國內(nèi)外知識融合研究現(xiàn)狀比較分析

楊瑞仙，朱甜甜（鄭州大學(xué)信息管理學(xué)院）

國內(nèi)外知識融合研究現(xiàn)狀比較分析

楊瑞仙，朱甜甜（鄭州大學(xué)信息管理學(xué)院）

在知識服務(wù)的實(shí)現(xiàn)進(jìn)程中，大數(shù)據(jù)拓寬了知識服務(wù)的寬度和廣度，但與此同時(shí)也給知識服務(wù)帶來了新的難題。知識融合作為大數(shù)據(jù)環(huán)境下對知識進(jìn)行收集、分析、處理的有效途徑已然成為國內(nèi)外學(xué)者關(guān)注的焦點(diǎn)。為了更好地服務(wù)于國內(nèi)在該領(lǐng)域的研究，本文將從關(guān)鍵技術(shù)、體系結(jié)構(gòu)和應(yīng)用三個(gè)方面深入分析和比較國內(nèi)外在知識融合方面的研究現(xiàn)狀，并在此基礎(chǔ)上對我國知識融合研究進(jìn)行述評，且提出針對性的建議，以期為我國在該領(lǐng)域的深入研究提供借鑒和參考。

知識融合；技術(shù)；體系結(jié)構(gòu)

隨著大數(shù)據(jù)時(shí)代的到來，知識總量不斷增長，知識庫數(shù)量也隨之劇增，如何高效地獲取、處理和利用知識已成為知識服務(wù)領(lǐng)域研究的重點(diǎn)課題。為解決這一難題，國內(nèi)外學(xué)者對知識融合這一新概念展開了廣泛而深入的研究，通過知識融合來提高知識的利用率，最終實(shí)現(xiàn)知識服務(wù)。知識融合是在信息融合的基礎(chǔ)上發(fā)展而來的一種新的融合概念，其目的是不僅僅將大量繁雜的數(shù)據(jù)進(jìn)行高效快速處理以獲取、滿足用戶在海量知識中獲取、處理并利用數(shù)據(jù)的需求，還有利于實(shí)現(xiàn)知識服務(wù)，促進(jìn)知識創(chuàng)新。本文通過對國內(nèi)外文獻(xiàn)的調(diào)研、歸類、整合、分析，發(fā)現(xiàn)目前對于知識融合的研究主要集中在關(guān)鍵技術(shù)、體系結(jié)構(gòu)、應(yīng)用實(shí)踐這三個(gè)方面。

1　國內(nèi)外研究概況

1.1國外研究概況

在web of science中以“knowledge fusion”為關(guān)鍵字進(jìn)行主題檢索，共檢索到338篇相關(guān)文章，經(jīng)人工閱讀后篩選出77篇相關(guān)論文。筆者發(fā)現(xiàn)，目前，國外對知識融合的研究主要集中在體系結(jié)構(gòu)的組建和優(yōu)化方面，主要通過多Agent、網(wǎng)格計(jì)算和中間件等技術(shù)進(jìn)行異構(gòu)知識的映射和轉(zhuǎn)換，在特定知識環(huán)境中實(shí)現(xiàn)某種程度的融合。

1.2國內(nèi)研究概況

近五年，國內(nèi)在知識融合方面的研究也逐漸開展起來，雖起步晚但關(guān)注度極高。筆者通過對國家自然科學(xué)基金網(wǎng)站和全國哲學(xué)社會科學(xué)規(guī)劃辦公室網(wǎng)站進(jìn)行調(diào)研，得到我國有關(guān)知識融合研究方面的國家級基金項(xiàng)目的立項(xiàng)資助情況，如表所示。

此外，通過對CNKI、維普、萬方等數(shù)據(jù)庫的檢索，發(fā)現(xiàn)關(guān)于知識融合研究的作者也系上述項(xiàng)目的研究成員，并且發(fā)表的論文大多是上述項(xiàng)目的研究成果。因此，國內(nèi)知識融合的研究較為集中。

