國內知識服務系統研究進展：架構體系與關鍵技術*

孫雨生 高 希 劉 濤

（湖北工業大學經濟與管理學院 武漢 430068）

1 引言

伴隨數智化時代來臨、知識化經濟興起和數字化社會發展，知識快閃、知識協同創新背景下用戶知識需求逐步個性化［1～3］、智能化［2］、復合化與信息資源日益分布異構、海量多源且爆炸式增長形成鮮明對比，數據迷霧、信息過載、知識迷航等問題愈發嚴峻，致使如何結合用戶需求智能提供知識服務進而按對應業務流程選用IT技術高效描述、處理、存儲、分析海量多源異構信息資源，以在降低用戶認知負荷同時提升知識資源利用率成為亟待解決問題。在這種形勢下，知識服務系統應運而生并備受重視，其構建基于用戶需求、業務流程建模及IT技術共享、協同分布式知識資源［4］的知識生態系統，以提供旨在支持知識應用與創新、降低知識獲取成本及認知負荷［5］、提升知識資源配置效率［4］的知識服務，并降低社會知識運營整體成本、促進社會知識協同創新。傳統知識服務系統多基于高性能單機節點、集中式單體架構和面向知識服務業務鏈（知識可視化、知識應用、知識發現、知識存儲、知識加工、知識采集等）局部［2］的關鍵技術，提供基于列表式展示、關鍵詞匹配［5］的知識導航、問答、推薦、檢索等服務，雖部分滿足用戶需求但難適應海量異構［5］、分布稀疏［6］、復雜多變大數據環境，及其對系統架構支持應用頻繁演進、業務并行處理、技術開源集成、資源協同共享［4］、負載動態均衡等和兼容支持知識服務全程的體系化IT技術的更高要求，致使難以有效采集、表示、加工、發現、集成知識資源并遵循業務流程、融合關鍵技術形成面向用戶應用、支持服務全程的解決方案，進而影響知識服務質量［7］（深度、廣度）、性能（智能性、時效性）及用戶體驗，因此，系統研究面向大數據環境的知識服務系統架構體系并體系化面向知識服務全程的關鍵技術問題有重要意義。

考慮到研究結果代表性及數據采集全面性、可行性，本文以知網、萬方學位論文庫、期刊論文庫及維普期刊論文庫為信息源，以“知識服務系統”為關鍵詞在題名中檢索相關文獻：截止2022年5月2日，共獲有效期刊論文122篇、碩博論文27篇，合計149篇；全部詳讀后歸納知識服務系統內涵、核心內容、研究框架及其架構體系、關鍵技術研究進展并按提及頻次、內容質量詳細標注，本著覆蓋全部文獻內容并最大限度反映國內知識服務系統架構體系及關鍵技術研究進展重要文獻原則，剔除相關度低、提及頻次少、內容重復文獻后確定43篇參考文獻；最后闡述知識服務系統內涵、核心內容、研究框架，并從架構體系、關鍵技術兩方面闡述國內知識服務系統研究進展。

2 知識服務系統簡介

2.1 定義及內涵

目前，國內尚未就知識服務系統定義及內涵達成共識且相關研究較少，筆者分析現有文獻后認為知識服務系統是用戶需求［6，8～9］導向、應用場景［6］驅動，遵循架構體系規范化、業務協同并行化、技術體系流程化、知識資源共享化、基礎設施集成化等原則，結合知識管理規范、運維與安全標準［10］，基于統一用戶界面支持用戶選擇個性化定制、結構化導航、語義化問答、智能化推薦、精準化檢索等服務，進而選擇相應支持知識推理、更新等業務的服務策略與機制由其結合知識可視化、知識應用、知識發現、知識存儲、知識加工、知識采集技術析取加工、集成組織碎片化知識資源并可視化返給用戶供其應用、創新，同時按用戶反饋動態進化系統功能、優化基礎設施配置以加速知識轉化［11］、增值的知識級信息系統。就內涵而言，其按特定應用場景下多類型、多層次、多學科用戶解決問題［3，5，7，9］、制定決策過程［5］中知識內容［2，6，9，12～13］需求提供知識應用服務供用戶選擇，進而按服務所需相應業務處理流程選用IT技術采集、表示、加工紛繁復雜［3］、良莠不齊［9］知識資源，以關聯、集成特定領域主題、機構、人員、文獻等知識對象［5］構建知識網絡及體系并存入知識（倉）庫，進而通過知識推理［14～15］、知識挖掘獲取潛在事實［15］、規則并依托知識檢索、知識推薦等服務形式支持用戶基于全生命周期知識服務平臺［16］、設施采集、應用及創新知識，最終形成促進知識生產加工、傳播共享、增值創新［5］的開放性知識生態系統，以提升知識服務質量、性能及用戶體驗。

