高靖宇 楊俊 劉園麗 劉勇堅(jiān) 李緒平

摘 要：企業(yè)文檔資料越來(lái)越多，普遍存在保存困難，查找、使用不方便、知識(shí)管理難的問(wèn)題。企業(yè)知識(shí)一般主要建立在企業(yè)文檔數(shù)據(jù)基礎(chǔ)上，通過(guò)信息關(guān)聯(lián)和處理，形成用以支持業(yè)務(wù)應(yīng)用和領(lǐng)導(dǎo)決策的數(shù)據(jù)資源;知識(shí)圖譜的核心是建立實(shí)體與實(shí)體的關(guān)系，形成知識(shí)網(wǎng)絡(luò)。因此，將知識(shí)圖譜及相關(guān)技術(shù)應(yīng)用到企業(yè)知識(shí)管理過(guò)程中，用于解決以上問(wèn)題有重要意義。本課題是通過(guò)應(yīng)用知識(shí)圖譜技術(shù)，在企業(yè)內(nèi)部的文檔庫(kù)、數(shù)據(jù)庫(kù)的基礎(chǔ)上，構(gòu)建企業(yè)知識(shí)圖譜，以支撐企業(yè)的搜索引擎、智能推薦、智能問(wèn)答等方面，優(yōu)化企業(yè)知識(shí)管理的用戶體驗(yàn)，提高知識(shí)服務(wù)的準(zhǔn)確性和便捷性。

關(guān)鍵詞：知識(shí)圖譜;知識(shí)管理;文檔智能管理

中圖分類號(hào)：X913 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）22-0241-02

0 引言

目前企業(yè)文檔管理主要使用FTP或云盤(pán)進(jìn)行文件存儲(chǔ)，存儲(chǔ)類型較為單一，僅存儲(chǔ)了文檔、表格、圖片等文件類型;文檔應(yīng)用較為簡(jiǎn)單，只是進(jìn)行查詢和下載;文檔之間關(guān)聯(lián)性較弱，無(wú)法通過(guò)分類或標(biāo)簽將不同類型文檔關(guān)聯(lián)到一起;無(wú)文檔版本管理，僅通過(guò)創(chuàng)建日期或命名來(lái)判斷版本新舊，經(jīng)常出現(xiàn)一個(gè)文件多個(gè)版本或版本應(yīng)用錯(cuò)誤的問(wèn)題。隨著企業(yè)文檔的持續(xù)增加，在企業(yè)文檔管理中普遍存在文檔數(shù)量持續(xù)增長(zhǎng)，造成保存困難;文檔版本管理混亂;資源協(xié)作共享困難;查找、使用不方便;知識(shí)資源閑置，安全缺乏保障等問(wèn)題。如何建立文檔間信息的聯(lián)系，如何實(shí)現(xiàn)知識(shí)資源的融合共享，如何幫助用戶快速檢索和找到所需要的知識(shí)，并據(jù)此實(shí)現(xiàn)新知識(shí)的生產(chǎn)，以及應(yīng)用到業(yè)務(wù)實(shí)踐中等，對(duì)現(xiàn)代企業(yè)越來(lái)越重要。企業(yè)知識(shí)一般主要建立在文檔數(shù)據(jù)基礎(chǔ)上，通過(guò)信息關(guān)聯(lián)和處理，形成用以支持業(yè)務(wù)應(yīng)用和領(lǐng)導(dǎo)決策的數(shù)據(jù)資源;知識(shí)圖譜的核心是建立實(shí)體與實(shí)體的關(guān)系，形成知識(shí)網(wǎng)絡(luò)。因此，將知識(shí)圖譜及相關(guān)技術(shù)應(yīng)用到企業(yè)知識(shí)管理過(guò)程中，用于解決以上問(wèn)題有重要意義。

基于知識(shí)圖譜實(shí)現(xiàn)企業(yè)文檔知識(shí)化管理研究，是通過(guò)應(yīng)用知識(shí)圖譜技術(shù)實(shí)現(xiàn)企業(yè)文檔知識(shí)化管理目標(biāo)。在企業(yè)內(nèi)部的文檔庫(kù)、數(shù)據(jù)庫(kù)的基礎(chǔ)上，構(gòu)建企業(yè)知識(shí)圖譜，以支撐企業(yè)業(yè)務(wù)的創(chuàng)新與應(yīng)用，改善企業(yè)知識(shí)管理和應(yīng)用方式，提高企業(yè)知識(shí)開(kāi)發(fā)與利用的便捷性和準(zhǔn)確性，為最終實(shí)現(xiàn)“信息化智慧型企業(yè)”打下堅(jiān)實(shí)基礎(chǔ)。

