基于人工智能的知识服务系统模型研究

廖 盼， 孙雨生

(湖北工业大学经济与管理学院， 湖北 武汉 430068)

基于人工智能的知识服务系统模型研究

廖 盼， 孙雨生

(湖北工业大学经济与管理学院， 湖北 武汉 430068)

以知网、万方、维普为信息源，采用文献调研法和系统考察法分析现有文献，考察人工智能发展历史、现状及与知识服务关系，构建智力动产价值提升链视角下基于人工智能的知识服务系统模型，其体系结构分用户接口、功能模块、技术实现三层，功能模块分知识获取、知识构建、知识推荐、知识服务、知识创新五模块。

知识服务系统；人工智能；参考模型

知识服务系统(Knowledge Service System，KSS)是集中管理分布式显性和隐性知识，基于知识供应链将知识提供给用户的载体。分析现有文献可发现：现有知识服务系统研究多为领域性系统设计、开发、应用(集中于知识密集型服务业、企业管理)，理论研究较欠缺。部分文献虽提到系统架构和模块(多分析引入特定技术(如语义网、云计算、Agent)后系统架构体系)，但存在内涵及特征不明确、架构体系较片面、构建本质分析不全面等问题；现有技术研究集中于知识供应链局部(如知识表示、知识融合等)且各自独立，适用面较窄，致使知识服务系统无法满足知识经济时代用户个性化、智能化、专业化、集成化知识需求。作为知识密集型服务核心技术体系，人工智能广泛用于互联网应用、无人驾驶、共享出行等新兴领域和农业、医疗、教育等传统行业，以满足用户个性化需求，引导知识多元化应用提升知识服务效益。这些为知识服务系统系列问题的解决提供了新途径。

本文分析了现有知识服务系统、知识服务与人工智能关系，构建智力动产价值提升链视角下基于人工智能的知识服务系统模型，以供相关研究参考。

1 人工智能与知识服务系统简介

1.1 人工智能

1.1.1发展历程1950年，图灵提出预测机器思考能力的“图灵测试”并发表论文《计算机器与智能》，标志着人工智能萌芽的出现，其正式诞生于1956年达特茅斯会议，发展历经三个阶段：第一阶段(1950-1970)，先后经历符号主义、基于产生式规则的推理系统、基于联结主义的早期神经网络、基于知识工程的专家系统；第二阶段(1980-2000)，特征为统计分析、机器学习、神经网络；第三阶段(2000年至今)，标志为大数据广泛应用、深度学习、(非深度)机器学习、AlphaGo。

1.1.2研究内容及分类就内涵而言，2007年斯坦福大学人工智能实验室Nilsson在著作《人工智能》中提出人工智能是关于知识的科学，即知识表示、知识获取及知识运用[1]；2010年张国英[2]提出人工智能是研究人类智能活动规律，模拟人类某些智能行为的基本理论、方法、技术，构建可模仿人类思考的机器程序代替人完成需智力解决的问题。就研究本质而言，其是让计算机模拟人类智能行为的程序；就应用目标而言，其旨在拓展人脑功能，用计算机辅助脑力思维；就分类而言，按人工智能在知识服务供应链各环节作用分为感知与理解、表示与建模、学习与发现、系统与构造、问题求解[2]；按人工智能原理分符号智能(用符号形式表示信息和知识，建模人思维活动逻辑，通过模拟人脑思维过程求解问题)、生理智能(用硬件模拟神经网络)、行为智能(模拟人与动物、环境交互行为)、群体智能(模拟生物群体行为)。

1.2 知识服务系统

知识服务系统本质是专业化、个性化(满足不同场景下不同层次用户需求)、深层次智力服务系统，旨在按用户需求重组碎片化领域知识，提供优质知识资源整合、智能检索(支持高精度检索)、知识多维浏览及网络展示[3]等服务，解决知识资源纷繁分散、质量良莠不齐、海量信息处理速度慢、原始信息转化率低等问题；其与信息管理系统本质区别是系统各处理阶段(包括知识获取、知识构建、知识推荐、知识服务、知识创新等)均一定程度实现智能化, 以提升知识转化增值度[4]。

知识服务系统按应用领域及系统原理分为基于文献检索(多用于科研教育、精准农业、医疗诊断领域)、基于知识管理(多用于组织管理、产品设计、金融决策支持领域)、基于网络社交(多用于科普咨询、智慧交通领域)三类。