2.2 核心內容及研究框架

分析現有文獻，筆者認為知識服務系統主要研究架構體系、關鍵技術、用戶興趣建模、服務機制、知識資源管理、應用實踐六方面，研究框架見圖1。就國內知識服務系統研究而言，理論研究尚處導向性探索階段［11］且體系不完整：服務模式不完善［9］且可操作性不強，難適應大數據［17］、人工智能［2］、云計算［4］、區塊鏈［16］等新型IT技術；實踐應用研究較少：集中于農業［3，11，18～19］、企業［1，20～21］、圖情檔［22］、醫療健康［14，23～24］等領域且多研究知識服務系統構建技術問題。

圖1 知識服務系統研究框架

3 架構體系

3.1 體系結構

知識服務系統體系結構多為B/S模式［18，21～23，25］，常按領域業務內容、應用場景分為基于應用程序接口通信的界面表示（人機交互［26］）層（支持基于集成多種接入方式［5，18，21］且附帶聯機幫助［27］的用戶界面動態可視化訪問（注冊登錄［5，28］、瀏覽檢索［4～5，18，28］、反饋［5，13］更新［28］等）以提交請求、展示結果［5］）、服務應用層（預分類［5，10］、細化［5，10］、分析［5，10，29～30］用戶請求并融合系統功能模塊、IT技術，提供個性化定制、知識導航［5，17，31］、知識問答［5，31］、知識推薦［5，8，17，31］、知識檢索［8，17，30～31］等服務）、業務邏輯層（智能理解用戶請求及行為并結合用戶興趣模型、項目特征模型按業務流程精準匹配用戶需求、知識，調用業務校驗、資源調用、事務管理［19］等邏輯控制支持系統管理服務，并按用戶反饋動態調整業務規則及流程）、知識資源層（統一采集、加工、存儲知識）、基礎設施層（部署管理軟硬件及網絡設施）。此外，部分學者在此基礎上按所用技術增加相應層次。

3.1.1 農業知識服務系統

陳紅葉［18］、陳棟［19］提出B/S模式茶葉［18］、森林經營［19］知識服務系統分為表示（用戶［18］）層［19］（支持用戶訪問并基于JQuery用Ajax與服務器交互數據［19］）、業務［19］（功能［18］）邏輯層（基于框架法匹配知識并支持事務管理［19］、數據驗證、內容更新［18］）、數據層（用Servlet響應HTTP請求［18］并基于Hibernate操作數據庫）。萬敏［11］提出農業知識服務系統分為用戶層（用戶通過網絡、應用程序訪問系統以獲取解決方案、知識產品）、應用系統層、支持系統層（采集、加工成數字信息資源，構建知識倉庫及服務平臺，組建專家團隊）。

3.1.2 企業知識服務系統

趙婷婷［21］、王道平［31］提出B/S模式機械設計［21］、SOA架構敏捷供應鏈［31］知識服務系統分為表示層（按用戶權限提供多種便于交互式學習的知識服務［31］并支持管理員維護擴展、專家審核評價知識庫［21］）、應用（服務［31］）層［21］（基于SOAP式通信、UDDI式服務管理、XML式數據交換［31］管理知識及系統［21］，前者管理知識瀏覽檢索、更新輸出、測試推理等，后者管理用戶權限、系統維護、事務處理、出錯處理、安全控制等）、數據（知識［31］）層［21］（抽取、轉換、存儲數據［31］）。卞建萍［1］、李廣［20］提出業務過程知識管理［1］、制造業［20］知識服務系統分為用戶（應用［20］）層［1］、主動服務（中間［20］）層［1］（基于用戶興趣模型及業務過程中任務［1］確定用戶知識需求，并據此過濾按業務知識需求模型通過本體映射所獲知識集進而動態進化［20］用戶興趣模型）、知識描述層（基于本體同質化知識源結構、語義）、知識源層。張曌［32］提出產品設計知識服務系統分為服務用戶層、服務應用層（采集、檢索和解釋知識）、服務基礎層（動態更新知識庫）。

