我國“五計學(xué)”知識融合的思考

宋艷輝 邱均平

摘要：[目的/意義]在當今數(shù)字網(wǎng)絡(luò)、知識經(jīng)濟和大數(shù)據(jù)背景下，“五計學(xué)”學(xué)科群表現(xiàn)出一些新的發(fā)展特征和發(fā)展趨勢，“五計學(xué)”領(lǐng)域出現(xiàn)了新現(xiàn)象和新問題，需要采用新思維和新方法來研究和解決“五計學(xué)”研究成果，整合“五計學(xué)”研究方法，為“五計學(xué)”的融合發(fā)展指明方向。[方法/過程]本文運用內(nèi)容分析法與歸納演繹法對相關(guān)研究進行分析。[結(jié)果/結(jié)論]嘗試性地提出了6種“五計學(xué)”知識融合實現(xiàn)模式：基于語義規(guī)則的知識融合，基于貝葉斯網(wǎng)絡(luò)的知識融合，基于D-S理論的知識融合，基于知識挖掘的知識融合，面向網(wǎng)格環(huán)境的知識融合以及面向近似知識的知識融合;提出了2種“五計學(xué)”知識融合過程控制手段分別是知識融合評價和知識融合系統(tǒng)。

關(guān)鍵詞：五計學(xué);知識融合;語義網(wǎng)絡(luò)

DOI：10.3969/j.issn.1008-0821.2019.02.001

〔中圖分類號〕G250252〔文獻標識碼〕A〔文章編號〕1008-0821（2019）02-0004-04

“五計學(xué)”是以“文獻計量學(xué)”為起點的。1969年，學(xué)術(shù)文獻中相繼出現(xiàn)了兩個類似的英文術(shù)語：Bibliometrics（譯為文獻計量學(xué)）和Scientometrics（由俄文轉(zhuǎn)譯成英文），譯為科學(xué)計量學(xué)。隨著社會的進步和科學(xué)技術(shù)的發(fā)展，人類社會先后出現(xiàn)了信息化、網(wǎng)絡(luò)化、知識化的新趨勢。這些新的社會環(huán)境和技術(shù)條件的變化，深深地影響著計量學(xué)科的發(fā)展，于是“信息計量學(xué)”、“網(wǎng)絡(luò)計量學(xué)”和“知識計量學(xué)”便相繼應(yīng)運而生。“五計學(xué)”的誕生和發(fā)展不僅具有科學(xué)意義，更是量化分析方法的主要來源。目前，我國人文社會科學(xué)創(chuàng)新主要有方法創(chuàng)新、理論創(chuàng)新（學(xué)術(shù)觀點）和學(xué)科創(chuàng)新（分支學(xué)科）。而“五計學(xué)”的融合，特別是方法融合更有利于科學(xué)研究的方法創(chuàng)新，大大提高“五計學(xué)”的應(yīng)用價值和方法論意義，從而有力地促進整個人文社會科學(xué)的快速和健康發(fā)展。知識融合，是從知識整體的角度，依據(jù)一定的目的需要、理念設(shè)計，把不同實踐要素按照合理的活動程序、配置比例，將各種知識片斷或分散的對象元素或單元再建構(gòu)，使之具有可以發(fā)揮功能的總體性能。知識融合對于更新組織的知識非常關(guān)鍵，其體系結(jié)構(gòu)是一個開放式結(jié)構(gòu)，與外界存在廣泛的交流和接觸。知識融合有著多種類型、多種層次、多種方式，并有著與創(chuàng)新規(guī)律一致的融合機制，可以分為形式融合、分類融合、立體融合和用途融合等。知識融合是知識管理的一個重要環(huán)節(jié)，融合把各部分的功能組合成一種新的功能，把各部分的效用結(jié)合成一種新的效用，通過融合產(chǎn)生了系統(tǒng)創(chuàng)新的功效。

