企业信息资源集成中的知识地图构建与工作模型研究 信息资源体系构建中的信息产权问题

　　[摘要]分析企业信息资源集成的关键问题，介绍知识地图相关理论，探讨知识地图在知识检索、个性化信息推荐和局部本体集成三个方面对于改进企业信息资源集成的作用。指出实现知识地图在企业信息资源集成的三个方面的应用需要构建两种不同类型的知识地图，并分别解释其构建流程。在此基础上，构建知识地图在企业信息资源集成中的工作模型。
　　[关键词]知识地图　信息资源集成　企业　构建流程　工作模型
　　[分类号]G350
　　
　　企业在长期经营过程中，积累了丰富的信息资源，这些信息资源以数据库、文档等不同形式存在，存储地点分散，影响了企业对信息资源的有效利用。国内外学者提出通过信息资源集成的方法解决这一问题，实施企业信息资源集成，可以将企业原本异构、离散、分布的信息资源通过物理或逻辑的方式组织成一个整体，它能有效的搜集、组织和利用企业信息。但该方法同样存在一些关键问题有待改进，例如实现信息资源集成后，如何将决策所需信息及时准确地推送给决策者，如何提高信息资源检索质量，如何实现信息资源集成框架内多领域本体之间的语义互联等。
　　知识地图、知识库和知识社区是知识管理系统的三大法宝。知识地图为上述问题的解决提供了一种新的思路。本文在分析企业信息资源集成关键问题的基础上，探讨了知识地图在企业信息资源集成中的应用，在此基础上分析了相关知识地图的构建。
　　
　　1　企业信息资源集成的关键问题
　　
　　所谓关键问题是指关系到企业信息资源集成质量和效果的问题，也是需要重点改进的方面。主要有以下几点：
　　
　　1.1　知识资源检索质量
　　在企业知识管理系统中，常用的检索方法是基于关键词的检索。这种检索方法的突出缺点就是缺乏识别、理解和使用深层语义信息的能力，只检索出与关键词匹配的知识，割断了知识之间的联系，而且用户通常对自身知识需求不明确，无法准确向检索系统表达需求，检索质量不高。而企业信息资源集成的主要功能是面向半结构化和非结构化问题向用户提供能够支持决策的知识，现有检索方法显然无法满足用户需求。
　　
　　1.2　个性化信息推荐质量
　　作为知识获取的重要方式，个性化信息推荐能够根据不同用户的特定需求，主动向用户推送相关信息资源。目前信息推荐系统采用的主流算法是协同过滤推荐算法。协同过滤推荐，也叫基于用户和用户关系(User-to-user Correlation)的推荐，该算法在分析知识与知识、知识与用户、用户与用户之间关系的基础上，得出推荐结果。但在实际应用中，由于知识与知识、用户与用户之间的关联难以确定，影响了该算法的有效性及个性化信息推荐的效果。
　　
　　1.3　局部本体集成
　　基于本体的信息资源集成方法主要有三种：单本体方法、多本体方法和混合本体方法。单本体方法中，任何信息源的改变都会引起全局本体的变动，难以维护。混合本体中，局部本体的构建须以全局本体为基础，限制了已有本体的重用。多本体方法能避免两者的缺点，但由于缺乏公共词汇表使得不同局部本体的比较变得困难。目前常用的解决办法是在不同局部本体之间定义本体映射。如果存在n个局部本体，那就需要定义n(n－1)/2个映射规则。实际上，由于各局部本体的构建完全独立，彼此没有明显的语义关联，本体映射难以定义。且实践中，构建本体映射大多还需要领域专家手工介入，自动化程度达不到大规模本体共享与交流的目的。如何突破本体映射的障碍，实现局部本体集成，关系到企业信息资源集成项目的成败。
　　
　　2　知识地图理论
　　
　　2.1　知识地图的定义
　　知识地图的概念最早由英国情报学家B.C.Brookes提出，关于知识地图的定义，国内外专家看法不一。李华伟等认为，知识地图是一种帮助用户知道在何处能找到知识的知识管理工具，企业知识地图将企业各种资源的入口集成起来，以统一的方式将企业的知识资源介绍给用户。Vail认为，知识地图是已经获取的知识以及知识之间关系的可视化描述，它可以使不同背景的知识寻求者在不同的详细程度上学习知识，并同其他人进行交流。虽然各位学者对知识地图的理解不同，但都存在以下共同点：知识地图只告诉人们知识的位置，并不直接指向知识内容，它不仅揭示知识的存储地，而且揭示知识间的关系，不仅揭示显性知识，也揭示隐性知识，同时可视化展现知识间关系，有助于发现新知识。
　　
　　
　　2.2　知识地图的类型
