突發事件本體論知識管理的動態性、開放性框架設計

周尤明

摘 要：目前知識管理主要采取靜態獲取、密封管理的方式，難以適應動態變化的環境，更難以預測、適應突發事件的快速變遷。提出突發事件本體論知識管理的動態性、開放性框架設計，基于本體的突發事件信息對象建模，從3維（領會的共享構建、知識的聚集開放性和知識的思想聯系、社會化推薦）和3個層次（知識進程、元知識進程和知識協同進程）論述知識管理的動態、開放性框架，并輔助實例對框架進行設計。知識管理的動態、開放性框架的提出，能有效進行動態、開放的知識維護，使知識管理更緊密地聯系工作實際，以便更好地對突發事件作出決策。

關鍵詞：知識管理；動態維護；本體論

DOI：10.11907/rjdk.181520

中圖分類號：TP302

文獻標識碼：A 文章編號：1672-7800（2018）006-0053-05

Abstract：Currently，static fetching and closed maintenance are adopted in knowledge management，which is difficult to adapt to dynamic environment changes and make prediction of emergencies.To solve the problems，the author proposes a dynamic and open framework of ontology based on knowledge management of emergencies.A model is constructed based on the emergency information body and it is elaborated from 3 dimensions including understandable shared construction，open integration of knowledge，and ideal correlation with knowledge and socialized recommendation，and from 3 layers including knowledge procedure，meta-knowledge procedure，and knowledge cooperation procedure.And the framework is detailedly designed with a case study.The dynamic and open framework of knowledge management can effectively facilitate dynamic and open maintenance of knowledge，make knowledge management correlate with practice and emergency decision making more effectively.

Key Words：knowledge management； dynamic maintenance； ontology

0 引言

街道管理中的突發事件（如城管與小販起沖突、環境污染等）往往是動態和不確定的，而且日益增多，但很難進行預測和決策處理。在此情況下有必要針對各種突發事故和緊急事態建立決策知識庫，以便在事故發生前后進行預測和決策處理，從而減少事故發生和損失。

目前用于決策的知識庫案例知識主要大量來自單位以電子文檔、電子表格、Web頁面和E-mail等形式表示的信息對象；也可能包括互聯網中單位感興趣的信息（主要表示于Web頁面）。面臨經濟全球化和激烈的市場競爭，很多企業重用了這些相關知識，使單位的運營效益和市場競爭力得到了提高，但是卻很難應對諸如街道管理中的突發事故。究其原因主要是目前流行的知識管理（knowledge management，KM）[1-5]存在嚴重不足，主要存在以下缺點：①知識管理采取靜態獲取、密封管理的方式；②基于本體的知識僅用于正常生產決策[6-8]，而緊急情況或者重大事故預測和決策處理比較少。

各種突發事故的突發性、隨機性、動態性和不確定性，事后的災難性、破壞性，且由于目前知識管理的不足，決策者無法應對上述各種突發事故，這就要求建立相應的知識管理并用于事前事后的緊急動態處理實踐中，活化組織記憶（organizational memory，OM ）。知識的靜態獲取、密封管理使單位的OM無法及時反映因事故的突發性、隨機性、動態性和不確定性而需建立的最新知識，使緊急事態處理失去本體知識支撐，從而使KM應用效益受到影響。知識的靜態獲取指知識應用單位中的知識密集型應用實踐者（以下簡稱知識應用者，或者緊急事態處理者）只能取用由知識管理者事先設置于OM的知識，而不能使用緊急事態處理應用（以下簡稱工作應用）中建立的新知識，使工作應用鎖死在老舊的決策模式中。靜態也指沒有提供有效手段緊密聯系知識的獲取與工作應用中動態出現的需求。知識的密封管理是指OM中的知識只能由知識管理者增刪和更新，知識應用者無法隨時把知識應用中建立的新知識加進OM，以便共享，使得OM僅含有過時的知識和反映知識應用的局外人觀點，而且動態的知識管理研究較少[9-11]，導致目前單位的OM只局限于正常生產處理，緊急事態處理缺乏知識管理支撐，使得生產過程和社會經營者面臨嚴峻形勢。