1相關(guān)研究

2010年，劉則淵等提出了“SIBW”計量學(xué)科群[1]。2015年6月，在第九屆全國科學(xué)計量學(xué)與科教評價研討會上作了題為“我國“五計學(xué)”的進展與趨勢”的大會報告，再一次詳細論述了“五計學(xué)”問題，得到與會學(xué)者的普遍認同。2015年，侯劍華等提出了“泛知識計量學(xué)科群”[2]。2017年10月，第十六屆國際科學(xué)計量學(xué)和信息計量學(xué)研討會（16thISSI）和第十屆全國科學(xué)計量學(xué)與科教評價研討會都將“五計學(xué)”研究作為大會的重要議題。武漢大學(xué)研究團隊先后出版了“五計學(xué)”研究系列叢書[3-7]。

楊小華等認為，隨著信息化、網(wǎng)絡(luò)化和知識化的推進，“五計學(xué)”相互融通，呈現(xiàn)出“計量學(xué)”學(xué)科群相互促進、共同發(fā)展的態(tài)勢[8]。“五計學(xué)”之間在研究對象、研究內(nèi)容、研究方法、數(shù)據(jù)來源、計量指標等方面呈現(xiàn)出交叉關(guān)聯(lián)、互為引用、相互融合的發(fā)展特征和趨勢[9]。計量學(xué)科在“五計學(xué)”的基礎(chǔ)上，形成了泛知識計量學(xué)科群，具有明顯的交叉性和協(xié)同性，表現(xiàn)為以基礎(chǔ)理論、研究對象和研究方法與工具等為核心要素的協(xié)同演進。

2“五計學(xué)”知識融合實現(xiàn)模式

2.1基于語義規(guī)則的知識融合

基于語義規(guī)則的“五計學(xué)”知識融合能實現(xiàn)深入的信息集成，提供更加集成的答案，對知識源數(shù)量較多的情況以及對時間較為敏感的任務(wù)來說，尤其彰顯價值。知識與信息的主要區(qū)別之一，在于知識具備推理屬性，構(gòu)建本體是實現(xiàn)知識推理的重要手段，因此，基于語義規(guī)則實現(xiàn)知識融合可以成為“五計學(xué)”融合的主要實現(xiàn)模式。

第一種做法是建立語義規(guī)則，實現(xiàn)知識融合。可以開發(fā)一種基于語義規(guī)則的融合算法，將知識映射到本體庫，并轉(zhuǎn)換成元知識集，本體和元知識集共同構(gòu)成知識對象。為了融合知識對象，接著正式地描述了一組比較規(guī)則，來明確融合條件，同時通過結(jié)構(gòu)格式和語義規(guī)則過濾知識對象，能夠?qū)崿F(xiàn)：①將知識對象分成不同粒度層級;②指導(dǎo)融合過程，以規(guī)避不合邏輯的結(jié)果。例如，Xie等人[10]就曾針對網(wǎng)絡(luò)信息中的農(nóng)業(yè)知識，研究了基于語義規(guī)則的農(nóng)業(yè)知識融合，不僅涉及通過鏈接向用戶傳遞結(jié)果信息，還涉及通過解決結(jié)果一致性、去除重復(fù)項等方法融合來自農(nóng)業(yè)信息資源的知識，并實際設(shè)計了基于知識融合的信息獲取界面。

第二種做法是結(jié)合圖論與本體，實現(xiàn)知識融合。既有關(guān)系圖，也有主題圖，進而實現(xiàn)語義可視化。

第三種做法是基于知識空間理論的新型知識融合方法，將知識空間中的對象結(jié)點，在不同粒度的結(jié)構(gòu)中表示，每個知識對象有相應(yīng)的本體對象和元知識集，知識對象之間的距離由結(jié)構(gòu)和語義關(guān)系來定量化。這種知識聚類方法調(diào)整了空間結(jié)構(gòu)，能夠提高知識搜索的策略，優(yōu)化知識融合過程。