1.3 基于人工智能的知识服务

区别于传统信息服务，基于人工智能的知识服务本质是通过计算机程序模拟人脑思考、决策以提供解决问题方案，降低人类重复性工作智力负荷、提升智力价值链传递效益。特征包括面向知识内容(基于逻辑获取并形成符合用户问题及环境需求且可自评的知识产品而非基于简单提问和文献获取)、用户需求驱动(关注问题解决而非信息提供)、贯穿决策过程(按用户要求动态连续组织服务而非基于单方面一次性提供)、提供解决方案(非仅提供根据用户问题、情景加工的初始信息、数据或文献)、面向增值服务(强调创造性加工形成独特专业价值而非仅基于资源占有、规模生产等体现价值)。

2 智力动产价值提升链视角下基于人工智能的知识服务系统模型

作为知识服务系统核心技术体系，人工智能使其具有人类思考能力，代替人类解决非结构化、不确定性问题，实现问题识别、问题分析、问题解决等步骤智能化处理。鉴于现有人工智能应用层次较分散，多停留于知识表示、智能代理、知识推理等方面，虽有基于人工智能的知识链模型研究，但缺乏从智力动产价值提升链视角探索人工智能技术潜力的知识服务模型。本文分析了知识服务智力动产价值链理论和人工智能思想及技术体系，构建基于人工智能的知识服务系统模型，以支持知识服务系统模拟人类思考、交互、决策能力及提供个性化知识服务，并使用户成为知识接受者、生产者和传播者。

2.1 基于智力动产价值提升理论的知识仓库体系结构模型

知识服务系统基础与核心是知识仓库(企业应用较多)，其直接决定知识服务系统的服务质量和效率。分析现有文献发现，周军[5]提出的基于智力动产价值提升理论(描述智力成果从原始产生、记载、传播、共享等形式逐步转化升级以接近用户直接使用程度的动态价值提升过程，具体如图1所示)的知识仓库体系结构模型(图2)[6-8]在国内知识服务领域获得广泛认可。该模型分知识获取层(基础信息资源层，用知识装入代理获取知识并存入知识库)、知识处理层(用知识引擎、面向系统数据按用户需求加工处理知识)、用户激活层(用户基于用户界面触发个性化检索、个性化推荐等服务)三层。此外，元数据描述知识及其使用背景，支持各层间知识共享，最终支持知识服务系统获取数据、信息，处理后按用户需求方式(即信息、知识或智慧)展示。

图 1 智力动产之间的价值提升关系

图 2 知识仓库体系结构模型

2.2 基于人工智能的知识服务系统模型

通过上述分析，本文在智力动产价值提升理论及基于其的知识仓库体系结构模型基础上，结合人工智能思想及技术初步构建了智力动产价值提升链视角下基于人工智能的知识服务系统模型(图3)，其体系结构分用户接口、功能模块、技术实现三层。其中，功能模块层涉及知识获取、知识构建、知识推荐、知识服务、知识创新五个模块。

图 3 智力动产价值提升链视角下基于人工智能的知识服务系统模型

2.2.1用户接口层用户接口层为用户与知识服务系统交互层，接收用户知识需求输入并将其传给知识创新模块，由知识构建、知识推荐、知识服务模块协作分析与推理形成，并将知识或问题求解方案反馈给用户接口，由其显示给用户。该过程主要由多个具有感知、自适应、思维、通信机能的智能代理协作完成，用户接口形式有Web Server、Web Service、E-Mail、SMS(Short Message Service)等。

2.2.2功能模块层

1)知识获取模块 该模块由知识服务系统提供服务基础，所获取知识质量直接影响后续模块知识处理过程和质量。目前广为接受的知识分类主要有两类：哲学家波兰尼的将知识按可表达和转移性分为显性知识和隐性知识，认知心理学家安德森的将知识按知识内容分为陈述性知识和程序性知识[9]。两类标准组合后可将知识服务系统的知识分为四类[10]，各类知识及其获取方法与技术详见表1。此外，知识获取模块智能性表现为符号智能和生理智能，用自然语言处理、机器视觉、模式识别等技术模仿人类交互的听觉、视觉感知与理解能力以获取信息与知识。

