"第 25卷第 2期 2008年 2月
计算机应用研究
App lication Research of Computers
Vol 25 No. 2 . Feb. 2008
一种基于本体技术和用户搜索的自扩充知识地图
魏 , 王英林 臻
(上海交通大学 计算机科学与工程系 , 上海 200240 )
摘 : 企业知识管理系统中的知识地图面临知识存储分散 、 要 来源复杂 、 类型多样且不断变化等问题 ,严重影响 了企业知识共享和知识重用 。提出一种基于企业本体自动构建知识地图 ,并根据用户搜索动态维护和扩充知识 地图的方法 ,最后对知识地图构建 、 扩充和利用进行了实例分析 。 关键词 : 知识地图 ; 知识管理 ; 知识可视化 ; 知识获取 ; 知识重用 ; 本体 中图分类号 : TP182 文献标志码 : A 文章编号 : 100123695 ( 2008 ) 0220425203
Auto2extending know ledge map based on ontology and users’ search s
W E I Zhen, WANG Ying2lin
(D ept of Com pu ter S cience & Eng ineering, Shangha i J iaotong U n iversity, Shanghai 200240, Ch ina) .
Abstract: Know ledge map in enterp rise know ledge management system had many p roblem s w ith know ledge such as scattered sto rage, comp lex sources, diverse types and frequent changes, so that know ledge sharing and reusing were impacted. A n ap2 p roach was p roposed, in which the know ledge map was built based on the enterp rise library and extended according to users’ search behavior A nd a samp le analyze for building, extending and leveraging the know ledge map was p resented. . Key words: know ledge map; know ledge management; know ledge visualization; know ledge access; know ledge reusing; onto2 logy
近年来 ,知识管理 ( know ledge management, K ) 引起了企 M 业界 管理科学界和 IT界的一致关注 。在诸多领域 ,人们已 经认识到企业发展过程中的经验知识是企业最重要的财富 ,已 有知识的有效利用是企业创新的源泉 。长期以来 ,不注意知识 积累所导致的知识资源的流失 ,已严重制约了企业的繁荣发 展 。作为知识管理中重要的概念之一 ,知识地图 ( know ledge
map , K2 map )是一组概念及其关联关系的表述 ,它能帮助用户
d )通用知识地图没有记录与特定专题相关的知识 ,导致
企业用户在每次重用知识时需要重复对某专题搜索的过程 ,费 时费力 。 文献 [ 3 ]总结了构建知识地图通常要遵守的一些原则 :
a )充分考虑知识地图的动态性和扩充性 ,尽量减少对结
构的控制 ,将其设计成灵活的分布式输入 /输出结构 ,以反映知 识的不断增长和更新 。 建立 ,不应求多求全 ,而要方便实用 。
b )以需求为导向 。知识地图包含的信息数量以及链接的 c )确定基础结构 。应尽可能预先明确知识地图的设计特
快速找到需要的概念 ,提供通向相关知识源 (信息或人 )的链 接 ,最早应用于教育和学习领域 ,后来发展为一种重要的知识 管理工具
[ 1～4 ]
。
很多厂商和研究机构开发了知识可视化工具 ,如 Lotus的
Raven、 Autonomy的 Knowledge V isualizer、 icrosoft的 V isio 和 M I M 的 KnowledgeX。本文主要讨论应用在企业内的信息系统 B (如知识管理系统 )中的知识地图 。正如文献 [ 1 ]等文献所述 ,
性、 构成成分 、 节点关系的定义 、 链接资料的存储方法等 ,如概 念基模与概念阶层 。
d)有长远的维护发展策略 。知识地图在使用过程中应不
断更新 ,尽可能从基础用户获取最新 、 最准确的知识 ,以保持其 时效性和准确性 。
e )协调组织文化 。知识地图的风格要与组织文化相匹
现有知识地图还有诸多不足 :
a )知识地图大多由企业内领域专家自上而下建立 ,受少
数专家的个人知识能力限制 ,而忽略了企业广大员工自发整理 总结的知识 。
b)领域和企业的知识都是不断更新的 ,如果仅靠少数专
配 。在知识地图绘制工作中 ,要制定相应的知识款目著录规则 及建立各条款目之间互见 、 参见等关系的规则 。
家手工维护知识地图 ,势必跟不上知识涌现的速度 ,从而失去 知识地图对企业知识创新方向的引导作用 。
c )知识地图只收录企业知识库中已结构化的知识条目 ,
自扩充知识地图方法
知识地图有很多种分类方法 ,常见的一种划分为三种类 型 ,即 概 念 性 知 识 地 图 ( concep tual K2 map ) 、 程 知 识 地 图 流
( p rocess K2 map ) 和能力知识地图 ( competency K2 map ) 。本文
而未纳入尚未整理的知识载体 ,如大量电子文档和图片 ,容易 使已有的宝贵经验知识沉淀在磁盘中 ,逐渐被人遗忘 。
的自扩充知识地图主要是涵盖了概念性知识地图和能力知识
收稿日期 : 2006210212; 修回日期 : 2007201212 基金项目 : 国家自然科学基金资助项目 ( 60374071) ; 国家“973” 重点基础研究发展规划 项目 ( 2003CB316905) 作者简介 :魏臻 ( 19812) ,男 ,四川营山人 ,硕士研究生 ,主要研究方向为工作流管理系统 、 本体工程 、 语义 W eb (weizhen@ sjtu. edu. cn) ;王英林
( 19622) ,男 ,山东博兴人 ,教授 ,博导 ,主要研究方向为协同计算与知识管理理论与系统 、 数据挖掘与决策支持 、 本体工程 、 语义 W eb及搜索技术.