　　目前主流的知识地图分类标准是Lgona和Caldwen在2000年提出的，他们将知识地图划分为概念型知识地图、流程型知识地图和能力型知识地图三类。概念型知识地图依据主题或概念组织而成，只包含用于描述某个事实或概念的静态知识。流程型知识地图依据活动流程组织而成，用于将企业内与业务流程相关的知识或知识源图形化表示。能力型知识地图，又称为职能型知识地图，主要用于描述企业员工的知识、技能及相关领域的专家。
　　
　　2.3　知识地图的作用
　　知识地图是对知识的地图化描述，帮助人们定位知识，明确知识的所有权，发现知识的价值并利用知识，增强对已有知识的使用。知识地图能够为用户提供企业各种知识资源库的集成逻辑视图，知识地图还可用于实现知识资源的可视化配置，明确知识的分布以及分布于不同空间的知识资源的内在联系。
　　
　　3　企业信息资源集成中知识地图的应用
　　
　　如前文所述，企业信息资源集成系统还存在三个需要改进的方面，知识地图技术为这些问题的解决提供了一种新思路。
　　
　　3.1　知识检索
　　当用户向检索系统提出查询式时，检索引擎先对用户查询请求进行分词预处理，然后通过概念分类、聚类算法对检索关键词进行扩展。具体过程是调用知识地图文件并通过推理机对其进行解析，找到知识地图中节点间的关联权值，将关联值较高的知识概念加入到检索关键词中，生成更加接近用户真实意图的查询式，从而将信息检索提高到语义检索的高度。用户有时想知道不同类型知识之间是否有联系，这在基于关键词的检索中无法实现，但通过知识地图可以实现基于关联的检索，发现不同类型知识与知识之间存在的关联。
　　
　　
　　3.2　个性化信息推荐
　　如前文所述，由于知识与知识、用户与用户之间的关联具有不确定性或者难以获取，影响了协同过滤推荐算法的有效性。而知识地图可以很好地体现知识、用户之间的关系，将知识地图和协同过滤算法结合起来，有助于算法理解各类知识及用户之间的关联，提高个性化信息推荐的精度。因为通过对知识地图文件的解析，可以获取两个用户之间更具体的关联关系，从而加强用户间的相似度，比如同一部门的两个用户很有可能有相同的信息需求。
　　
　　3.3　局部本体集成
　　实现信息资源集成的关键是定义各局部本体之间的本体映射。但由于缺乏语义基础，本体映射难以定义，且本体映射并不是简单地一对一的映射，还需要对 继承和推理的一致性进行校验和确认，这使得本已复杂的本体映射规则的构建变得更加困难。知识地图技术为解决异构局部本体集成提供了一个新思路。知识地图在局部本体集成中的应用，如图1所示：
　　先利用已有局部本体，以XML标记语言为数据，对各种信息资源进行标注，使得被标注的数据具有明确的意义，使机器可以理解，最终产生知识库。不同知识库之间需要使用对方的数据，这就需要各局部本体之间能相互理解。而在数字信息资源组织中，利用知识地图技术，可以有效地对领域本体进行知识连接和引导。具体方法是，根据一定的映射规则将各局部本体中的类、实例等映射为知识地图中的节点，然后利用人工、自动或半自动的方法发现局部本体之间的语义关系，如继承关系、参考关系、反相关系等，并将这些语义关系映射到知识地图中，形成一个既关联、又独立的本体知识地图，从而将异构局部本体链接起来。
　　
　　4　知识地图的构建
　　
　　为实现上述三个方面的应用，需要构建相应的知识地图。其中，应用于知识检索和个性化信息推荐的知识地图是同一个，称之为综合知识地图。应用于局部本体集成的称之为本体知识地图。
　　
　　4.1　综合知识地图的构建
　　综合知识地图的作用是提高知识检索质量和个性化信息推荐的精度。其构建步骤如下：
　　4.1.1　构建流程知识地图　企业内的知识流动与业务流程密切相关，员工在解决问题时使用知识，问题解决后又产生和创新知识。企业内任何一个知识都必定和某个业务流程关联，为此采用流程型知识地图，根据业务流程对知识进行组织。首先要分解企业业务流程，将单个业务活动分离出来，明确各业务活动之间的逻辑关系。然后通过管理层对业务活动的描述及对业务活动相关人员的调研，整理出不同业务活动所需知识资源，最终以流程知识地图的形式展现出来。流程知识地图以业务活动为逻辑单元进行知识组织，向用户展现一个集成的、以流程为索引的企业知识地图，使得物理存储上相互独立的各种知识相对于用户是透明的。
　　4.1.2　构建职能知识地图　流程知识地图中所展示的显性知识只是企业所有知识资源的冰山一角，更多地是隐藏在冰山下的隐性知识。学者秦铁辉认为隐性知识是构筑企业竞争优势的中坚力量，所以综合知识地图中也应当包含隐性知识。由于隐性知识难以收集和表达，我们采用职能型知识地图，通过对作为承载隐性知识主体的人的组织，实现对隐性知识的间接组织。职能型知识地图主要依据员工的技术、职位等进行组织，实质上是以员工为节点的知识网络，图中每个节点代表一个员工；另外，我们还要为每个节点添加除了员工基本信息之外的其他信息，如该员工的专业技能、项目经历和联系方式等，从而将部门、员工和知识对应起来。
