[原创] 用Ontology组织企业的信息和知识（AMT研究院 宋亮）

申请免费试用、咨询电话：400-8352-114

在不确定是唯一可确定因素的经济环境中，知识是企业获得持续竞争优势的源泉。知识管理就是利用先进信息技术实现知识获取/创造、组织/存储、传播、应用，使企业在动荡的市场中保持高度智能化的管理手段。知识分为显性知识和隐性知识，显性知识是已经总结好的被基本接受的正式知识，以数字化形式存在或者可直接数字化，易于传播；隐性知识是尚未从员工头脑中总结出来或者未被基本接受的非正式知识，是基于直觉、主观认识、和信仰的经验性知识。显性知识比较容易共享，但是创新的根本来源是隐性知识。日本东京一桥大学著名知识学教授野中郁次郎研究发现：员工在工作过程中把隐性知识作用于客观信息，产生显性知识并传授给同事，和同事一起把显性知识汇总并在产品/服务中体现出来。

而知识管理就是对一个企业集体的知识与技能的捕获——而不论这些知识和技能是存在于数据库中、被印刷于纸上或是存在于人们的脑海里——然后将这些知识与技能分布到能够帮助企业实现最大产出的任何地方的过程。知识管理的目标就是力图能够将最恰当的知识在最恰当的时间传递给最恰当的人以便使他们能够做出最好的决策。

公司信息资产的价值并不在于存贮和提取信息的能力，而在于将信息与特定过程和未知情境进行动态匹配的能力。通过运用知识管理这一技术，许多企业已经取得了令人惊异的成就。分析家们指出：LotusNotes和世界互联网是知识管理系统中的两大中坚力量。而数据库、文件管理系统和电子邮件则是知识管理系统中的基本要素。为实现知识管理的目标，从而为企业带来收益，大多数公司还需要添加某种知识提取产品，它能通过群体协作、过滤和语义技术将信息转化为知识。

数字信息一方面为人们的日常工作和生活带来了帮助，另一方面，大量的信息又使人们不知所措。如何组织和提供信息就成为信息系统要解决的关键问题。

目前主要的困难包括：知识的表示、信息的组织、软件的复用等。特别是由于因特网的快速发展,面对信息的海洋，如何组织、管理和维护海量信息并为用户提供有效的服务也就成为一项重要而迫切的研究课题。为了适应这些要求，Ontology作为一种能在语义和知识层次上描述信息系统的概念模型建模工具，自被提出以来就引起了国外众多科研人员的关注，并在计算机的许多领域得到了广泛的应用，如知识工程、数字图书馆、软件复用、信息检索和Web上异构信息的处理、语义Web等。

信息检索技术可分为3类：全文检索（Text retrieval）、数据检索（Data retrieval）和知识检索（Knowledge retrieval）。全文检索的特点是把用户的查询请求和全文中的每一个词进行比较，不考虑查询请求与文件语义上的匹配，这种方式虽然可以保证查全率，但是查准率却大大地降低了。数据检索的特点是查询要求和信息系统中的数据都遵循一定的格式，具有一定的结构，允许对特定的字段检索 （例如：作者 =“王刚”）。数据检索需要有标识字段的方法。数据检索的性能取决于所使用的标识字段的方法和用户对这种方法的理解，因此具有很大的局限性。数据检索支持语义匹配的能力也较差。知识检索强调的是基于知识的、语义上的匹配，因此在查准率和查全率上有更好的保证。目前知识检索是信息检索研究的重点，特别是面向Web信息的知识检索。

常规的直接基于关键词的信息检索技术已不能满足用户在语义上和知识上的需求，寻找新的方法也就成为目前研究的热点。Ontology具有的良好的概念层次结构和对逻辑推理的支持，因而在信息检索，特别是在基于知识的检索中得到了广泛的应用。作为知识表示工具，Ontology是一种表示知识的形式，可以通过带标记的有向图来表示，适合用于逻辑推理。同时Ontology是对共享概念模型的规范说明，这里所说的“共享概念模型”指该模型中的概念是公认的，至少在某个特定的领域是公认的。一般情况下， Ontology是面向特定领域，用于描述特定领域的概念模型。但Ontology的建立必须要有专家的参与，相对而言更加的严格和困难。需要专家的参与是目前Ontology主要缺点之一。

基于Ontology的信息检索的基本设计思想可以总结如下：

（1）在领域专家的帮助下，建立相关领域的Ontology。

（2）收集信息源中的数据，并参照已建立的Ontology，把收集来的数据按规定的格式存储在元数据库（关系数据库、知识库等）中。

（3）对用户检索界面获取的查询请求，查询转换器按照Ontology把查询请求转换成规定的格式，在Ontology的帮助下从元数据库中匹配出符合条件的数据集合。

（4）检索的结果经过定制处理后，返回给用户。

需要说明的是，如果检索系统不需要太强的推理能力，Ontology可用概念图的形式表示并存储，数据可以保存在一般的关系数据库中，采用图的匹配技术来完成信息检索。如果要求比较强的推理能力，一般需要用一种描述语言 （如：Loom，Ontolingua等 ）表示Ontology，数据保存在知识库中，采用描述语言的逻辑推理能力来完成信息检索。由于Ontology能通过概念之间的关系来表达概念语义的能力 ,所以能够提高检索的查全率和查准率。