3.1.3 圖情檔知識服務系統

袁芳［5］、黃雪梅［10］、王珊珊［28］、李連喜［29］、吳新年［30］提出基于本體的檔案［5，10］、引文［28］、圖書館［29～30］知識服務系統分為表示（用戶［29～30］）層［5］（統一用戶身份認證并分級授權［29～30］以便其訪問［5］）、應用（服務［29～30］）層［5，10］（基于應用解析接口預分類［5，10］、細化［5，10］、分析［5，10，29～30］用戶請求，通過可視化界面［10，29～30］提供基于本體推理［10］的應用服務）、業務層［5］（按通用業務流程處理業務）、本體層［10，28］、語義層［10，28～30］（依托統一規范元數據標準及領域本體模型［10］抽取加工、標注分類、組織關聯知識）、知識層［10］、信息集成層［30］（集成組織抽取加工所得元數據）、數據（資源［28～30］）層［5，10］（采集、清洗、存儲數據）。陳倩波［4］提出圖書館知識服務系統分為用戶界面層、中間控件層（涉及用戶、任務、資源及安全管理等控件）、基礎設施層（提供軟硬件環境并依托云計算并行化計算、分布化存儲、協同化共享資源）。李菲［33］提出圖書館知識服務系統分為信息用戶層（支持用戶接收型、專家建設型及兩者混合型用戶訪問）、服務平臺層（按推薦知識類型、特點及信息接受度選擇信息傳輸通道）、服務模塊層（涉及用戶定制、公眾推送、用戶共建模塊）、服務資源層。丁恒［22］提出B/S模式、SOA架構標準文獻知識服務系統分為應用層、服務層（處理數據、提供服務）、數據層（持久化PDF、XML文件及知識本體數據庫）。

3.1.4 醫療健康知識服務系統

楊曉燕［17］提出營養健康知識服務系統分為知識服務門戶層、知識服務支撐層（按統一規范剔重、分類、加工、存儲知識資源進而按既定規則挖掘、重構）、知識資源倉儲層（按規范采集、整合數據）、資源加工工具層（提供資源倉儲層采集數據、知識服務系統構建所需工具）、系統運維監控層。于哲［23］提出B/S模式健康知識服務系統分為視圖表示層（方便用戶通過Web接口可視化交互）、應用服務層（按用戶請求調用功能模塊）、數據存儲層。

3.1.5 其他

何寶亮［16］提出基于區塊鏈的知識服務系統分為用戶應用層（提供融合知識生態、面向行為、服務、資源、設備等管理信息與應用場景且符合用戶習慣、行為的接口及應用程序以支持感知型智慧服務）、合約與交易層（可信節點按既定自動執行響應條件及規則進入合約狀態并在符合合約值時自動交易）、數據存儲與分析層（基于應用共識機制、云處理、大數據存儲、去中心化、數據傳輸等技術處理、動態存儲節點數據及其關系，以支持基于用戶感知信息分析其需求）、基礎數據層（涉及基礎架構技術、數據及算法）。褚冰［25］提出基于知識圖譜的B/S模式石油知識服務系統分為應用層、數據層（依托模式層提取并存儲各類存儲結構中RDF三元組知識）、模式層（按領域本體化資源層所存儲文件）、資源層。劉豫徽［26］提出基于Agent的知識服務系統分為人機交互層（用戶基于接口注冊、提交任務并查看知識推送結果、反饋信息）、知識處理層（接收、分析、檢索任務以進化業務知識需求模型及用戶興趣模型進而過濾知識）、知識檢索層。王丹［34］提出基于Web2.0的知識服務系統分為用戶表示層、業務邏輯層（邏輯處理數據業務）、數據訪問層。鄭文文［35］提出基于知識網格的知識服務系統分為知識服務層（動態交互以共享、應用知識）、知識組織層（基于知識庫互聯互操作知識節點）、資源層。

