[发明专利]一种大规模协同知识处理方法和系统

说明书

技术领域

本发明涉及知识工程领域，具体涉及一种基于面向大规模协同知识处理的数据模型的知识处理方法和系统。 

背景技术

知识处理是知识工程中的一个重要环节，协同知识处理又分为“大规模协同知识处理”与“小规模协同知识处理”。“大规模协同知识处理”与“小规模协同知识处理”的区别在于协同知识处理范围是否在开放环境中进行，是否延伸至知识链的长尾(The Long Tail)。如果协同知识处理范围仅限于封闭式环境中，或仅限于知识链的头部，那么称之为“小规模协同知识处理”，反之称为“大规模协同知识处理”。“大规模协同知识处理”易于推动“知识涌现”，具有开放性、自组织性、不确定性、演化性、涌现性等特点，可以更好地支持知识生态系统。大规模协同知识处理过程的基本步骤如图1所示：1)组织知识链的头部主体向长尾主体公布“问题”及其“背景信息”，包括相关知识、原始数据和限制条件。2)长尾主体可以学习、使用、评分或更新“问题”及其“背景信息”。同时，组织知识管理系统应把长尾主体的评分和更新内容实时地存入组织知识库中，并且保证长尾主体操作的透明性、可跟踪性和回溯性，从而在长尾主体之间建立信任关系，保证组织知识的积累。3)组织采取适当的激励措施鼓励长尾主体积极参与“问题”研讨活动。4)长尾主体在参与研讨过程中，相互启发、相互激励，能更加积极地参与组织知识处理过程，共享自己的知识和创造新知识。长尾主体共享或创新的知识自动存入组织知识库之中，成为组织知识的一部分。5)头部主体不仅可以直接参与研讨活动，而且还可以引导、协调和监督研讨活动。6)当长尾主体共享和创新的知识大于或接近于头部主体时，组织知识生态环境将发生根本性的变化：组织在长尾主体中可以发现更适合组织发展的高端人才；组织内 部知识型员工会因为来自长尾主体的压力，主动共享自己的知识，更加积极参与组织知识处理过程。 

目前，对于数据模型构建方法可以分为两个层次：概念层次和数据层次。所谓概念层次的数据模型构建方法，就是按用户观点对数据和信息进行建模，是现实世界到信息世界的第一层抽象。所谓数据层次的数据模型构建方法，就是按计算机系统的观点对数据进行建模，是现实世界数据特征的抽象。概念层次的数据模型以及构建模型的现有方法包括：实体联系模型(Entity Relationship Model，ERM)、语义对象模型(Semantic Object Modeling，SOM)、对象角色模型(Object Role Modeling，ORM)、面向对象模型(Object-Oriented Modeling，OOT)、Fedora内容模型架构(The Fedora Content Model Architecture，Fedora CMA)和数字空间(DSpace)数据模型构建方法。 

图2表示了实体联系模型的组成要素及其图示方法。实体联系模型的特点是以“实体”、“联系”、“属性”为三个基本要素来刻画客观世界。实体联系模型构建方法的优点是简单明了，可以较好地满足关系数据库设计的需要，其缺点是无法表示大规模协同知识处理中的主体交互与内容演化过程。 

语义对象模型类似于实体联系模型，主要区别在于语义对象模型中并不包括“联系”，所有的“联系”由语义对象链接属性(Semantic Object Link，SOL)来表示。语义对象模型构建方法的优点在于“联系”和“属性”的表示方法的统一，但其缺点仍为无法表示大规模协同知识处理中的主体交互与内容演化过程。 

对象角色模型强调的是对象的“角色”，而不是其“属性”。在这种方法构建模型时，每个对象均配有一个或多个角色。对象角色模型方法的优点是符合从事具体业务非技术人员的认知规律，方便了业务人员参与数据模型的设计和修改工作，但是其缺点是无法表示大规模协同知识处理中的“问题”、“答案”、“证据”、“背景信息”的演化过程。 

面向对象模型构建方法强调采用人类在认识客观世界的过程中普遍运用的思维方法，直观、自然地描述客观世界中的有关事物，其基本特征主要有抽象性、封装性、继承性和多态性，具有易于理解、维护方便、重用性好等优点。面向对象建模方法的缺点是针对性不强，没有明确规定大规模协同知 识处理中的组成要素、主体交互、内容演化过程。