2)知识构建模块 该模块主要组织、标注知识并提供知识检索、知识导航等功能[11]以实现“人找信息”：首先，对信息资源进行知识单元抽取、知识元解析[12]、本体语义标注，形成语义关联的层次结构关系(即知识结构)；然后构建知识存取空间模型，用本体语义标识所采集知识关联信息[13]，以揭示人与显性知识、人间关联关系[14]；最后通过知识节点、链接、描述有机结合成知识地图以提供知识检索(由关键词匹配深入到语义内容、用户兴趣、知识情境三维匹配)与知识导航(从内容、任务、用户、社团等维度定位、可视化展示知识[15])路径[16]。

知识构建模块智能性表现为生理智能和行为智能，具体通过语义Web技术实现基于语义的标注、浏览、检索，通过云计算技术整合分布式、异构数字信息资源以实现透明访问，通过两种技术结合标准化描述、灵活应用知识，最终有效整合知识、服务、用户[16]。

3)知识推荐模块 该模块常需知识构建模块支持，主要基于用户背景、偏好等预测其可能感兴趣信息、知识并引导用户需求[17]，实现“信息找人”：常先进行用户兴趣建模(模型化表示用户知识需求并依其反馈进化用户兴趣模型，以缩小预测信息与用户实际需求间差距)和推荐对象建模(模型化表示推荐对象特征信息)，再基于特征信息匹配、特定推荐算法筛选并推荐匹配度最高信息、知识给用户[18]，常见推荐方法有基于规则推荐、基于内容推荐、基于知识推荐、协同过滤推荐等。

表1 知识服务系统知识类型及其获取方法和技术

知识推荐模块智能性表现为打破传统被动知识服务方式，主动构建用户兴趣模型，引导用户需求，核心为基于知识发现、大数据挖掘等技术自动进化用户兴趣模型。

4)知识服务模块 该模块基于知识获取、知识构建、知识推荐模块为用户提供知识浏览、知识搜索、知识推荐、知识问答、知识创新等服务，在知识服务系统中最为重要。所提供知识服务模式按用户参与度分自助式(用户基于知识服务系统资源自助获取知识，服务途径包括门户网站、知识地图、资料下载等，既提高问题解决效率又满足用户主动探索新知识需求)、专业化(除依靠知识库、专家系统外，可由第三方代理支持用户获取全过程问题解决方案并提供跟踪服务[19])、协同式(用户基于知识服务系统共享平台，利用社会化媒体交流学习，集聚群体智慧，满足其知识服务需求)三类[20]，具体可根据用户需求采用相应服务策略和技术。

知识服务模块智能性表现为行为智能和群体智能，用专家系统、Agent系统、智能机器人等模仿人类个体、群体行为实现知识服务应用。

5)知识创新模块 该模块主要遵循SECI模型(描述常见四类知识互相转化、螺旋创造过程)支持用户与知识服务系统交互以产生新知识过程[21]：知识社会化(基于共同经历的社会活动传播隐性知识)、知识外在化(隐性知识显性化)、知识组合化(重组显性知识产生新知识)、知识内隐化(显性知识内化后升华成隐性知识)。实现的关键在于拥有知识的用户间基于知识服务系统进行交流，以社会网络形式扩展、创新知识。

知识创新模块智能性表现为行为智能和群体智能，主要采用社会化媒体技术实现，即Web2.0、Web3.0技术，如Wiki、微信、微博等。

2.2.3技术实现层即基于人工智能的知识服务系统模型实现所需的支撑技术，各模块均需采用相应技术：知识获取模块涉及自然语言理解、计算机视觉、模式识别等技术；知识构建模块涉及本体构建、语义网、云计算等技术；知识推荐模块涉及机器学习、知识发现、数据挖掘等技术；知识服务层涉及专家系统、Agent系统、智能机器人等技术；知识创新模块涉及图搜索、启发式搜索、不确定性推理等技术。此外，实际应用过程中需根据知识服务系统需求、目标用户特点、各种技术特性等进行定制并优化。

3 结束语

综上，本文分析了知识服务系统、人工智能及基于人工智能的知识服务，构建了智力动产价值提升链视角下基于人工智能的知识服务系统模型：架构体系分用户接口、功能模块、技术实现三层；功能模块分知识获取、知识构建、知识推荐、知识服务、知识创新五模块。具体应用过程中需结合业务模型使知识服务更专业化，结合用户兴趣模型使知识服务更智能化、个性化。

接下来，笔者将构建基于人工智能的知识服务系统技术解决方案，以供相关研究与实践参考。

[1] 刘锋.基于互联网智商评测算法的搜索引擎智商测试研究[D].北京：北京交通大学，2015.