2.2基于貝葉斯網(wǎng)絡(luò)的知識融合

綜合貝葉斯網(wǎng)絡(luò)（Bayesian Networks，BNs）是實現(xiàn)“五計學(xué)”知識融合中非常有潛力的技術(shù)。筆者認為，一個有效的貝葉斯網(wǎng)絡(luò)綜合方法不應(yīng)在底層貝葉斯網(wǎng)絡(luò)上添加任何特別的約束條件，以便該方法可以應(yīng)用于這5種知識工程情境。總的來說，可靠的貝葉斯網(wǎng)絡(luò)綜合知識融合方法，應(yīng)當滿足3個基本標準，即避免循環(huán)、保持貝葉斯結(jié)構(gòu)條件的獨立性和保留個體貝葉斯參數(shù)的特征。為了實現(xiàn)多個貝葉斯知識源的融合，解決在不確定環(huán)境下的“五計學(xué)”知識融合問題，可以將概率模型表示成貝葉斯知識基礎(chǔ)，并提出貝葉斯知識融合的算法，該算法允許將多個貝葉斯知識基礎(chǔ)融合成單個貝葉斯知識基礎(chǔ)，同時保留所有輸入源中的知識。這就實現(xiàn)了通過提供一個框架，對多個知識源進行簡易聚合和逆向聚合，同時框架中的所有意見都得到保留和推理。可以進一步設(shè)計和開發(fā)的新型貝葉斯組合方法，主要關(guān)注兩個方面：①用于組織貝葉斯網(wǎng)絡(luò)的基因算法，不對底層貝葉斯網(wǎng)絡(luò)施加任何特別的約束條件;②一種有效方法保持貝葉斯結(jié)構(gòu)條件獨立性和保留個體貝葉斯參數(shù)特征。

2.3基于D-S理論的知識融合

D-S（Dempster-Shafer）證據(jù)組合理論作為融合方法，首先構(gòu)建不同觀測結(jié)果的信任函數(shù)，利用Dempster證據(jù)組合規(guī)則將之組合，再根據(jù)一定的規(guī)則對組合后的信任函數(shù)進行判斷，最終實現(xiàn)融合和決策選擇。在許多應(yīng)用情境中，有大量的知識需要融合，例如，涉及計量數(shù)據(jù)樣本的理論與方法等，基于D-S理論的知識融合就有了用武之地，其包含了研究了3個組合規(guī)則，即原始的D-S規(guī)則、墨菲規(guī)則和基于非精確狄利克雷模型的規(guī)則，D-S規(guī)則和墨菲規(guī)則有匯聚行為，這種匯聚行為并不與新需求相一致。當許多計量理論與方法被融合的時候，只有基于非精確狄利克雷模型的規(guī)則呈現(xiàn)出了所需求的行為，所以基于非精確狄利克雷模型的規(guī)則，具備用于合作知識發(fā)現(xiàn)與數(shù)據(jù)挖掘或者生物計算領(lǐng)域的潛力。

2.4基于知識挖掘的知識融合

近十年來，知識挖掘技術(shù)得到長足發(fā)展，能夠從數(shù)據(jù)中抽取分類模型，但是結(jié)果通常不是非常直觀，或者缺少對于領(lǐng)域?qū)＜襾碚f符合邏輯的模式。具體實現(xiàn)如下：通過擴展蟻群挖掘分類技術(shù)來包含領(lǐng)域知識，通過改變環(huán)境和影響啟發(fā)值，分別將蟻群搜索限制和引導(dǎo)向?qū)＜艺J為符合邏輯的、直觀的解空間區(qū)域，從而實現(xiàn)“五計學(xué)”的知識融合。因此，基于知識挖掘的“五計學(xué)”知識融合，較為適用于非專家知識與專家知識的融合。

2.5面向網(wǎng)格環(huán)境的知識融合

以往網(wǎng)絡(luò)關(guān)注信息的交流，現(xiàn)在網(wǎng)絡(luò)開始強調(diào)知識重用，以形成大型分布式知識基礎(chǔ)。語義網(wǎng)格將信息和服務(wù)進行了良好定義，擴展了現(xiàn)有網(wǎng)格來支持軟件代理、用戶和項目合作。在上述過程中，要將各種計量知識源有效地組合，來輔助研究者進行高效推理或者促進研究者合作，“五計學(xué)”知識融合在網(wǎng)格環(huán)境中的應(yīng)用因而受到重視。