事故的突發性、隨機性要求及時建立突發事件的知識管理庫，以供事件處理者隨時準確查找，并提供圖形化界面便于查找；而突發事故的動態性和不確定性要求知識庫的知識是變化的，以適應突發事件處理，并且知識庫要便于進行創新性地更新。為此，本文研究基于本體論知識管理的動態性、開放性框架設計，輔助緊急事態決策處理，并基于本體論的緊急事態處理信息內容（用于支撐緊急事態處理決策，包括緊急或者異常分析、緊急或異常處理等等）建模，從三維：領會的共享構建、知識的聚集開放性和知識的思想聯系、社會化推薦，分3個層次：知識進程、元知識進程和知識協同進程（多知識獲取者協作實現知識的動態開放管理），建立面向知識的高性能開發性框架，滿足知識管理動態性、開放性要求。知識管理需對理論工具進行多維、多層次技術集成，這是研究難點。

1 突發事件本體論知識管理的動態性、開放性框架

基于本體論的緊急事態處理信息內容建模，從三維、分3個層次構建突發事件本體論知識管理的動態性、開放性框架。三維即領會的共享構建、知識的聚集開放性和知識的思想聯系、社會化推薦；3層即知識進程、元知識進程和知識協同進程。

1.1 領會的共享構建

領會的共享構建旨在提供突發事件信息內容的建模語言、工具和方法，幫助單位的OM維護和制定由知識應用者一致贊同且被計算機領會的共享本體論，使知識應用者之間和應用者機器之間對流通的信息具有共同理解基礎?；诒倔w論的緊急事態處理信息內容建模意在制定共享的描述、組織（單位）和領域本體論作為OM中信息內容的建模方法理論，作為知識管理全過程的指導?；谶@些本體論，可以給加進OM的信息對象附加清晰的語義說明，即附加突發事件情景[12-13]，包含內容的表示結構和方式、內容的結構介紹以及信息對象建立時上下文（作者和他的身份、修改或者建立時間、動機和想要的閱讀者、管理部門及其相應項目等），以便構建信息內容的元知識（信息對象也就變成OM中的知識項）。信息對象變成知識項，就是利用元知識的檢索作用，可以使得包含在信息對象的知識和需要取用知識的人建立準確的聯系。建立KM的信息內容的本體論建模理論，可以很好地關聯知識管理與突發事件的處理，必使KM具備開放性和動態性的能力，以便更好應對突發事件。領會的共享構建使OM中知識分成多個模塊：層次分類體系和本體論、知識情景和信息對象，知識管理以本體、突發事件情景和突發事件信息，以這些信息對象為切入點，知識動態性和開放性管理就有了明確的對象和目標。

基于以上思想，本體論可以用概念表示，而概念用以描述實體對象類或關系類。概念的表示簡化為概念名-屬性集形式（屬性即槽或者特征槽），定義如下：

定義1 Concept <概念名>

{ <屬性名>： { type <類型> | ref [<本體論別名>]}

[mode <方式> ] [val <屬性缺省值>]； }*

//ref指示將與<屬性名>同名的外部概念或公用的簡單屬性作為屬性定義。

//<方式>：=necessary | typical | derive，necessary意指槽值不能缺少，未指定mode的情況下方式默認為typical，即槽值可以缺省。

End [ <概念名> ]

<類型> ：= [*] { <原子類型> | <概念名> }

//通過<概念名>建立概念間聯系。

<原子類型> ：= string | float | int | decimal | <自定義的簡單數據類型名>

//*指示列表，對應于XML Schema定義中的可出現多次的element，若<概念名>或<自定義的簡單數據類型名>定義在別名非空的本體論中，應將”<別名>：”作為概念名或自定義的簡單數據類型名的前綴。

面向分類層次體系描述的類（概念）定義可以通過兩種表示形式加以說明：

Super——通過指出Subclass和Superclass關系明確地表示類（概念）之間的包含（Subsumption）關系，可視為表示了inclusion axiom。

Constraint——通過指出類（概念）成員應遵從的特性約束，隱含地支持類之間包含關系的確定，可視為表示了equality axiom或inclusion axiom（這二者分別作完全和不完全定義，在二個類定義相容匹配中可不作區分）。包含關系的確定有助于相容匹配的實現。Constraint具有條件表達式形式，但條件表達式中涉及的概念實例模式應面向當前概念及其屬性值類型指示的概念（其它概念的應用不會出錯，但通常無實際意義）。