3.2 功能模塊

相關研究較少，常按系統功能［1，3，23，25，36～37］及層次［24］構建并隨應用場景遷移、用戶需求變化動態調整，包括人機交互、系統管理（分配用戶權限以管理用戶［37］并統一維護安全控制［21］、容錯處理［21］、事務處理［21］、日志管理［1，37］、容災備份［5，10］及運維部署管理等系統功能，同時接受用戶反饋信息）、知識服務（按用戶權限、需求提供服務應用）、知識維護［25］（審核、評估知識并管理模型、算法）、知識存儲（存儲基本信息、行為信息、需求信息［14］等用戶類、資源類知識）、知識加工、知識采集（用人工、半自動、自動等方式［21］按統一規范采集知識）等模塊。

3.2.1 農業知識服務系統

馬良俊［3］提出農業知識服務系統分為用戶中心（支持通過可視化人機交互接口注冊信息、提交需求、接受信息推送服務并反饋效果）、服務內容、信息采集處理（依托管理后臺采集、處理、存儲信息）模塊。

3.2.2 企業知識服務系統

卞建萍［1］提出業務過程知識管理知識服務系統分為系統管理（含用戶模型管理）、知識服務管理、業務過程知識需求管理（維護業務過程信息及各環節知識需求并管理業務過程）、知識源管理模塊。

3.2.3 圖情檔知識服務系統

豐瑋［36］提出圖書館知識服務系統分為知識服務（支持用戶交互式瀏覽、檢索、問答、引用知識庫）、知識存儲（輸入（更新）輸出（檢索）知識）、知識組織（按體系分類法、網絡技術法組織文獻描述、內容、特色、目的信息）、知識采集（分信息采集、知識加工模塊，后者人工篩選、加工、格式化并存儲所采集信息）模塊。景璟［27］提出圖書館知識服務系統分為系統維護（管理用戶及其權限，維護知識版本、分類體系，審批、發布聯機幫助等系統級管理知識，備份恢復數據）、模型（知識挖掘模型）管理、知識管理（采集、挖掘、積累及共享知識）、信息資源管理（更新備份信息）模塊。袁芳［5］、黃雪梅［10］提出檔案知識服務系統分為系統管理（通過門戶管理用戶賬戶、資源密級權限，支持用戶反饋、容災備份）、應用管理、知識庫管理（管理知識條目及其一致性、知識元關聯推理規則、元數據、本體等）、知識源管理、文檔一體管理模塊。

3.2.4 醫療健康知識服務系統

唐曉波［14］提出健康教育知識服務系統分為知識服務、知識組織（預處理（清洗、集成、變換、規約）、組織知識以構建本體知識庫）、知識采集（采集慢性病數據資源、專家及用戶知識）模塊。于哲［23］提出基于本體的健康知識服務系統分為服務調用（用Servlet調用服務接口）、業務邏輯（基于本體的知識檢索和基于本體推理的糖尿病診斷及風險評估）、本體管理模塊。鄒元平［24］提出中藥知識服務系統分為主頁管理、報表模擬、數據分析、用戶及其權限管理、日志統計管理（統計用戶、資源及系統訪問情況）、數據庫管理（用資源管理器檢索、更新數據）、資源管理（管理數據庫對象資源）模塊。翟興［38］提出養生知識服務系統分為人機交互、FAQ（智能問答）、語義檢索（處理FAQ難解決問題）、知識庫構建、數據源模塊。

3.2.5 其他

王勝海［13］提出網絡智能知識服務系統分為系統管理、知識服務、知識進化（按用戶反饋動態調整知識處理算法）、知識存儲、知識過濾（剔重以一致化知識庫）、資源加工（轉換格式、標引知識、生成文摘及簡報以知識化數據）、資源采集模塊。褚冰［25］提出石油知識服務系統分為知識可視化、知識檢索（基于概念、屬性、關系、實例等可視化檢索）、知識推理（用決策樹算法對給定概念參數值或相關實例等進行知識圖譜模式層與數據層混合推理）、知識維護、信息維護模塊。閆華［37］提出能源知識服務系統分為數據管理（檢索、更新數據并生成報表）、用戶管理（管理用戶權限、日志）、數據處理（采集、格式化、整理、分類并據此存儲數據）、數據采集（結構化、排序、篩選并存儲數據）模塊。

