系結構模型

2.2 基于人工智能的知識服務系統模型

通過上述分析，本文在智力動產價值提升理論及基于其的知識倉庫體系結構模型基礎上，結合人工智能思想及技術初步構建了智力動產價值提升鏈視角下基于人工智能的知識服務系統模型(圖3)，其體系結構分用戶接口、功能模塊、技術實現三層。其中，功能模塊層涉及知識獲取、知識構建、知識推薦、知識服務、知識創新五個模塊。

圖 3 智力動產價值提升鏈視角下基于人工智能的知識服務系統模型

2.2.1用戶接口層用戶接口層為用戶與知識服務系統交互層，接收用戶知識需求輸入并將其傳給知識創新模塊，由知識構建、知識推薦、知識服務模塊協作分析與推理形成，并將知識或問題求解方案反饋給用戶接口，由其顯示給用戶。該過程主要由多個具有感知、自適應、思維、通信機能的智能代理協作完成，用戶接口形式有Web Server、Web Service、E-Mail、SMS(Short Message Service)等。

2.2.2功能模塊層

1)知識獲取模塊 該模塊由知識服務系統提供服務基礎，所獲取知識質量直接影響后續模塊知識處理過程和質量。目前廣為接受的知識分類主要有兩類：哲學家波蘭尼的將知識按可表達和轉移性分為顯性知識和隱性知識，認知心理學家安德森的將知識按知識內容分為陳述性知識和程序性知識[9]。兩類標準組合后可將知識服務系統的知識分為四類[10]，各類知識及其獲取方法與技術詳見表1。此外，知識獲取模塊智能性表現為符號智能和生理智能，用自然語言處理、機器視覺、模式識別等技術模仿人類交互的聽覺、視覺感知與理解能力以獲取信息與知識。

2)知識構建模塊 該模塊主要組織、標注知識并提供知識檢索、知識導航等功能[11]以實現“人找信息”：首先，對信息資源進行知識單元抽取、知識元解析[12]、本體語義標注，形成語義關聯的層次結構關系(即知識結構)；然后構建知識存取空間模型，用本體語義標識所采集知識關聯信息[13]，以揭示人與顯性知識、人間關聯關系[14]；最后通過知識節點、鏈接、描述有機結合成知識地圖以提供知識檢索(由關鍵詞匹配深入到語義內容、用戶興趣、知識情境三維匹配)與知識導航(從內容、任務、用戶、社團等維度定位、可視化展示知識[15])路徑[16]。

知識構建模塊智能性表現為生理智能和行為智能，具體通過語義Web技術實現基于語義的標注、瀏覽、檢索，通過云計算技術整合分布式、異構數字信息資源以實現透明訪問，通過兩種技術結合標準化描述、靈活應用知識，最終有效整合知識、服務、用戶[16]。

3)知識推薦模塊 該模塊常需知識構建模塊支持，主要基于用戶背景、偏好等預測其可能感興趣信息、知識并引導用戶需求[17]，實現“信息找人”：常先進行用戶興趣建模(模型化表示用戶知識需求并依其反饋進化用戶興趣模型，以縮小預測信息與用戶實際需求間差距)和推薦對象建模(模型化表示推薦對象特征信息)，再基于特征信息匹配、特定推薦算法篩選并推薦匹配度最高信息、知識給用戶[18]，常見推薦方法有基于規則推薦、基于內容推薦、基于知識推薦、協同過濾推薦等。

表1 知識服務系統知識類型及其獲取方法和技術

知識推薦模塊智能性表現為打破傳統被動知識服務方式，主動構建用戶興趣模型，引導用戶需求，核心為基于知識發現、大數據挖掘等技術自動進化用戶興趣模型。

4)知識服務模塊 該模塊基于知識獲取、知識構建、知識推薦模塊為用戶提供知識瀏覽、知識搜索、知識推薦、知識問答、知識創新等服務，在知識服務系統中最為重要。所提供知識服務模式按用戶參與度分自助式(用戶基于知識服務系統資源自助獲取知識，服務途徑包括門戶網站、知識地圖、資料下載等，既提高問題解決效率又滿足用戶主動探索新知識需求)、專業化(除依靠知識庫、專家系統外，可由第三方代理支持用戶獲取全過程問題解決方案并提供跟蹤服務[19])、協同式(用戶基于知識服務系統共享平臺，利用社會化媒體交流學習，集聚群體智慧，滿足其知識服務需求)三類[20]，具體可根據用戶需求采用相應服務策略和技術。

知識服務模塊智能性表現為行為智能和群體智能，用專家系統、Agent系統、智能機器人等模仿人類個體、群體行為實現知識服務應用。

5)知識創新模塊 該模塊主要遵循SECI模型(描述常見四類知識互相轉化、螺旋創造過程)支持用戶與知識服務系統交互以產生新知識過程[21]：知識社會化(基于共同經歷的社會活動傳播隱性知識)、知識外在化(隱性知識顯性化)、知識組合化(重組顯性知識產生新知識)、知識內隱化(顯性知識內化后升華成隱性知識)。實現的關鍵在于擁有知識的用戶間基于知識服務系統進行交流，以社會網絡形式擴展、創新知識。