1 相關(guān)理論研究

知識(shí)圖譜概念最初來(lái)源于語(yǔ)義網(wǎng)絡(luò)，1956年由Richard H于最早提出;進(jìn)入21世紀(jì)，Berners Lee提出了語(yǔ)義Web的概念。在此基礎(chǔ)上，谷歌公司在2012年提出“知識(shí)圖譜”概念，知識(shí)圖譜是一種描述實(shí)體之間關(guān)系的語(yǔ)義網(wǎng)絡(luò)，可以對(duì)現(xiàn)實(shí)世界的事物及其相互關(guān)系進(jìn)行描述。谷歌當(dāng)初主要目的是用于改善其搜索引擎的智能化水平，可以此為基礎(chǔ)構(gòu)建新一代的智能化搜索引擎。目前知識(shí)圖譜技術(shù)已被互聯(lián)網(wǎng)企業(yè)用于各種大型的知識(shí)庫(kù)建設(shè)。

知識(shí)圖譜建立主要涉及三大關(guān)鍵技術(shù)：知識(shí)抽取、知識(shí)融合和知識(shí)加工。知識(shí)抽取過(guò)程包括：實(shí)體抽取、關(guān)系抽取以及屬性值抽取，知識(shí)抽取的的質(zhì)量很大程度影響知識(shí)圖譜的生成質(zhì)量。知識(shí)融合是通過(guò)實(shí)體關(guān)聯(lián)和知識(shí)并合，來(lái)消除知識(shí)中的概念歧義、錯(cuò)誤和冗余，保證知識(shí)庫(kù)的建設(shè)質(zhì)量。知識(shí)加工主要步驟包括：本體構(gòu)建、知識(shí)推理和質(zhì)量驗(yàn)證，目的是通過(guò)計(jì)算與推理，豐富知識(shí)網(wǎng)絡(luò)體系。

2 企業(yè)知識(shí)圖譜構(gòu)建

企業(yè)知識(shí)圖譜的構(gòu)建，需首先梳通過(guò)對(duì)企業(yè)知識(shí)管理的現(xiàn)狀進(jìn)行調(diào)研;梳理企業(yè)構(gòu)建知識(shí)圖譜的數(shù)據(jù)來(lái)源、數(shù)據(jù)特征、數(shù)據(jù)流向及管理機(jī)制;了解企業(yè)知識(shí)開(kāi)發(fā)利用中面臨的問(wèn)題，以及企業(yè)知識(shí)管理需求;進(jìn)一步明確建立企業(yè)知識(shí)圖譜的目標(biāo)要求，并明確知識(shí)圖譜的具體應(yīng)用場(chǎng)景（如圖1所示）。

2.1 數(shù)據(jù)獲取

首先需要明確知識(shí)的來(lái)源、類型、結(jié)構(gòu)、存儲(chǔ)方式，企業(yè)知識(shí)一般主要來(lái)源于企業(yè)的工作文件、管理文件、技術(shù)文件等，以及信息系統(tǒng)等積累的數(shù)據(jù)，其中包括企業(yè)工作論壇和個(gè)人微博等。

2.2 知識(shí)抽取

知識(shí)抽取是從企業(yè)各種非結(jié)構(gòu)化和半結(jié)構(gòu)化的數(shù)據(jù)源中，提取出知識(shí)實(shí)體、屬性和實(shí)體關(guān)系，形成結(jié)構(gòu)化的知識(shí)描述。

知識(shí)抽取主要過(guò)程包括：實(shí)體抽取、關(guān)系抽取和屬性抽取。實(shí)體抽取是指從文本數(shù)據(jù)中識(shí)別出命名實(shí)體;屬性抽取是識(shí)別出企業(yè)的機(jī)構(gòu)、人員、設(shè)備、文檔等實(shí)體的屬性;關(guān)系抽取是抽取出實(shí)體與實(shí)體之間存在的關(guān)系，將分散的知識(shí)關(guān)聯(lián)起來(lái)。