3.3 運行機理

多遵循應用場景多樣化、服務功能集成化、業務流程標準化原則，動態、規范描述知識服務流程以調用通過層間接口關聯的功能模塊進而協同實現面向領域應用、滿足用戶需求的知識服務。常按普通用戶個性需求智能組合服務策略、業務流程以協同功能模塊提供知識應用服務：普通用戶通過界面表示層人機交互模塊多種接入方式［5，18，21］訪問用戶界面以提交需求并由其傳給服務應用層，服務應用層按用戶權限調用知識服務模塊支持其選擇知識應用服務進而通過統一訪問引擎［10］與知識資源層交互以獲取用戶所需知識，并結合用戶興趣模型、項目特征模型用知識發現技術處理、生成知識服務模塊所需知識［5］，進而傳至服務應用層由其用對應知識應用技術提供服務并通過界面表示層可視化返給［10，29～30］用戶、接受其反饋；按系統管理員用戶權限分配、系統部署運維需求智能分配用戶權限、自動管理系統運維、動態接收用戶反饋：系統管理員基于界面表示層人機交互模塊訪問用戶界面并通過系統管理、知識維護模塊提交用戶權限管理、系統運維部署、功能模型配置需求，進而與基礎設施層交互以分別動態維護用戶權限、軟硬件部署、運維功能模型配置信息，同時通過系統管理模塊動態接收、集中管理用戶反饋信息。

3.3.1 農業知識服務系統

陳紅葉［18］提出茶葉知識服務系統運行流程：用戶通過用戶界面與系統交互并提交需求給功能邏輯層由其與數據層（含用戶興趣采集、知識采集模塊）交互（通過Servlet響應HTTP請求）以獲取、處理所需數據后交由知識推送模塊提供主動知識服務。萬敏［11］提出農業知識服務系統運行流程：用戶提交需求給用戶層應用程序由其交給應用系統層，應用系統層通過知識倉庫、專家咨詢系統獲取、處理支持系統層通過信息采集、加工、標準化、數字化等技術處理所得數據進而提供解決方案、知識產品。馬良俊［3］提出農業知識服務系統運行流程：用戶通過系統界面用戶中心模塊提交需求及反饋給服務內容模塊由其與信息采集處理模塊（用人工、自動采集（Web Spider）技術采集、整理、存儲信息）交互以獲取、處理所需信息后提供系統化功能服務。

3.3.2 企業知識服務系統

趙婷婷［21］提出機械設計知識服務系統運行流程：用戶通過表示層按權限訪問并調用相應功能模塊以提交請求給應用層由其與數據層交互并獲取、處理知識，以支持用戶檢索學習知識、管理員維護拓展用戶信息、專家評價審核知識并由表示層展示給對應用戶。王道平［31］提出敏捷供應鏈知識服務系統運行流程：用戶通過表示層按權限訪問系統導航及知識服務并提交請求給應用服務層由其基于SOAP、UDDI分別實現消息通信、服務管理，以調用知識地圖、知識檢索、專家黃頁等知識服務進而通過處理知識層基于三層數據體系采集、存儲的數據實現功能服務。

3.3.3 圖情檔知識服務系統

袁芳［5］提出檔案館知識服務系統運行流程：用戶通過表示層檔案知識門戶訪問、學習知識并提交需求給應用層由其基于應用解析接口預分類、細化、分析后調用知識服務程序與業務層交互，業務層與數據層交互并通過統一數據訪問引擎獲取檔案數據后交由業務邏輯算法處理進而交由應用層基于本體推理提供知識服務并通過人機界面返給用戶，同時按用戶反饋進化數字檔案本體、用戶興趣模型及知識需求模型。

3.3.4 醫療健康知識服務系統

唐曉波［14］提出健康教育知識服務系統運行流程：按用戶需求調用知識服務模塊與知識組織模塊交互以獲取按一定原則、方法及知識體系序化后的知識采集模塊所采集數據，進而用知識檢索、推理等技術提供知識導航、知識地圖、自動問答、知識推薦、知識檢索等健康知識服務，并按用戶反饋動態進化系統知識采集、組織、服務形式。

3.3.5 其他

王勝海［13］提出網絡智能知識服務系統運行流程：按普通用戶需求調用知識服務模塊相應服務由其處理經資源加工、知識過濾、知識存儲模塊處理后資源采集模塊所采集信息以生成、存儲知識并支持相應知識服務，將用戶反饋交由知識進化模塊處理以進化資源加工處理算法、知識服務系統功能；按系統管理員需求調用系統管理模塊管理系統功能及配置。