表2011　～2015年國家級基金在“知識融合”研究方面的立項(xiàng)情況

2　關(guān)鍵技術(shù)研究比較

在知識融合關(guān)鍵技術(shù)方面，國內(nèi)外學(xué)者主要集中于基于語義規(guī)則、基于貝葉斯網(wǎng)絡(luò)、基于D-S理論和基于知識挖掘的知識融合三個(gè)方面，從知識融合的融合算法著手研究。在這一領(lǐng)域，國外的研究早于國內(nèi)，而國內(nèi)的研究更為具體。

2.1國外關(guān)鍵技術(shù)研究方面

國外學(xué)者對知識融合關(guān)鍵技術(shù)的研究主要基于上述三方面，且在此基礎(chǔ)上，有學(xué)者基于異構(gòu)多粒度的規(guī)則知識來研究知識融合算法、基于圖劃分提出本體知識融合模型以及基于蟻群算法研究知識分類方法等，從多角度進(jìn)行研究。

在基于語義規(guī)則方面，E.Gregoire［1］在標(biāo)準(zhǔn)邏輯設(shè)定中，引入一組語義定義的新方法來融合不一致知識源，這些方法將兩種偏好標(biāo)準(zhǔn)結(jié)合起來以處理沖突信息，在基于語義的實(shí)現(xiàn)路徑中盡量減少公式和概念的遺漏。J.E.Gouth［2］提出了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(diǎn)在不同粒度的結(jié)構(gòu)中表示。

在基于貝葉斯網(wǎng)絡(luò)方面，為了實(shí)現(xiàn)多個(gè)貝葉斯知識源的融合，解決在不確定環(huán)境下的知識融合問題，E.Santos［3］等人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算法。該算法允許將多個(gè)貝葉斯知識基礎(chǔ)融合成單個(gè)貝葉斯知識基礎(chǔ)，同時(shí)保留所有輸入源中的知識。

在基于D-S理論方面，D.Andrade等人［4］研究了3個(gè)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模型的規(guī)則。經(jīng)研究發(fā)現(xiàn)，D-S規(guī)則和墨菲規(guī)則有匯聚行為，但與新需求不一致，而狄利克模型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(jì)算領(lǐng)域的潛力。

2.2國內(nèi)關(guān)鍵技術(shù)研究方面

知識融合的算法研究是國內(nèi)學(xué)者研究的重點(diǎn)，具有一定規(guī)模。如，周芳等人［5］借鑒信息融合的思路，將信息融合中的方法引入到知識融合領(lǐng)域中，提出了三種知識融合算法，分別是：基于Bayes準(zhǔn)則、基于D-S證據(jù)理論和基于模糊集理論。同時(shí)，周芳［6］等人還基于模糊集理論提出知識融合算法，其思想是按照給定的融合函數(shù)將模糊化后位于［0，1］上的數(shù)據(jù)進(jìn)行融合，然后再對新生成的數(shù)據(jù)進(jìn)行處理。

國內(nèi)在基于語義規(guī)則、基于貝葉斯網(wǎng)絡(luò)、基于D-S理論和基于知識挖掘的知識融合研究方面有一定的進(jìn)展。如，張玉潔［7］將貝葉斯融合方法和貝葉斯網(wǎng)絡(luò)引入到知識融合中，利用評分的方法，在不需要原始數(shù)據(jù)的情況下，將具有相同節(jié)點(diǎn)的貝葉斯網(wǎng)絡(luò)融合，達(dá)到知識融合的目的。宋建勛等［8］提出D-S證據(jù)理論知識融合算法思想，通過提取不同觀測結(jié)果決策信任函數(shù)融合，并根據(jù)實(shí)際需求規(guī)則對組合后的信任函數(shù)進(jìn)行判斷，實(shí)現(xiàn)知識融合與決策優(yōu)化。韓立巖、周芳［9］提出了一種基于D-S證據(jù)理論新的知識融合方法。該方法主要包括數(shù)學(xué)建模、知識融合以及結(jié)果分析與決策三個(gè)步驟。