2.3 知識(shí)融合

通過(guò)知識(shí)抽取后，獲得了知識(shí)單元實(shí)體、實(shí)體的關(guān)聯(lián)關(guān)系以及實(shí)體的屬性信息，但這些信息僅是知識(shí)碎片，散亂無(wú)章，有些知識(shí)碎片可能是錯(cuò)誤碎片，并且各知識(shí)碎片間缺乏必要的層次和邏輯;那么如何解決這一問(wèn)題，就需通過(guò)知識(shí)融合來(lái)解決。

知識(shí)融合，就是從文本中抽取得到的實(shí)體對(duì)象，鏈接到知識(shí)庫(kù)中其他相關(guān)的實(shí)體對(duì)象的操作，消除實(shí)體指稱項(xiàng)與實(shí)體對(duì)象之間的歧義，得到一系列基本的事實(shí)表達(dá)，并通過(guò)知識(shí)建模方式，將知識(shí)實(shí)體以一種結(jié)構(gòu)化、規(guī)范化的方式組合成知識(shí)體系。

2.4 知識(shí)加工

從原始數(shù)據(jù)源中提取出了知識(shí)實(shí)體、實(shí)體關(guān)系與實(shí)體屬性等要素，并且經(jīng)過(guò)知識(shí)融合得到一系列基本的事實(shí)表達(dá)，但事實(shí)表達(dá)并非是可利用的知識(shí)。還需進(jìn)一步進(jìn)行知識(shí)加工，才能最終獲得結(jié)構(gòu)化、網(wǎng)絡(luò)化的知識(shí)體系。知識(shí)加工是通過(guò)本體抽取、知識(shí)推理和質(zhì)量驗(yàn)證等技術(shù)，進(jìn)一步深度獲取知識(shí)間的關(guān)聯(lián)和邏輯關(guān)系，得到的知識(shí)網(wǎng)絡(luò)體系更加緊密和豐富。

2.5 知識(shí)更新

知識(shí)圖譜的內(nèi)容更新有兩種方式：（1）全面更新：是以所有原始數(shù)據(jù)為輸入數(shù)據(jù)，重新開(kāi)始構(gòu)建全部知識(shí)圖譜。這種方法比較簡(jiǎn)單，但對(duì)資源消耗大。（2）增量更新：以當(dāng)前新增數(shù)據(jù)為輸入，向現(xiàn)有知識(shí)圖譜中添加新增知識(shí)。這種方式資源消耗小，但一般需要大量人工干預(yù)，實(shí)施組織比較困難。

2.6 知識(shí)應(yīng)用

即通過(guò)知識(shí)應(yīng)用技術(shù)的提升，對(duì)進(jìn)一步挖掘知識(shí)應(yīng)用潛力，擴(kuò)展知識(shí)的應(yīng)用范圍;同時(shí)將知識(shí)圖譜與移動(dòng)通信、人工智能等新技術(shù)的結(jié)合，從多個(gè)層面深化和擴(kuò)展企業(yè)知識(shí)應(yīng)用場(chǎng)景。

3 基于知識(shí)圖譜的企業(yè)知識(shí)應(yīng)用

企業(yè)知識(shí)應(yīng)用目的對(duì)企業(yè)知識(shí)資源進(jìn)行有效管理和利用，促進(jìn)知識(shí)在企業(yè)內(nèi)的順暢交換和分享，提升工作效率和服務(wù)質(zhì)量，助力企業(yè)競(jìng)爭(zhēng)力提升。結(jié)合大數(shù)據(jù)分析、人工智能等新技術(shù)，在企業(yè)知識(shí)圖譜的基礎(chǔ)上，可實(shí)現(xiàn)知識(shí)的智能搜索、智能推薦、不一致性驗(yàn)證、異常分析、智能問(wèn)答、決策支持等創(chuàng)新應(yīng)用。

3.1 智能搜索

智能搜索是知識(shí)圖譜最為典型的應(yīng)用場(chǎng)景，谷歌最初提出知識(shí)圖譜技術(shù)就是應(yīng)用于搜索引擎。也是自動(dòng)給出與相關(guān)事物相關(guān)的搜索結(jié)果，并構(gòu)建事物關(guān)系圖，查看更多維度的數(shù)據(jù)。

3.2 智能推薦

智能推薦是將不同的業(yè)務(wù)知識(shí)精準(zhǔn)推薦到企業(yè)員工，促進(jìn)企業(yè)內(nèi)部知識(shí)的傳播與流通，是一種智能化的企業(yè)知識(shí)傳播方式。在企業(yè)內(nèi)部，主要應(yīng)用場(chǎng)景包括：（1）場(chǎng)景化推薦;（2）任務(wù)型推薦;（3）跨領(lǐng)域的推薦。