　　4.1.3　流程知识地图与职能知识地图的融合流程知识地图中的显性知识和职能知识地图中的员工信息及其背后的隐性知识之间是相互关联、密不可分的，甚至是可以相互转化的。流程知识地图中的文档、数据都是由企业员工创作；而员工所具备的技能和经验也是通过对文档、资料等显性知识的学习内化而来。两种知识地图间的知识关联如图2所示：
　　通过在流程知识地图和职能知识地图节点之间构建知识关联的方式可将两者融合，形成综合知识地图。例如，如果员工甲主持了本企业供应商信用评价规则的制定，我们就可以在员工甲及供应商信用评价规则间构建知识链接。两类知识地图的融合有助于完善知识检索和个性化信息推荐的结果。比如当企业决策者要对某个新供应商进行信用评级，他不仅能检索到供应商信用评价规则的相关知识，还能检索出主持过这一评价规则制定的员工甲的相关信息。决策者再通过与员工甲的交流获得这一领域的隐性知识，以便对新供应商做出正确的信用评级。为使读者对综合知识地图有直观认识，笔者采用Inspiration 7.0软件绘制了一个简要的综合知识地图示意图。如图3所示：
　　
　　4.2　本体知识地图的构建
　　本体知识地图的作用是实现不同局部本体间的集成。构建步骤如下：
　　4.2.1　发现局部本体问的语义关联　要使局部本体在知识地图中相关联，首先要发现各局部本体之间的语义关联。语义关联可以通过人工的、自动的或半自动的方法发现；目前常用的方法是通过概念间语义相似度的计算实现。
　　4.2.2　制定映射规则　本体知识地图构建的核心是从本体到知识地图的映射规则的制定。利用映射规则将局部本体中的类、实例、属性等映射为知识地图中的节点，同时将局部本体中各节点间的关联及各本体间的语义关联映射为知识地图中的关系，最终形成本体知识地图。这种映射的本质是将异构资源的语义通过本体显性地表达出来，并在本体知识地图层完成语义的整合。本体知识地图是建立在局部本体之上的，当用户对局部本体进行修改时，这种变动会通过映射反应到知识地图上，实现本体知识地图的自动扩展。
　　
　　5　知识地图在企业信息资源集成中的工作模型
　　
　　总结知识地图在企业信息资源集成中三个方面的应用，笔者提出了知识地图在企业信息资源集成中的工作模型。如图4所示：
　　此工作模型分为四层：资源层、局部本体集成层、应用层和用户层。资源层包括企业所有信息资源，如数字信息资源、传统文本资源和互联网信息资源。局部本体集成层描述的即是前文提到的知识地图在局部本体集成中的应用，此处不再赘述。应用层描述了知识地图在知识检索和个性化信息推荐中的应用，包括知识检索系统、知识推荐系统、综合知识地图、可视化模块和日志五个部分。综合知识地图以知识地图文件的形式独立存在，目前有几种比较成熟的知识地图描述语言，如Ontolingua Cycle，OIL(Ontology InferenceLayer)，OWL等，由于OWL强大的语义表达能力，一般用它来描述知识地图，形成知识地图文件。知识检索系统通过统一接口调用知识地图，并在其帮助下对查询式进行语义扩展。日志用于保存用户检索的历史记录。知识推荐系统包括数据预处理、数据挖掘和推荐引擎三个模块，数据预处理模块对日志文件进行预处理，通过对用户检索记录的分析挖掘出不同用户的知识需求，数据挖掘模块用于从知识库中识别潜在的、用户可能需要的知识，推荐引擎与综合知识地图结合，提高协同过滤推荐算法的精度，根据挖掘出的知识生成针对不同用户的推荐集。知识检索和知识推荐的结果都通过可视化模块呈现给用户。用户层的角色分为用户和专家两类，专家的作用是维护知识地图，搜集企业运行中产生的新知识，保持综合知识地图的动态更新。
　　
　　6　结语
　　
　　本文分析了知识地图在企业信息资源集成中的应用能提高知识检索和知识推荐的质量，实现局部本体语义互联，改进信息资源集成的效果。介绍了实现上述应用所需要用到的两类知识地图，即综合知识地图和本体知识地图，探讨其构建流程。最后提出了知识地图在企业信息资源集成中的工作模型，但要实现这一模型，在实践中还有许多问题需要解决，如综合知识地图的自动扩展、本体到知识地图的映射规则的定义和信息安全与隐私保护等，这也是我们今后研究的重点。

相关热词搜索：信息资源 构建 模型 企业信息资源集成中的知识地图构建与工作模型研究 图书情报 图书情报专业