因此概念分類體系可以定義如下：

定義2 概念分類體系：ConceptTaxonomy <概念分類體系名> OntologyAlias <領域概念本體論別名>

{Concept <概念名> [OntologyAlias <領域概念本體論別名>]

//當此處別名與ConceptTaxonomy參考的別名相同時，別名短語可以省略

[Super：{ <超類名> }+]；

[Constraint： { <條件表達式> } ]；

[SynonymousTerm：{<同義概念名>}+]； //概念名的同義詞

End [<概念名>] }+

End [概念分類體系名]

1.2 知識的聚集開放性

知識的聚集開放性通過本體論聚集機制，配置輔助工具（基于表示本體論），輔助知識應用者按本體論指定的樣式構建信息對象并很方便地構建附加的元知識，同時遵從領域本體論的定義，在構成OM層次分類體系中插入產生的知識項。開放指知識應用者可在授權范圍內自行增刪和修改知識項，也可隨領域本體論充實并擴展OM的層次分類體系，OM還可通過封裝程序（Wrapper）把從因特網獲取的外部信息對象和單位原有信息系統遺留（Legacy）信息對象集成進來。

以本體、突發事件情景和突發事件信息對象為切入點，知識的聚集開放性框架可以從以下方面實施：

（1）術語的增加、刪除。術語是支持本體論的基礎。當已有的術語集不足以描述概念或者某些概念特征槽的特征時，需要增加術語。

（2）概念和概念分類體系的增加。由于突發事件領域的動態發展及拓寬，已有的概念和概念分類體系不足以描述突發事件，則需增加概念、概念分類體系和對應的術語集，以描述新的突發事件及其對應的領域。

（3）突發情景的修改。隨著生產環境的變化和事態的變遷，對同一突發事件信息對象的情景描述會發生變化。這時需要修改突發事件信息對象的情景描述，可能需要增加情景的某些特征槽及其對應的術語集。

（4）信息對象的增加。隨著科學技術的進步和新方法的拓寬，對已有的突發事件會有新的處理方法，需要在OM中增加突發事件信息對象；或者在出現新的突發事件后，也需要在OM中增加突發事件信息對象。除了增加突發事件信息對象外，也應在OM中增加對應情景，以便快速檢索突發事件信息對象。

1.3 知識的思想聯系與社會化推薦

知識的思想聯系旨在按知識應用中動態出現的需要，即時提醒突發事件知識實踐者注意對決策有用的OM知識項，并配備多種知識聯系方法。KM的開發定位保留以前獲取的知識，使人員在合適的時候能迅速查閱到以適當形式表達的知識需求，解決決策知識應用中遇到的問題。能否有效地把OM中包含的相關知識項關聯到實踐工作主要取決于知識應用者是否能認識、注意到需要取用的知識項，因此基于元知識（知識應用者的求助期望、概要介紹應用實踐及OM知識項）判斷是否存在知識應用者期望求助的知識項，提醒知識應用者意識到它們的存在，是KM應用的關鍵，可以配備多種知識運用于實踐的方法和構建多種適當的提醒注意策略。前者依靠應用實踐、知識項的說明、知識應用者求助期望的元知識，以及面向信息內容的語義檢索技術（基于關于信息對象上下文的元知識和本體論）；后者應在執行注意提醒功能時，盡量減少對實踐應用的干擾，應按關聯性對關聯的知識項排序分類，還要讓知識應用者選擇符合自己喜好的查閱和提醒模式。為能給知識應用者提供使用方便，可以向知識應用者配備多種知識聯系方法，包括知識獲取者-知識（知識獲取者設法拉取知識）、知識-知識（知識組合和互聯）、知識獲取者-知識獲取者（將提供者關聯到知識的需求者）、知識-知識獲取者（系統主動推送知識）。無論哪種方法，都應該配備透明的關聯輔助（基于元知識和本體論），使知識應用者不需要學習繁瑣的詢問語句和語法，就可方便地獲取所要查詢的知識項。社會化推薦是一種系統主動推送知識的方式，根據待解決的突發事故的相似度，即各自匹配的知識實例群的相似度為數據進行推薦。不同于個人推薦方式，社會化推薦不逐個判斷知識特性，而是針對知識實例群的特性聯系度進行分析，然后為待解問題提供推薦。