國內(nèi)在知識融合的關(guān)鍵技術(shù)研究方面擴(kuò)展到交叉學(xué)科，從多個(gè)角度綜合分析。如：蔣黎黎［10］等研究了基于粒度計(jì)算理論的知識融合模型。緱錦［11］提出了基于遺傳算法的知識融合算法，在遺傳算法基礎(chǔ)上，從本體論角度提出了新的知識融合算法。徐賜軍［12］提出了基于元知識構(gòu)建、知識測度的知識融合模型。徐曉等［13］對知識和數(shù)據(jù)挖掘技術(shù)融合提出了一種新的建模思想，將知識嵌入到粗糙集中，形成制造決策的知識融合粗糙集模型。

2.3國內(nèi)外研究異同比較

總體來看，國內(nèi)外學(xué)者對知識融合關(guān)鍵技術(shù)的研究主要集中在基于語義規(guī)則、基于貝葉斯網(wǎng)絡(luò)、基于D-S理論和基于知識挖掘四方面，構(gòu)建了相應(yīng)的模型，并應(yīng)用于實(shí)際中，且成功的案例有很多。與國外相比，國內(nèi)對關(guān)鍵技術(shù)的研究更為具體和廣泛，但僅停留在表面，未能深入挖掘。

3　體系結(jié)構(gòu)研究比較

在知識融合關(guān)鍵技術(shù)的理論研究基礎(chǔ)上，需要開發(fā)和設(shè)計(jì)出基于實(shí)際問題的知識融合體系結(jié)構(gòu)，以檢驗(yàn)理論的正確性以及為投入實(shí)際應(yīng)用奠定基礎(chǔ)，使知識融合的研究具有建設(shè)性意義。在體系結(jié)構(gòu)研究方面，國外一直處于領(lǐng)先地位。

3.1國外體系結(jié)構(gòu)研究方面

國外在知識融合方面最具代表性、引用較多的系統(tǒng)是Preece A D的KRAFT（Knowledge Reuse and Fusion/Transform）項(xiàng)目。［14］該項(xiàng)目主要研究知識融合模型架構(gòu)以及優(yōu)化問題。旨在研究分布式架構(gòu)如何支持某種特殊類型知識的轉(zhuǎn)化和重用，以及如何將其用于約束條件解決問題或者數(shù)據(jù)檢索，來融合這種知識以獲得附加價(jià)值。繼KRAFT系統(tǒng)之后，A．Nikolov等人開發(fā)了知識融合系統(tǒng)KnoFUSS。［15］該系統(tǒng)允許選擇綜合面向融合過程子任務(wù)的方法，也允許選擇最佳方法，這取決于領(lǐng)域以及任務(wù)的具體內(nèi)容。此外，Heffner M等［16］研究了知識融合的技術(shù)創(chuàng)新組織，旨在提供一個(gè)指導(dǎo)綜合知識管理框架，包括融合過程的知識創(chuàng)新和技術(shù)創(chuàng)新。

3.2國內(nèi)體系結(jié)構(gòu)研究方面

國內(nèi)在知識融合與知識共享方面較有影響力的項(xiàng)目是中國科學(xué)院的NKI項(xiàng)目，［17］是國家知識基礎(chǔ)設(shè)施項(xiàng)目。NKI在知識科學(xué)方面，對如何建立和維護(hù)本體結(jié)構(gòu)進(jìn)行了研究，并且對知識庫的一致性、完整性和結(jié)構(gòu)性問題進(jìn)行了深入討論。此外魯慧民等［18］提出以主題圖來表示知識，充分考慮所處語境，并在此基礎(chǔ)上提出了分布式知識融合體系結(jié)構(gòu)以及對應(yīng)的基于本體的遺傳融合算法，同時(shí)還建立了系統(tǒng)評估和參數(shù)校正機(jī)制。

3.3國內(nèi)外研究異同比較

目前，在知識融合體系結(jié)構(gòu)研究方面，國內(nèi)外均上升到一個(gè)良好的趨勢，在體系結(jié)構(gòu)構(gòu)建細(xì)節(jié)及量化方面均有所提高。但相比國外學(xué)者的研究，國內(nèi)的研究尚不成熟，雖已開發(fā)出屬于自己的體系結(jié)構(gòu)，但仍處于對國外體系結(jié)構(gòu)研究的基礎(chǔ)上進(jìn)行拓展階段。造成這種現(xiàn)象產(chǎn)生的原因是國內(nèi)對于知識融合研究的起步較晚，研究人員有限，研究成果影響力不夠大。