2.6面向近似知識的知識融合

針對各種計量知識資源中的近似知識，集中精力定義知識融合的整體機制，繼而開發(fā)了有利于保障融合知識的技術(shù)，融合的知識可被表達成命題動態(tài)邏輯的Horn子集。另一方面，命題邏輯可視為第一順序邏輯的子集，第一順序邏輯是在描述性邏輯精神（Spirit of Description Logics）中定義概念的天然工具，其定義的概念可以進一步用于定義各種本體，例如那些在語義網(wǎng)中可用的本體。使用模糊集和關(guān)系的一般式，研究分布異構(gòu)信息源中知識的融合，該一般式依賴任意相似關(guān)系的存在。在多代理系統(tǒng)中引入了知識融合框架，代理的個體感知能力由相似關(guān)系表示，再進一步聚合形成團隊的聯(lián)合能力，該聚合已經(jīng)通過動態(tài)邏輯被正規(guī)化，允許從個體層次向社會層次轉(zhuǎn)移。建立了基于規(guī)則的分層結(jié)構(gòu)，在提出的框架中，將動態(tài)邏輯的Horn子集與推理數(shù)據(jù)庫技術(shù)結(jié)合，獲得的知識融合規(guī)則在現(xiàn)實數(shù)據(jù)中成功地得到應(yīng)用。

3“五計學(xué)”知識融合的過程控制

3.1知識融合評價

“五計學(xué)”知識融合的評價機制有利于更好的發(fā)現(xiàn)潛在知識，融合知識的語義相關(guān)性和準確性也能得到提高，所以應(yīng)更加重視知識融合的評價問題。為了控制融合知識的規(guī)模，以及避免非邏輯的知識，可以構(gòu)建具備屬性值的融合知識測度，為知識融合算法提供指導(dǎo)：首先，分析知識元素與基于本體的語義相關(guān)性之間的關(guān)系強度;然后，利用最大熵值模型定義和分析了融合知識（Fusion-knowledge）的語義熵。在此基礎(chǔ)上，通過融合知識測度構(gòu)建了加速適應(yīng)度方程，通過提高人群選擇和基因操作將基因仿真退火算法應(yīng)用到知識融合。根據(jù)知識熵平衡方程的分析，基于信息擴散理論的評價機制被用來提高融合知識的準確度。筆者認為，“五計學(xué)”知識融合的過程需要評價、反饋和控制，以提高融合的效率。針對融合進行的評價研究，有助于用戶選取最合適的融合算法和融合步驟。

3.2知識融合系統(tǒng)研究

在知識融合實現(xiàn)模式和知識融合評價的研究基礎(chǔ)上，需要設(shè)計和開發(fā)實際的知識融合系統(tǒng)，一方面檢驗提出的融合算法和評價方法;另一方面為投入實際應(yīng)用奠定基礎(chǔ)。總的來說，知識融合系統(tǒng)的開發(fā)，在技術(shù)架構(gòu)和設(shè)計細節(jié)上，知識融合研究者需要逐漸認識到，需要根據(jù)應(yīng)用需求，在通用知識融合系統(tǒng)基礎(chǔ)上，進行個性化定制，來實現(xiàn)多層次、個性化、創(chuàng)新性的知識服務(wù)。知識融合系統(tǒng)應(yīng)用問題解決方法技術(shù)（Problem-solving Methods Technology），允許綜合面向融合過程子任務(wù)的方法，也允許選擇最佳的方法，這取決于領(lǐng)域以及任務(wù)的具體內(nèi)容。系統(tǒng)應(yīng)為一種自適應(yīng)知識融合系統(tǒng)，展示具有反饋和自適應(yīng)機制的知識融合方法，所提出的反饋機制基于知識空間和應(yīng)用服務(wù)之間的消息交流，還能評價融合結(jié)果和優(yōu)化融合過程以適應(yīng)需求。