3.3 不一致性驗(yàn)證

通過(guò)知識(shí)關(guān)系的推理，對(duì)信息的不一致性進(jìn)行驗(yàn)證，類似交叉驗(yàn)證，盡量避免錯(cuò)誤信息傳播和使用。

3.4 異常分析

異常分析包括靜態(tài)分析和動(dòng)態(tài)分析。靜態(tài)分析：給定一個(gè)知識(shí)結(jié)構(gòu)和某個(gè)時(shí)間點(diǎn)，從中去發(fā)現(xiàn)一些異常點(diǎn)。動(dòng)態(tài)分析：分析其結(jié)構(gòu)隨時(shí)間變化的趨勢(shì)。假設(shè)短時(shí)間內(nèi)知識(shí)圖譜結(jié)構(gòu)的變化不會(huì)太大，如果它的變化很大，就說(shuō)明可能存在異常，需要進(jìn)一步的關(guān)注和提醒。

3.5 智能問(wèn)答系統(tǒng)

智能問(wèn)答系統(tǒng)是基于傳統(tǒng)的信息檢索技術(shù)基礎(chǔ)上，結(jié)合知識(shí)圖譜技術(shù)，能夠?yàn)橛脩籼峁?zhǔn)確簡(jiǎn)潔的問(wèn)題解答。目前很多問(wèn)答平臺(tái)引入了知識(shí)圖譜，如國(guó)內(nèi)百度公司研發(fā)的小度機(jī)器人，專門為各類互聯(lián)網(wǎng)平臺(tái)提供智能問(wèn)答解決方案。

3.6 決策支持

基于企業(yè)知識(shí)圖譜，信息系統(tǒng)將相關(guān)決策支持知識(shí)，智能地與企業(yè)的生產(chǎn)計(jì)劃、執(zhí)行調(diào)度和流程審批等決策點(diǎn)關(guān)聯(lián)起來(lái)，以支持或輔助決策。借助知識(shí)圖譜可及時(shí)感知市場(chǎng)新的關(guān)系和變化，例如通過(guò)知識(shí)圖譜對(duì)市場(chǎng)的變化進(jìn)行智能檢測(cè)，幫助企業(yè)管理者及時(shí)發(fā)現(xiàn)市場(chǎng)變化和產(chǎn)品趨勢(shì)，及時(shí)采取措施。

4 結(jié)語(yǔ)

事實(shí)上，基于知識(shí)圖譜的企業(yè)知識(shí)應(yīng)用遠(yuǎn)不止于此。整個(gè)企業(yè)與其外部世界就是一張巨大的知識(shí)圖譜，是無(wú)數(shù)個(gè)實(shí)體關(guān)系對(duì)，近年來(lái)企業(yè)界對(duì)圖數(shù)據(jù)庫(kù)、知識(shí)圖譜的巨大應(yīng)用價(jià)值給予越來(lái)越多的關(guān)注。識(shí)圖譜目前在新聞、金融、司法等領(lǐng)域的應(yīng)用比較成功，在企業(yè)知識(shí)管理中的應(yīng)用比較鮮見(jiàn)。本文雖然提出了基于知識(shí)圖譜實(shí)現(xiàn)企業(yè)文檔知識(shí)化建設(shè)思路和方法，并對(duì)其應(yīng)用場(chǎng)景進(jìn)行了探討，但研究仍然還不夠全面與深入，需要進(jìn)一步在實(shí)踐中持續(xù)改進(jìn)和完善。

參考文獻(xiàn)

[1] 彭鑫.基于知識(shí)管理的企業(yè)知識(shí)圖譜構(gòu)建研究[D].武漢：武漢大學(xué)，2018.

[2] 曹倩，等.知識(shí)圖譜的技術(shù)實(shí)現(xiàn)流程及相關(guān)應(yīng)用[J].北京：情報(bào)理論與實(shí)踐，2015（12）：131-136.

[3] 劉嶠，等.知識(shí)圖譜構(gòu)建技術(shù)綜述[J].北京：計(jì)算機(jī)研究與發(fā)展，2016（3）：582-600.

[4] 趙宇.知識(shí)圖譜自動(dòng)演進(jìn)算法研究[D].北京：北京郵電大學(xué)，2017.

[5] 聶莉莉.概述知識(shí)圖譜在人工智能中的應(yīng)用[J].北京：醫(yī)學(xué)信息學(xué)，2018（06）：11-16.