4　應(yīng)用實(shí)踐研究比較

4.1國外應(yīng)用研究方面

在計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用方面，A.Smirnov等人［19］研究了融合分布式知識源的知識源網(wǎng)絡(luò)方法，對知識源網(wǎng)絡(luò)構(gòu)建方法用于知識融合、多Agent結(jié)構(gòu)和基于該方法的知識源網(wǎng)絡(luò)知識融合系統(tǒng)的研究原型作了系統(tǒng)分析，并討論了知識融合技術(shù)的概念及其在電子制造領(lǐng)域的應(yīng)用。在近似知識領(lǐng)域，B．Dunin-Keplicz等［20］開發(fā)了利于保障融合知識的系統(tǒng)，使用模糊集和關(guān)系的一般式來研究分布異構(gòu)中知識的融合。

在軍事領(lǐng)域，國外的研究比較深入和具體。其中，美國軍事領(lǐng)域?qū)χR融合的研究較為全面，具有代表性的項(xiàng)目為KFEWMS和ARPIKSE。［11］它的主要研究內(nèi)容完全以知識融合為核心，包括構(gòu)建分布式知識融合體系結(jié)構(gòu)和對象化知識的共享與集成。即通過對分布式異構(gòu)知識庫的結(jié)構(gòu)化再組織，為軍方的各類行動提供基于知識的輔助決策信息。由于涉及軍方，公開資料極為有限，故筆者的研究較為基礎(chǔ)。

4.2國內(nèi)應(yīng)用研究方面

國內(nèi)學(xué)者將知識融合應(yīng)用于計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域也取得了一些成績。如，緱錦等人［21］基于網(wǎng)格平臺展示了知識融合框架，該框架建議使用半結(jié)構(gòu)化范式，強(qiáng)調(diào)對網(wǎng)格環(huán)境中分布式知識源的標(biāo)注。胡思康等人［22］提出網(wǎng)頁知識融合框架結(jié)合網(wǎng)頁文本中的知識，將網(wǎng)頁文本抽取轉(zhuǎn)化成三元語義網(wǎng)絡(luò)作為知識表示。

國內(nèi)將知識融合應(yīng)用于實(shí)際的領(lǐng)域較為廣泛，在交叉學(xué)科領(lǐng)域的應(yīng)用較為成熟。如：王利明、常鵬翱［23］討論了從學(xué)科分立到知識融合，進(jìn)而分析了法學(xué)學(xué)科的分立與融合；甘健侯、夏躍龍［24］研究基于多源異構(gòu)民族信息資源的知識融合算法，進(jìn)而應(yīng)用到我國民族信息資源的整合；朱森良等［25］將知識融合應(yīng)用于自主式智能系統(tǒng)；康耀紅［26］將知識融合應(yīng)用于數(shù)據(jù)融合理論與應(yīng)用，指出信息融合是一個(gè)處理過程，并且把信息融合定義為一個(gè)廣泛的概念，指出信息融合是一個(gè)綜合的處理過程；潘泉等［27］將知識融合主要用于軍事方面，與軍事用途密切相關(guān)。

4.3國內(nèi)外研究異同比較

就筆者所研究范圍看，國外主要將知識融合應(yīng)用于計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域以及國家軍事領(lǐng)域，發(fā)揮了知識融合極大的效用；國內(nèi)不僅將知識融合應(yīng)用于上述兩方面，還應(yīng)用于一些交叉學(xué)科中，并取得了一定的成績。但國內(nèi)的研究不夠深入不夠徹底，未能發(fā)揮知識融合的最大作用。隨著研究時(shí)間的推進(jìn)，國內(nèi)研究知識融合的學(xué)者不斷增加，這將使我國知識融合的研究更為深入和具體。

5　相關(guān)研究述評與未來研究重點(diǎn)