獲取到的知識或許可以直接解決突發問題，或者有助于催化產生解決突發事件的靈感。當獲取到的信息對象能夠直接解決突發事件時，實踐工作者可以為獲取到的知識評分，以優化知識的思想聯系。盡管解決突發事件（解決問題）過程一般不受外界控制，但期望通過突發事件問題情景找到適合性好（匹配需求或者匹配問題需求） 的清晰知識，根據突發事件情景匹配到的能真正解決類似突發事件的知識才有助于催化產生解決問題的靈感。催化產生的靈感可以以本體形式增設到OM中，供其它知識應用者獲取，此即為從知識的思想聯系方面進行知識的動態性、開放性管理。

1.4 元知識進程

元知識進程被視為知識管理的下層，通過定義應用域共享本體論，主要功能是構建面向知識管理的描述框架和表示理論，是知識重用和共享的語義基礎。元知識進程也可以稱作基于共享本體論的開發過程，包含本體論的設計、需求分析、評價、精化和維護。通過本體論高效實現元知識進程是確保元知識進程和知識進程這兩個層次無縫綜合的關鍵，而面向這兩個進程的支撐環境和工具集決定了KM系統的性能。元知識進程包括的支撐環境和工具集有：本體論可視化制作工具（定義概念的屬性、概念間關系、概念分類體系、表示約束和公理的規則）、本體論的分析需求模板（領域、目標、潛在用戶、信息源和應用情節）、一致性檢查和語法工具、基于RDF和XML（描述資源框架）的映射本體論（翻譯）工具等。這些支撐環境和工具集可以支持對本體論的設計、需求分析、評價精化和維護。

1.5 知識進程

知識進程作為知識管理的中間層，它的概念模型可以包括目標（任務） 分類體系和應用域共享本體論提供的任務情景描述模式，支持創新型知識管理關鍵環節的實現。知識進程面向知識項的形成和使用、突發事件信息內容的具體處理，涉及4個階段：信息對象的引入或建立、知識項的獲取[14-16]（通過附加元知識將信息對象轉變為知識項）、知識的存取和檢索、知識的使用（包括對于知識項的使用提醒和個性化顯示）。4個階段包括的支撐環境和工具集有：為外來信息對象制作封裝程序（Wrapper）的腳本語言，基于本體論的知識項建立模板（指導抽取信息對象的元知識），基于本體論[17-18]的信息對象制作模板、基于元知識和OM視圖的知識項存取和檢索，知識項的使用提醒，基于本體論映射的元知識翻譯工具（翻譯外來知識項的元知識），以及知識項的個性化顯示。

1.6 知識協同層

知識協同層作為知識管理的上層，依據知識進程、元知識進程，使知識應用者和知識獲取者與知識獲取者之間的協作（知識協同）實現動態開放性管理。人類的創造力并非來自個體，而是來自由個體間交互構成的社會。多個部門、多個地域集中看待突發事件往往需要人人動態開放性管理。

隱晦（tacit）知識、清晰（explicit）知識[19]是知識的兩大主要類別。前者一般是主觀經驗的積累，是行為智能決策的源泉，也是知識創新和協同知識創新的基礎。后者（清晰知識）通常通過諸如視頻、電子文檔等媒介（促使人與人之間的知識共享和傳播）表示和描述。隱晦和清晰知識的轉換方式如下[20]：

（1）Externalization（tacitto explicit）——外表化進程，即隱晦知識（在個人內心）通過外表化進程（主要通過抽取、概念化、表示等步驟來實現）轉變為共享的清晰知識。

（2）Socialization（tacit to tacit）——個人間隱晦知識通過社交化進程傳播知識并實現知識共享。

（3）Internalization（explicit to tacit）——知識內化進程。通過理解和消化外來的清晰知識形成創新性隱晦知識。通過獲取適合性好的清晰知識，并與已有的隱晦知識融合完成實現進程。