3
・426・
地图两种类型 。
计算机应用研究
第 25卷
c) Google I age Search查询模块 。在机械制造设计等领 m
如图 1所示 ,笔者认为知识地图的知识节点至少包括以下 几种 :知识库中的结构化知识 ;企业服务器磁盘上的文件 ;通过 搜索引擎搜索得到的 Internet文档和图片 。包含知识地图的信 息系统应该具有良好的模块结构设计 ,能够方便地增减知识地 图中的知识节点类型 。
域 ,图 片包 含了 很多有 用而 直 观 的 信 息 , 虽 然 Google I age m
Search具有强大的图片搜索功能 ,但尚未提供 AP I供程序直接
调用 ,为了将这些知识收录在搜索范围之内 ,本文开发了自己 的 Google图片搜索程序 ,索引 缓存和入库机制同上 。
d)磁盘文件查询模块 。利用 Google桌面搜索引擎将企业
积累下来的文件建立检索 ,然后调用 Google查询 AP I可以对 文件中的内容进行全文搜索 ,以利用尚未录入企业知识库的零 散知识 。
e)企业知识信息库搜索模块 。对保存在数据库中的企业
知识信息库中内容建立全文搜索的索引 ,用户搜索时即时返回 检索结果 。
f)知识地图查询模块 。对知识节点的名称和描述信息进
本文在基于本体的可重构知识管理系统 框架 ( ontology2
based reconfigurable know ledge management system , ORK S ) M
[5]
行关键词搜索 ,然后返回结果节点邻近的子知识地图 。
g)知识地图更新模块 。通过监测用户浏览搜索结果的行
中实现了这种自扩充知识地图 。企业本体库建立后 ,知识和信 息在录入过程中将建立引用的关联关系 。当企业用户在使用 知识管理系统时 ,输入关键词进行查询 ,系统通过跟踪记录用 户对搜索结果的浏览情况 ,自动提取用户所发现和关心的有用 知识 ,并允许用户人工评定这些知识有效性 ,之后即可建立这 些知识项的相似关联关系 。从而可在知识节点之间连接两种 知识关联边 ,即引用关联关系和相似关联关系 。 与以往的自适应知识地图不同 ,本文利用用户搜索来自动 扩充知识地图的方法让用户不仅可以指定知识有效性 ,而且还 可以构建和改变知识地图的结构 。
为 ,将系统预测或用户人工评定为有用的知识信息项输入知识 地图库中 。 知识地图的构建包括两个环节 ,即通过本体结构的知识信 息库自动提取知识节点及其引用关联关系和通过跟踪用户搜 索行为自动提取知识节点及其相似关联关系 。 1 引用关联关系的构建 1 相似关联关系的构建
本体是某一领域的概念化描述 ,它包含一系列类 (概念 ) 、
数据类型 、 个体 (类的实例 )和属性 。本体类的属性可分为对 象类型的属性 ( object p roperty取值为类的实例 ) 和数据类型的 属性 ( datatype p roperty) 。为企业应用系统中的实体建立本体 模型 ,允许用户配置本体的结构可以极大地扩展系统的灵活 性 [ 5 ] 。将企业的知识和信息建模为本体类之后 ,知识和信息 的关联关系将通过本体类的属性来表述 。比如“ 专利 ” 类具有 一个属性“ 专利拥有人 ” ,而某专利 ( 专利 ” “ 类的一个实例 )的
( “ 专利拥有人 ” 属性取值为“ 张三 ” 员工 ” “ 类的一个实例 ) ,则
自扩充知识地图框架
1 自扩充知识地图体系结构
[6 ]
图 2展示了 ORK S中与知识地图有关模块的体系结构 。 M
称某实例与张三具有引用的关联关系 。
ORK S应用了工作流技术 ,除直接在知识管理系统中录 M
入知识和信息之外 ,用户还可根据企业实际建立并运行流程录 入知识信息到企业知识信息库 。之后这些知识信息及其引用 关联关系可分别被自动提取成为知识地图的知识节点和知识 关联 ,为知识地图的扩充提供了良好的迭代初值 。更重要的 是 ,在用户对知识信息进行了修改删除等操作后 ,知识地图库 能及时随之更新 ,反映最新的知识情况及其关联 。
其中主要模块阐述如下 :
笔者把一个用户通过知识管理系统的统一查询界面输入
a )知识管理系统统一查询界面 。企业用户可通过网页的