5.1相關(guān)研究述評

知識融合在知識服務(wù)中扮演著重要角色，是圖書情報(bào)工作研究的重點(diǎn)內(nèi)容之一。筆者通過閱讀大量文獻(xiàn)，并對此進(jìn)行歸納、總結(jié)、對比和分析，發(fā)現(xiàn)國內(nèi)外在知識融合方面的研究存在一定差異，國內(nèi)的研究尚且存在以下幾點(diǎn)不足。①知識融合的融合算法精度不夠。雖然我國在知識融合關(guān)鍵技術(shù)研究方面較為成熟，融合算法也多樣化、全面化，但其精度、效率還有待進(jìn)一步提升。②知識融合體系結(jié)構(gòu)不成熟，尚未形成一個(gè)專門、統(tǒng)一、完善的知識融合系統(tǒng)模型。國內(nèi)學(xué)者在體系結(jié)構(gòu)研究過程中，雖然在嘗試擺脫國外已有研究的限制，打造符合我國圖書情報(bào)領(lǐng)域的系統(tǒng)模型，但通用的模型還未建立。③知識融合沒有充分應(yīng)用到圖書情報(bào)的知識服務(wù)中。目前，國內(nèi)學(xué)者將知識融合多應(yīng)用于計(jì)算機(jī)網(wǎng)絡(luò)結(jié)構(gòu)、軍事領(lǐng)域等知識管理領(lǐng)域中。未來，還會在制造、醫(yī)療、環(huán)境、經(jīng)濟(jì)、科技等領(lǐng)域中交叉運(yùn)用。圖書情報(bào)領(lǐng)域應(yīng)作為引領(lǐng)者，將知識融合應(yīng)用到知識服務(wù)中去。

5.2未來研究重點(diǎn)

針對國內(nèi)在知識融合領(lǐng)域研究的不足，未來，我國的研究應(yīng)重點(diǎn)把握以下四方面：①深入研究知識融合的關(guān)鍵技術(shù)、改進(jìn)融合算法，使其更精確更高效；②建立一個(gè)通用的知識融合體系結(jié)構(gòu)，推動各學(xué)科領(lǐng)域的相關(guān)研究；③將知識融合應(yīng)用于更多交叉學(xué)科，充分發(fā)揮知識融合對知識服務(wù)實(shí)現(xiàn)的關(guān)鍵作用；④在大數(shù)據(jù)環(huán)境下，隨著現(xiàn)代知識總量與知識庫的劇增，知識融合應(yīng)明確目標(biāo)，充分發(fā)揮其功效。此外，國內(nèi)對知識融合的研究起步較晚，研究人員有限。因此，在這一領(lǐng)域，國內(nèi)學(xué)者應(yīng)培養(yǎng)更多的科技創(chuàng)新人才，以便更深入、更具體、更系統(tǒng)地對知識融合進(jìn)行研究。

［1］Gregoire E．Minimizing both dropped formulas and concepts knowledge fusion［C］//Defense and Security Symposium，International Society for Optics and Photonics．Tallahassee：WATAMPress，2006：62420.

［2］Gouth J E．Fusing knowledge resources in knowledge space［J］．Dynamics Continuous Discrete and ImpulsiveSystems-SeriesB-Applications&Algorithms，2007（14）：825－828.

［3］Santos E，et al．Fusing multiple bayesian knowledge sources［J］．International Journal of Approximate Reasoning，2011，52（7）：935－947.

［4］Andrade D，et al．Knowledge fusion using Dempster-Shafer theory and the imprecise Dirichlet model［C］// IEEE Conference on Soft Computing in Industrial Application，Smcia’08．Madley：IEEE，2008：142－148.

［5］周芳，等．多源知識融合處理算法［J］.北京航空航天大學(xué)學(xué)報(bào)，2013（1）：109－114.

［6］周芳，等．基于模糊集理論的知識融合方法研究［J］.北京理工大學(xué)學(xué)報(bào)（社會科學(xué)版），2013（3）：67－73.

［7］張玉潔.基于評分的貝葉斯網(wǎng)融合方法［D］．昆明：云南大學(xué)，2011.

［8］宋建勛，等．基于D-S證據(jù)理論的多特征數(shù)據(jù)融合算法［J］.火力與指揮控制，2010（7）：96－98，108.

［9］韓立巖，周芳．基于D-S證據(jù)理論的知識融合及其應(yīng)用［J］.北京航空航天大學(xué)學(xué)報(bào)，2006（1）：65－68，73.