[2] 张国英，何元娇.人工智能知识体系及学科综述[J].计算机教育，2010(8)：25-28.

[3] 李戈.基于知识组织的图书知识服务系统设计与实现[D].杭州：浙江大学，2015.

[4] 刘璐.基于知识管理的图书馆个性化知识服务模式研究[D].大连：辽宁师范大学，2015.

[5] 周军，苏新宁，孔敏，等.知识管理系统下的知识仓库研究——概念与模型[J].情报学报，2002，21(5)：542-546.

[6] 张斌，魏扣，郝琦.国内外知识库研究现状述评与比较[J].图书情报知识，2016(3)：15-25.

[7] 赵韩，董晓慧，冯宝林，等.基于知识仓库技术的企业管理信息系统的研究与应用[J].现代图书情报技术，2007(5)：53-56.

[8] 高凡.基于知识组织体系的网络信息资源组织模式初探[J].图书情报工作，2006，50(5)：53-56.

[9] 张艳敏.数字环境下图书馆知识共享策略研究[D].曲阜：曲阜师范大学，2010.

[10] 夏立新，韩永青，邓胜利.基于知识供应链的知识服务模型研究[J].中国图书馆学报，2008，34(2)：60-64.

[11] 兰玉娟.基于个人知识管理的移动学习系统研究[D].南京：南京邮电大学，2010.

[12] 马倩倩.基于关联数据的知识元链接图式存储模型研究[D].武汉：华中师范大学，2014.

[13] 姜永常.知识构建的基本原理研究(上)——知识构建中的知识状态演变及其基本原则[J].图书情报工作，2009，53(4)：106-110.

[14] 韩芳.基于知识构建的数字图书馆知识服务研究[D].郑州：郑州大学，2011.

[15] 李有明.图书馆知识导航服务机制的构建[J].经济研究导刊，2013(36)：199-200.

[16] 耿萍萍.基于本体的图书情报学知识地图的构建研究[D].保定：河北大学，2015.

[17] 钱瑛.基于智能Agent的网络搜索和推荐信息系统[J].科技管理研究，2010，30(8)：147-149.

[18] 高凤丽，孙连山.个性化推荐系统概述[J].技术与市场，2015，22(2)：78-79.

[19] 田会明.基于知识管理的高校图书馆个性化知识服务[J].图书馆研究，2012，42(5)：91-93.

[20] 邵慧丽，张帆.基于知识发现数字图书馆知识服务研究[J].图书馆，2016(2)：70-73.

[21] 张鹏，李全喜，刘岩，等.基于SECI模型的供应链企业知识转化模型研究[J].科技管理研究，2017，37(2)：147-150.

ResearchonKnowledgeServiceSystemModelBasedonArtificialIntelligence

LIAO Pan，SUN Yusheng

(SchoolofEconomicsandManagement，HubeiUniv.ofTech.，Wuhan430068，China)

The paper analyzed both the history and status quo of artificial intelligence, and explored the relationship between artificial intelligence and knowledge service system. It then constructed a model of knowledge service system based on artificial intelligence from the perspective of value chain enhancement of intellectual property, by using the methods of the literature research and system investigation, with the literature sources from the CNKI, Wanfang Data and VIP search. It concludes that the architecture system is divided into three levels: user interfaces and module functions, and technology realization; the function module is further divided into five sub-modules: knowledge acquisition, knowledge construction, knowledge recommendation, knowledge services, and knowledge innovation.

knowledge service system；artificial intelligence；reference model

2017-08-30

卢雨薇(1990-)， 女，湖北咸宁人，西北政法大学硕士研究生，研究方向为刑法解释论

1003-4684(2017)06-0047-05

TP399；G202

： A

[责任编校：张众]

[收稿日期] 2017-09-18

教育部人文社会科学研究规划基金项目(17YJA870016)；全国教育科学规划基金项目(DIA160326)；中国博士后科学基金项目(2014M560107)

[第一作者] 廖 盼(1991-)，女，湖北洪湖人，湖北工业大学硕士研究生，研究方向为计算机信息系统工程，知识管理技术

孙雨生(1980-)，男，山西运城人，博士后，湖北工业大学副教授，研究方向为计算机信息系统工程，知识管理技术，数字图书馆技术