关键词进行搜索 ,并浏览搜索结果的整个过程称为一次“ 搜索 会话 ” 。相似关联关系的建立依赖于这样一个事实 :在一次搜 索会话中 ,用户点击浏览某搜索结果条目且浏览时间较长 (通 过实验分析比较 ,本文选取 30 s作为判定浏览时间较长的阈 值 ) ,则该结果很有可能是用户关心的有用信息 ,进而同一搜 索会话中几个这样的搜索条目很有可能在内容上具有相似的 关联关系 ,即隐式相似关联关系 。 不过有时用户花较长时间浏览 ,却发现该条目并不是很相 关或有用 ,或者用户迅速发现了某有用条目 ,却选择稍后再详 细查看 。为了修正这两种情况 ,本文允许用户进行手工标注来
查询界面进行搜索 ,然后查看到从 Google网页搜索 、 Google图 像搜索 、 服务器上的文件 、 知识信息库以及知识地图等查询模 块返回的结果 。
b ) Google W eb Search 查 询 模 块 。利 用 Google 提 供 的 ,为了提高搜索效率和避免对 Google
Google SOAP Search AP I
搜索服务器造成过大的负担 ,为搜索结果的 URL 超链接建立 索引 ,将判定为有效知识的搜索结果缓存到企业服务器硬盘 上 ,并让用户可选择一些有价值的知识入库 ,即作为企业新的 知识信息收录入知识信息库 。
第 2期
魏 ,等 :一种基于本体技术和用户搜索的自扩充知识地图 臻
・4 27・
评价该条目是否有用 ,即显式相似关联关系 。 1 自扩充知识地图的使用
c)矩形边框的节点为 Google搜索引擎搜索到的结果 ,描
述文字为该文档的标题或文件名 ,超链接指向该文件的网络 地址 。
d)平行四边形边框的节点为企业服务器的磁盘文件 ,描
绘图组件根据知识地图结构生成基于 SVG ( scalable vector
graphics,可缩放矢量图形 )标准的 SVG图形文件 ,不同类型的
知识节点和知识关联边由不同形状或颜色的图形元素来表示 ; 然后由专用的或作为浏览器插件的阅读器解释这些指令 ,把
SVG图像在指定设备上显示出来 。作为一种专门为网络而设
述文字为该文件的文件名 ,超链接指向该文件的网络地址 。
e)有箭头的边表示引用关联关系 ,箭头指向被引用的知
识节点 ,旁边标注了该关联关系的描述信息 (图中的“ 专利拥 有者 ” ) ,即箭尾节点对应实例的特征描述属性的属性名 。 等
f)无箭头的边表示相似关联关系 ,旁边标注了该边连接的
计的基于文本的图像格式 ,是按照 W 3C标准基于 XML 的成像 模型 ,它使 W eb开发人员 、 设计人员和用户能够摆脱 HT 的 ML 限制 ,并通过一个简单的说明性编程模型创建丰富的视觉内容 和交互功能 。 SVG十分适合知识地图的显示 ,其优点有 :图像 质量高 、 文件格式灵活易用 、 支持字符查找 。知识地图允许用 户进行放大 、 缩小 、 进行粗略显示 、 详细显示 。点击任意感兴趣 的知识点名称 ,还能看到该知识点更详细的属性信息 。 图形化的知识地图在以下几种使用情形为用户提供极大
a)当用户浏览知识 /信息库中的某知识 /信息时 ,则在页
两个节点在哪些搜索会话中被判定为相似 ,及其被判定为相似
) 的次数 (图中的“ 搜索减震 ( 5)等 ” 。实线边表示其两端的节
点存在显式相似关联关系 (也可能含有隐式相似关联关系 ) 。 虚线边表示其两端的节点只存在隐式相似关联关系 。 知识结构建模专家定义企业知识结构时至少包括四个知 识信息类 ,即专利 专业 员工和部门 ,并分别指定其名称
(字符串类型的属性 )作为特征描述属性 。专利具有两个对象
的方便 :
类型的属性 ,即所属专业和专利拥有人 ,人员具有两个对象类 型的属性 ,即从事专业和所属部门 。 用户在浏览“ZL20001234567819号专利 ” ,能清楚方便 时 地查看到其引用的知识和信息 :“ 结构设计 ” 专业 ,“ 张三 ” 员 工 ,以及企业内其他用户在搜索某些感兴趣的关键词时系统判 定的相似知识条目 : “ 李四 2000 年工作总结 ” 汽车的减震 “ 技术 ” 。
面上显示出动态绘制的该知识 /信息的邻域知识地图 ,包括以 该条目为中心的附近几级的知识节点及其关联边 ,也即这些节 点在整个知识地图覆盖的子图 。