（4）Combination（explicit to explicit）——化合進程是為了更好地實現清晰知識的共享和重用，對清晰知識進行關聯、存儲、分類、搜索和索引等。

圖1中，通過情景匹配獲取領域（化合后）中對知識應用者個人具有創新參照性的清晰知識，通過內在化進程（參照領域清晰知識）創新產生能解決領域內問題的隱晦知識，這些隱晦知識經過外表化，產生其他知識應用者個人特定領域（與前一個知識應用者個人研究領域可以不同）的清晰知識，這些清晰知識又經過化合、參照內化等進程，形成螺旋形循環漸進的發展，獲取問題需求與案例知識之間的領域知識協同創新，而螺旋形循環漸進的知識轉變進程往往需要多人參與完成。

2 實例設計

為城市管理突發事件、學校突發事件和環境污染突發事件建立基于本體的知識庫，以支持基于本體論知識的突發事件動態開放性管理。

以城市管理突發事件、學校突發事件和環境污染突發事件為線索，針對“領會的共享構建”，為OM建立知識索引（突發事件情景）、概念集和信息對象集（突發事件信息對象）。

（1）概念集為加入OM的信息對象建立組織本體論和表示，依據領域專家的意見，用本體表示語言ORL定義。ORL支持對應用域的概念化描述，包括關系和特性、概念（對象類），并支持術語分類體系和應用域術語集的建立。概念的Super槽用于建立概念的復合定義（槽值是多個并列的超類名）和概念間的包含關系（槽值是單一超類名），并且支持建立概念分類體系。通過將槽值的類型定義為另一概念，可以建立概念間的任意自定義關聯。

（2）信息對象集為加入OM的、由知識索引指向的突發事件處理信息對象集合。突發事件處理信息對象可以從企事業單位中已存的大量電子文檔中獲取，也可以從互聯網上下載，并聚集到OM中。

（3）知識索引為概念集本體論的示例，存儲描述OM內容的知識，包括OM信息對象適合性索引等知識項。索引包括突發事件屬性（突發事件名稱、突發事件描述、突發事件性質、突發事件發生時間、突發事件發生地點、突發事件覆蓋范圍、突發事件類別、突發事件危害對象、突發事件危害級別、突發事件次生災害和突發事件現場情景等等）、受害者屬性（受害者受災地點、受害者受災時間、受害者受災級別、受害者受災范圍、受害者周邊設施、受害者地理特征、受害者人口特征、受害者天氣狀況、受害者經濟損失、受害者氣候特征、受災現場情景）和突發源屬性（突發源名稱、突發源性質和突發源類別，類別包括公共衛生事件、自然災害、事故災難等）。通過建立突發事件共享本體論和描述信息對象的元知識，支持隸屬于相關實體知識項之間的啟發式關聯，實現知識聯網，對突發事件集成的知識進行預測，分析突發情況的走勢和處理決策。對來自突發事件中的不同來源信息進行預處理，再采用機器學習或者人工抽取的方式自動或手動地從中采集具體知識，包括實例對象、實例關系及邏輯規則等，進而將具體知識泛化為抽象知識，如概念知識、概念關系、公理和推理規則等；然后將采集的知識以本體面向對象的形式（如XML等）進行描述，形成領域知識本體庫，該知識本體庫可用于指導領域信息的語義標注，以獲得領域新的實例作為原知識本體的豐富和擴充。本體實現了對領域知識的有效組織，將領域知識連接成為一個巨大的網絡知識地圖；在此基礎上，對領域本體進行知識應用，以提供高質量的知識服務，具體包括基于知識展示的知識地圖服務、基于語義檢索的知識檢索服務以及基于知識推理的知識創新服務，其中通過知識創新可以獲得新的領域知識，作為知識本體的有效擴充。對于“知識的聚集開放性”維度，每次對“領會的共享構建”的修改和增刪，都要注明修改和增刪的時間，生成記錄歷史，這樣便于分析修改和增刪的合理性。對于“知識的思想聯系、社會化推薦”維度，由于突發事件的情景屬性可能有很多項（如前文描述的突發事件屬性、受害者屬性和突發源屬性等），這樣必然對搜尋知識的效率造成很大影響，應當配置圖形化界面，讓用戶選擇搜索知識算法，通過圖形化界面還可以選擇情景屬性，按照用戶的心理預期對搜尋出的結果進行知識案例排序，可以有效提高知識的思想聯系效率。元知識進程通過應用域共享本體論建立語義和描述框架，可以搜集種子文檔集（或者由領域專家提供），通過工具自動產生術語集。通過專家篩選，建立術語之間包含關系，最終確立術語分類體系，并建立突發事件情景描述。知識進程基于概念層，包括突發事件情景的及時建立、獲取適合性知識、產生創新性知識，并以產生的創新性知識對OM進行擴充等。