4 關鍵技術

常按知識服務業務流程分為知識可視化、知識應用、知識發現、知識存儲、知識加工、知識采集六類，以提高知識服務系統業務處理效率、服務質量及性能，共性技術為本體（同質化異構知識、豐富語義）、知識圖譜、語義網，支撐技術為用戶興趣建模、業務流程建模、云計算（分布式計算各知識服務系統資源以重配知識資源［4］、提高服務效率）等。

4.1 知識可視化

研究較少，多側重知識可視化流程及作用：褚冰［25］通過定義畫布（基于D3.js定義初始坐標、寬高以確定展示位置）、獲取節點（通過Ajax進行前后端頁面交互并基于Neo4j獲取）及路徑（通過單節點檢索、雙節點檢索與關系檢索獲取）信息、可視化以輔助用戶低負荷認知概念及概念間關聯。袁芳［5］、丁恒［22］挖掘、分析、構建、繪制圖形［5］以可視化知識內在結構及對象關系。

4.2 知識應用

4.2.1 知識推薦

基于用戶基本信息（背景、偏好等靜態特征）和行為信息（瀏覽、檢索等動態特征）預測其興趣、引導其需求［2］，通過用戶興趣建模、項目資源建模并基于特征匹配、推薦算法［2］提升知識服務主動性、精準性、智能性［9］，常分基于內容推薦［2，9］、數據挖掘推薦［9］（用數據挖掘學習用戶行為、興趣特征）、協同過濾推薦［2，9］、混合推薦［9］等。王曦光［9］、唐曉波［14］、何寶亮［16］、王珊珊［28］、李連喜［39］分析用戶行為以獲取其特征、偏好等顯隱性需求［9，39］并標簽化［9］，基于用戶畫像［16］、本體［9，14，28］等技術構建用戶興趣模型，通過推薦算法和知識內容標簽匹配推薦［9］知識，并通過趨勢演化分析預測用戶行為［39］以實現智能推薦。

4.2.2 知識檢索

結合用戶需求、行為并基于本體［28，30，40］、語義網［7］、知識圖譜［25］等技術語義擴展、推理檢索關鍵詞（提升查全、查準率［7，23］），并據此基于通用搜索引擎［13］、主題搜索引擎［13］、元搜索引擎［11，13］等搜索引擎及框架表示法等知識檢索方法［4］精準定位、智能匹配檢索結果并按用戶興趣模型序化后顯示。于哲［23］、王珊珊［28］、吳新年［30］、寇遠濤［40］、程南清［41］提出基于本體的知識檢索：語義理解檢索請求并擴展（如上下位、同義詞、相關詞及中英文等［40］）、推理［23］檢索關鍵詞，據此結合用戶興趣模型構造檢索式［41］以檢索知識庫并按與用戶需求相關度序化顯示檢索結果［28，30］。此外，李連喜［39］用Wiki技術通過橫向跨主題領域、資源載體和縱向追蹤歷史版本實現知識檢索。

4.3 知識發現

4.3.1 知識挖掘

通過數據挖掘等技術、算法（粗糙集［9］）按流程提取隱性知識以輔助用戶決策：景璟［27］將知識挖掘步驟分為知識分類、模型選擇及知識挖掘；王丹［34］將數據挖掘分為挖掘對象確定（基于應用范圍和用戶需求）、數據準備（選擇、凈化、預處理、變化、壓縮數據）、數據挖掘（確定統計分析、機器學習、人工智能和模式識別等數據挖掘方法、算法及查找模式）和挖掘結果的表達、評價及鞏固；王曦光［9］用數據挖掘技術挖掘數據（倉）庫中知識及規則以輔助決策。

4.3.2 知識推理

多基于本體推理，常結合推理算法用Jess、FaCT++和Pellet等推理引擎［14］智能化推理規則、策略［7，18］，以推理新知識或檢查一致性進而補全去噪［7，14］知識庫：于哲［23］基于Rete算法用推理引擎規則結構相似性、時間冗余性提升推理效率；武博軒［15］基于規則、語義推理拓展數據圖狀態空間以獲取事實支持知識檢索。此外，褚冰［25］基于易計算、易理解、易學習的ID3算法結合概念參數值或相關實例推理知識。