知識創新模塊智能性表現為行為智能和群體智能，主要采用社會化媒體技術實現，即Web2.0、Web3.0技術，如Wiki、微信、微博等。

2.2.3技術實現層即基于人工智能的知識服務系統模型實現所需的支撐技術，各模塊均需采用相應技術：知識獲取模塊涉及自然語言理解、計算機視覺、模式識別等技術；知識構建模塊涉及本體構建、語義網、云計算等技術；知識推薦模塊涉及機器學習、知識發現、數據挖掘等技術；知識服務層涉及專家系統、Agent系統、智能機器人等技術；知識創新模塊涉及圖搜索、啟發式搜索、不確定性推理等技術。此外，實際應用過程中需根據知識服務系統需求、目標用戶特點、各種技術特性等進行定制并優化。

3 結束語

綜上，本文分析了知識服務系統、人工智能及基于人工智能的知識服務，構建了智力動產價值提升鏈視角下基于人工智能的知識服務系統模型：架構體系分用戶接口、功能模塊、技術實現三層；功能模塊分知識獲取、知識構建、知識推薦、知識服務、知識創新五模塊。具體應用過程中需結合業務模型使知識服務更專業化，結合用戶興趣模型使知識服務更智能化、個性化。

接下來，筆者將構建基于人工智能的知識服務系統技術解決方案，以供相關研究與實踐參考。

[1] 劉鋒.基于互聯網智商評測算法的搜索引擎智商測試研究[D].北京：北京交通大學，2015.

[2] 張國英，何元嬌.人工智能知識體系及學科綜述[J].計算機教育，2010(8)：25-28.

[3] 李戈.基于知識組織的圖書知識服務系統設計與實現[D].杭州：浙江大學，2015.

[4] 劉璐.基于知識管理的圖書館個性化知識服務模式研究[D].大連：遼寧師范大學，2015.

[5] 周軍，蘇新寧，孔敏，等.知識管理系統下的知識倉庫研究——概念與模型[J].情報學報，2002，21(5)：542-546.

[6] 張斌，魏扣，郝琦.國內外知識庫研究現狀述評與比較[J].圖書情報知識，2016(3)：15-25.

[7] 趙韓，董曉慧，馮寶林，等.基于知識倉庫技術的企業管理信息系統的研究與應用[J].現代圖書情報技術，2007(5)：53-56.

[8] 高凡.基于知識組織體系的網絡信息資源組織模式初探[J].圖書情報工作，2006，50(5)：53-56.

[9] 張艷敏.數字環境下圖書館知識共享策略研究[D].曲阜：曲阜師范大學，2010.

[10] 夏立新，韓永青，鄧勝利.基于知識供應鏈的知識服務模型研究[J].中國圖書館學報，2008，34(2)：60-64.

[11] 蘭玉娟.基于個人知識管理的移動學習系統研究[D].南京：南京郵電大學，2010.

[12] 馬倩倩.基于關聯數據的知識元鏈接圖式存儲模型研究[D].武漢：華中師范大學，2014.

[13] 姜永常.知識構建的基本原理研究(上)——知識構建中的知識狀態演變及其基本原則[J].圖書情報工作，2009，53(4)：106-110.

[14] 韓芳.基于知識構建的數字圖書館知識服務研究[D].鄭州：鄭州大學，2011.

[15] 李有明.圖書館知識導航服務機制的構建[J].經濟研究導刊，2013(36)：199-200.

[16] 耿萍萍.基于本體的圖書情報學知識地圖的構建研究[D].保定：河北大學，2015.

[17] 錢瑛.基于智能Agent的網絡搜索和推薦信息系統[J].科技管理研究，2010，30(8)：147-149.

[18] 高鳳麗，孫連山.個性化推薦系統概述[J].技術與市場，2015，22(2)：78-79.

[19] 田會明.基于知識管理的高校圖書館個性化知識服務[J].圖書館研究，2012，42(5)：91-93.

[20] 邵慧麗，張帆.基于知識發現數字圖書館知識服務研究[J].圖書館，2016(2)：70-73.

[21] 張鵬，李全喜，劉巖，等.基于SECI模型的供應鏈企業知識轉化模型研究[J].科技管理研究，2017，37(2)：147-150.

ResearchonKnowledgeServiceSystemModelBasedonArtificialIntelligence

LIAO Pan，SUN Yusheng

(SchoolofEconomicsandManagement，HubeiUniv.ofTech.，Wuhan430068，China)

The paper analyzed both the history and status quo of artificial intelligence, and explored the relationship between artificial intelligence and knowledge service system. It then constructed a model of knowledge service system based on artificial intelligence from the perspective of value chain enhancement of intellectual property, by using the methods of the literature research and system investigation, with the literature sources from the CNKI, Wanfang Data and VIP search. It concludes that the architecture system is divided into three levels: user interfaces and module functions, and technology realization; the function module is further divided into five sub-modules: knowledge acquisition, knowledge construction, knowledge recommendation, knowledge services, and knowledge innovation.

knowledge service system；artificial intelligence；reference model

2017-08-30

盧雨薇(1990-)， 女，湖北咸寧人，西北政法大學碩士研究生，研究方向為刑法解釋論

1003-4684(2017)06-0047-05

TP399；G202

： A

[責任編校：張眾]

[收稿日期] 2017-09-18

教育部人文社會科學研究規劃基金項目(17YJA870016)；全國教育科學規劃基金項目(DIA160326)；中國博士后科學基金項目(2014M560107)

[第一作者] 廖 盼(1991-)，女，湖北洪湖人，湖北工業大學碩士研究生，研究方向為計算機信息系統工程，知識管理技術

孫雨生(1980-)，男，山西運城人，博士后，湖北工業大學副教授，研究方向為計算機信息系統工程，知識管理技術，數字圖書館技術