3 結語

由于目前知識管理采用靜態獲取、密封管理的方式，傳播和存儲的業務知識長期不變，很難針對變化的環境（非正常生產、突發事件等）作出正確決策。本文提出基于本體論知識管理的動態性、開放性框架設計，從三維：領會的共享構建、知識的聚集開放性和知識的思想聯系、社會化推薦，分3個層次：知識進程、元知識進程和知識協同進程，有效應對知識的動態開放性管理，為將知識的取用與應用實踐中動態出現的需求緊密聯系提供有效手段，也為突發事件的決策處理提供有效的技術支持。下一步研究方向是完善實例設計，為突發事件處理決策鋪平道路。

參考文獻：

[1] STEPHEN S，RUDI S.Knowledge processes and ontologies[J].IEEE Intelligent Systems，2001，16（1）：26-34.

[2] GERHARD F，JONATHAN O.Knowledge management：problems，promises，realities，and challenges[J].IEEE Intelligent Systems，2001，16（1）：60-72.

[3] DAVID G， TEENI D.Tying knowledge to action with kMail[J].IEEE Intelligent Systems，2000，15（3）：33-39.

[4] 鄭學偉.基于知識管理的本體自動構建算法研究[J].計算機技術與發展，2014（12）：64-68.

[5] 趙亮，徐麗平，賀耀宜.本體技術與知識管理研究[J].電子世界，2013（23）：13-14.

[6] 朱穎.基于語義技術的柑橘園土壤環境判定決策支持系統[D].重慶：西南大學，2014.

[7] 王向前.基于案例推理的煤礦回采巷道支護決策系統研究[D].淮南：安徽理工大學，2013.

[8] 唐紅，鐘怡，趙國鋒. 面向未來互聯網的語義感知服務匹配算法研究[J].重慶郵電大學學報：自然科學版，2013，25（2）：187-191.

[9] 張建華.知識管理自學習案例的自組織機制與檢索算法研究[J].情報雜志，2013（12）：194-199.

[10] 孫俐麗.面向知識創新的電子商務企業知識生態系統模型構建[J].情報科學，2016，34（12）：141-144.

[11] 崔蕊，霍明奎.產業集群知識協同創新網絡構建[J].情報科學，2016，34（1）：155-159.

[12] 戎軍濤，王莉英.基于本體的公共危機事件情景模型研究[J].現代情報，2016，36（6）：50-55.

[13] RAO L L，MANSINGH G J，OSEI-BRYSON K M.Building ontology based knowledge maps to assist business process re-engineering[J]. Decision Support Systems，2012，52（3）：577-589.

[14] 游蘇寧.獲取知識的基本技能 閱讀書籍的葵花寶典[J].中華醫學信息導報，2015，30（8）：21-21.

[15] 羅式勝.在專家系統中獲取知識的技巧與方法[J].情報雜志，1994（1）：38-41.

[16] 張敏，劉玉佩，尹帥君.知識能力視域下采納虛擬社區獲取知識的行為意愿研究[J].圖書館學研究，2015（13）：80-88.

[17] 唐曉波，翟夏普.基于本體知識集合的知識檢索研究[J].圖書館學研究，2018（1）：60-66.

[18] 楊清琳，錢文標，楊曉雷.基于領域本體知識庫的語義檢索研究[J].山東工業技術，2018（4）：213-213.

[19] POLANYI M.The tacit dimension，knowledge in organizations[M].Chicago：The Chicago University Press，2009.

[20] NONAKA I，TAKEUCHI H.The knowledge creating company[M].London：Oxford University Press，1995.

（責任編輯：江 艷）