4.4 知識存儲

按一定規則存儲已加工知識于知識（倉）庫［21］并動態更新［9］：王曦光［9］按統一存儲、管理規范匯總知識后存入知識庫并用知識發現系統動態更新；唐曉波［14］用本體表示分散無序知識并構建知識模型以按語義組織知識并存入本體知識庫；趙婷婷［21］用知識倉庫系統化、集成化存儲知識。

4.5 知識加工

研究較少，多通過組織、標引知識來序化知識因子、網絡化知識資源［7，14］以便存儲，核心是知識組織、知識標引技術。

4.5.1 知識組織

遵循問題知識化、知識概念化、概念形式化、形式規則化原則，依托多維知識體系［5］、組織方法，用分類法、詞表等工具序化知識以便機讀處理：胡小麗［8］提出知識組織體系分詞表（包括可選詞單、地名辭典、術語表、字典詞典、規范文檔、同義詞環）、分類體系（包括標題表、粗略分類體系、知識分類表、文獻分類法）、關系詞群（包括敘詞表、概念地圖、語義網絡、本體等）；豐瑋［36］提出知識組織方法分體系分類法（明確知識從屬關系但難揭示知識關聯）、網絡技術法；趙瑞雪［6］用知識分析、知識揭示、關系計算等技術組織知識。

4.5.2 知識標引

將待標引知識納入知識體系并構建關聯知識網絡［12］：唐曉波［14］、王珊珊［28］、李連喜［29］、吳新年［30］基于領域本體模型［28］、語義規則/模型［29～30］語義標注網絡知識［14，29～30］以便機器自動識別領域知識并納入知識體系，進而構建知識網絡以拓展知識庫［14］。此外，百華睿［12］按元數據標準、文檔內容特征、知識體系選擇分類標引、主題標引、本體標引等知識標引方法，混合自動標引與人工干預方式提高知識標引效率；通過反饋修正接口反饋標引錯誤以提升自動標引算法效能。

4.6 知識采集

混用人工、半自動、自動等方式［21］從既有經驗、事實、規則等知識源中歸納抽取知識［42］：趙婷婷［21］、汪國林［43］提出知識采集方式分為人工、半自動（分工明確、業務流程清晰但質量受知識表示模型影響且成本高［43］）、自動（涉及自然語言處理［43］、機器學習技術）、眾包［43］；武博軒［15］提出用戶基于本體概念關系及約束并結合自身知識標注實例以半自動采集Web知識。此外，張曌［42］提出基于漣波下降規則的知識采集方法，按規則索引案例、錯誤結果驅動機制（專家針對錯誤結果在知識庫中添加規則及案例）采集知識。

5 結語

綜上，本文闡述了知識服務系統內涵、核心內容及研究框架，并從架構體系、關鍵技術兩方面闡述了國內知識服務系統研究進展：知識服務系統架構體系遵循請求分散化、應用集成化、業務標準化、存儲分布化、計算并行化原則，以用戶需求及應用場景為導向、以知識服務流程為主線，以IT技術、知識資源及知識服務設施（知識服務應用系統、信息基礎設施、軟硬件設施）為依托，揭示調用按體系結構分層組織、高內聚低耦合的功能模塊協同實現面向領域應用及用戶需求的知識服務運行機理：體系結構多為B/S模式，常分為界面表示層、服務應用層、業務邏輯層、知識資源層、基礎設施層；功能模塊包括人機交互，系統管理、知識服務，知識維護、知識存儲、知識加工、知識采集等模塊；運行機理按普通用戶個性需求智能組合服務策略及業務流程以協同功能模塊提供知識應用服務，支持系統管理員智能分配用戶權限、自動管理系統運維、動態接收用戶反饋。關鍵技術旨在提高用戶需求導向、應用場景驅動的知識服務系統業務處理效率及服務質量，常按知識服務業務流程分為知識可視化、知識應用（知識推薦及檢索）、知識發現（知識挖掘及推理）、知識存儲、知識加工（知識組織及標引）、知識采集六類。

下一步，筆者將構建基于IT規劃參考模型的智慧型知識服務系統架構體系，以供相關研究及實踐參考。