b)当用户进行搜索时 ,如果某搜索结果条目已经被收录 c )当用户浏览知识地图时 ,可以方便查看某知识的关联 d)当用户需要寻找两个知识信息实例 (如“ 张三 ” 李 和“
进知识库 ,则在该搜索结果旁显示其邻域知识地图 。 知识 /信息 。
结束语
知识地图为企业知识管理系统提供了一个强大的知识可 视化工具 ,为充分发挥知识地图的潜力 ,本文根据企业本体知 识结构来构建知识地图的引用关联关系 ,利用企业用户的搜索 查询和浏览历史来构建知识地图的相似关联关系 ,不断扩充知 识地图的结构和内容 ,极大地提高了企业知识获取和知识重用 的效率 。
ORK S将知识管理系统与企业业务流程紧密结合 。笔者 M
) 四” 两个员工 ,或员工“ 张三 ” 和“ARJ 系列发动机研制项目 ”
之间的关系时 ,可先通过搜索或选择来指定这两个知识节点 , 然后可以浏览包含这两个节点之间的路径的子知识地图 。
应用实例分析
ORK S在国内一家飞机设计研究机构实施应用 。其中 , M
本文提出的知识地图原型系统得到了初步的测试应用 。如图
3所示 ,为用户在浏览知识条目“ZL20001234567819 号专利 ”
将在以后的工作中考虑把知识地图的节点与知识生产 、 问题求 解等流程及其活动结合起来 ,以实现在企业的业务流程中智能 化的知识主动推送 ,进一步加强知识管理系统的威力 。 参考文献 :
[1 ] EPPLER M J. Making knowledge visible through knowledge map s: concep ts, elements, cases Handbook on Knowledge Management 1 . [ K ]. Berlin: Sp ringer, 2002: 1892206. [2] EPPLER M J. Toward a p ragmatic taxonomy of knowledge map s: classification p rincip les, samp le typologies, and app lication examp les [ C ] / / Proc of the 10 th International Conference on Infor mation V isualization. 2006: 1952204. [ 3 ] VA I E F. Know ledge mapp ing: getting started w ith knowledge ma2 L nagement[ J ]. Info r a tio n S ys tem s M a na gem e n t, 1999, 16 ( 4) : m 16223. [ 4 ] VA I E F. Mapp ing organizational knowledge [ J ]. L M a na gem e n t R e view , 1999, 8: 102 15. [ 5 ] 王英林 ,王卫东 , 王宗江 , 等. 基于本体的可重构知识管理平台 [ J ]. 计算机集成制造系统 , 2003, 9 ( 12) : 11362 1144. [ 6 ] Google Inc. Google SOAP Search AP I[ EB /OL ]. [ 2005 ]. http: / / code. google. com. Know le dge
时可以查看的邻域知识地图 。为简单和保密起见 ,仅提供示例 数据 。
其中 :
a )深 色 的 知 识 条 目 即 浏 览 的 对 象 ( 图 中 的 ) “ZL20001234567819号专利 ” ,居于图的中心 。 b)椭圆形边框的节点为知识库中的知识条目 ,描述文字
为知识库中该实例的特征描述属性的值 ,超链接指向 ORK S M 中该知识的详细信息页面 。
..."
|
You need to upgrade your Flash Player , or try to enable javascript in order see this document properly.
|
|
Comments