［10］蔣黎黎，等．基于粒度計(jì)算理論的知識融合模型研究［J］．計(jì)算機(jī)應(yīng)用研究，2012（10）：3697－3700.

［11］緱錦.知識融合中若干關(guān)鍵技術(shù)研究［D］．杭州：浙江大學(xué)，2005.

［12］徐賜軍，等．基于本體的知識融合框架［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010（7）：1230－1236.

［13］徐曉，等．制造決策的知識融合粗糙集模型［J］.華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2011（8）：36－41.

［14］PreeceAD，etal．KRAFT：Anagentarchitecturefor knowledge fusion［J］．Int Journal of Cooperative InformationSystems，2001，10（1－2）：171－195.

［15］Nikolov A，et al．KnoFuss：A comprehensive architechire for knowledge fusion［C］//Proceedings of the 4th International Conference on Knowledge Capture. SanFrancisco：ACM，2007：185－186.

［16］Heffner M，Sharif N．Knowledge fusion for technological innovation in organizations［J］．Journal of Knowledge Management，2008（12）：79－93.

［17］Nengfu Xie，et al．A knowledge fusion model for web Information［C］//2005 IEEE/WIC/ACM International Conference on Web Intelligence.Halifax：IEEE，2005：67－72.

［18］魯慧民，等．一種基于擴(kuò)展主題圖的分布式知識融合［J］．吉林大學(xué)學(xué)報(bào)（理學(xué)版），2009（3）：543－547.

［19］Smirnov A，et al．Ksnet-approach to knowledge fusion distributed sources［J］．Computing and Informatics，2012，22（2）：105－142.

［20］Dunin-Keplicz B，et al．Tractable approximate knowledge fusion using the horn fragment of serial propositional dynamic logic［J］．International Journal of Approximate Reasoning，2010，51（3）：346－362.

［21］Gou Jin，et al．A knowledge fusion framework in the grid environment［M］．Krakow：Springer，2004：503－506.

［22］HuSikang，CaoYuanda．Web text knowledge fusion［C］//Second Pacific-Asia Conference on Web Mining and Web-based Application．Madison:IEEE，2009：171－174.

［23］王利明，常鵬翱．從學(xué)科分立到知識融合——我國法學(xué)學(xué)科30年之回顧與展望［J］.法學(xué)，2008（12）：58－67.

［24］夏躍龍.多源異構(gòu)民族信息資源知識融合算法研究［D］．昆明：云南師范大學(xué)，2014.

［25］朱森良，等．自主式智能系統(tǒng)［M］．杭州：浙江大學(xué)出版社，2000.

［26］康耀紅．?dāng)?shù)據(jù)融合理論與應(yīng)用［M］．西安：西安電子科技大學(xué)出版社，1997.

［27］潘泉，等．信息融合理論的基本方法與進(jìn)展［J］．自動化學(xué)報(bào)，2003（4）：599－615.

Comparison Analysis on Knowledge Fusion Research Status at Home and Abroad

Yang Rui-xian，Zhu Tian－tian

During the process of the realization of knowledge service,Big Data has broaden the width and breadth,while also brought new problems to knowledge service at the same time.Knowledge fusion,as an effective approach of knowledge collecting, analyzing,and handling,has become the focus of scholars both at home and abroad.In order to better serve the domestic research in this field,the article analyzes corresponding research from the aspects of key technology,system structure and application at home and abroad.Based on above research,it reviews knowledge fusion research status of our country to provide reference and reference for in-depth study.

Knowledge Fusion;Technology;System Structure

G252.8

A

1005－8214（2016）08－0042－04

楊瑞仙（1982－），女，博士后，鄭州大學(xué)信息管理學(xué)院副教授，研究方向：信息計(jì)量、知識組織；朱甜甜（1994－），女，鄭州大學(xué)信息管理學(xué)院本科生。

2015－12－30［責(zé)任編輯］張雅妮

本文系河南省教育廳人文社科一般項(xiàng)目“基于計(jì)量分析的科研關(guān)系揭示與融合研究”（項(xiàng)目編號：2016-gh-128）研究成果之一。