4結(jié)語

本文從兩個方面探討我國“五計學(xué)”的知識融合發(fā)展問題，一是“五計學(xué)”知識融合實現(xiàn)模式;二是“五計學(xué)”知識融合的過程控制。最后，筆者認為，隨著大數(shù)據(jù)時代的到來，大數(shù)據(jù)環(huán)境下“五計學(xué)”的知識融合，還需要重點解決大數(shù)據(jù)分析問題。“五計學(xué)”側(cè)重于對不同的計量對象，不同的文獻、信息、知識、數(shù)據(jù)類型的整合與分析。唯有做到這一點，注重量化分析的“五計學(xué)”才能達到本質(zhì)上的融合。因此，需要我們針對大數(shù)據(jù)時代面向5種知識源的知識融合過程模型進行詳細分析與設(shè)計，針對典型的大數(shù)據(jù)知識源，進行知識融合實現(xiàn)模式的設(shè)計，為大數(shù)據(jù)時代“五計學(xué)”知識融合的實現(xiàn)提供解決方案。擬解決的主要問題包括：①大數(shù)據(jù)知識融合過程模型的構(gòu)建。結(jié)合大數(shù)據(jù)的特點和知識源類型，設(shè)計大數(shù)據(jù)知識融合的流程步驟，分析各功能模塊之間的關(guān)系及所需的關(guān)鍵技術(shù)，探討融合知識服務(wù)的應(yīng)用模式及實現(xiàn)方案，定義大數(shù)據(jù)知識融合過程模型。②基于分布式知識庫的大數(shù)據(jù)知識融合實現(xiàn)模式設(shè)計。分析大數(shù)據(jù)時代分布式知識庫的構(gòu)成特征和知識抽取方法，研究大數(shù)據(jù)時代元知識抽取和元知識庫構(gòu)建方法，設(shè)計知識融合算法和融合規(guī)則庫構(gòu)建過程，通過知識抽取、知識轉(zhuǎn)化、知識清理、知識集成，形成知識倉庫，實現(xiàn)知識融合。③基于網(wǎng)絡(luò)知識源的大數(shù)據(jù)知識融合實現(xiàn)模式設(shè)計。分析大數(shù)據(jù)時代網(wǎng)絡(luò)數(shù)據(jù)遷徙的途徑和方法，研究通過Web服務(wù)實現(xiàn)對異構(gòu)網(wǎng)絡(luò)知識源進行知識發(fā)布、知識表示的過程和方法，研究大數(shù)據(jù)時代知識檢索和知識網(wǎng)絡(luò)構(gòu)建流程與方法。

參考文獻

[1]劉則淵，朱曉宇.國際科學(xué)計量學(xué)及其姊妹學(xué)科的計量與圖譜[C]//第七屆中國科技政策與管理學(xué)術(shù)年會論文集，南京：第七屆中國科技政策與管理學(xué)術(shù)年會，2011.

[2]侯劍華，都佳妮.泛知識計量學(xué)科協(xié)同演進初探[J].情報科學(xué)，2015，33（7）：7-10.

[3]邱均平，等.知識計量學(xué)[M].北京：科學(xué)出版社，2014.

[4]邱均平，等.網(wǎng)絡(luò)計量學(xué)[M].北京：科學(xué)出版社，2010.

[5]邱均平，等.科學(xué)計量學(xué)[M].北京：科學(xué)出版社，2016.

[6]邱均平，等.信息計量學(xué)[M].武漢：武漢大學(xué)出版社，2007.

[7]邱均平.文獻計量學(xué)（第2版）[M].北京：科學(xué)出版社，2018.

[8]鐘積奎，楊小華.學(xué)習過程的知識轉(zhuǎn)化模式新探——以“文獻觀”學(xué)習過程為例[J].現(xiàn)代情報，2010，30（5）：28-33.

[9]趙蓉英，魏明坤.“五計學(xué)”在我國的發(fā)展演進分析[J].現(xiàn)代情報，2017，37（6）：155-167.

[10]Xie Nengfu，Wang Wensheng，Yang Xiaorong，et al.Rule-based Agricultural Knowledge Fusion in Web Information Integration[J].Sensor Letters，2012，10（1）：635-638.

（責任編輯：馬卓）