άͬ-

介绍了数据库方面的基础知识

作者：jaklin
email: [e-mail]
日期：7/27/2001 4:55:52 PM
知识库系统建模框架


 

知识库系统建模框架是信息一体化服务的基础，旨在从建模的角度出发研究知识库系统开发方法。早期对知识库系统的研究侧重于知识的表示及推理机制，与之对应的开发技术能够用于实现一些规模较小的系统，但将其用于构造大型商业化知识库系统的努力却往往以失败而告终。这种情形与20世纪60年代软件开发所遇到的情况有相似之处：用于开发小型实验室原型系统的技术无法适用于大型商业软件的开发与维护。软件危机最终导致了软件工程方法学的建立。因此，解决知识库系统开发中所面临的问题同样需要方法学的变革。知识库系统建模框架就是这种变革的产物。 
建模框架 
在当今各类知识库系统建模框架中比较有代表性的有：KADS及其后续的发展CommonKADS、MIKE、PROTEGE、VITAL、Commet等。其中，KADS和CommonKADS由于提出了“知识模型”的结构而在研究中占有十分重要的地位。各种建模框架的基本思想是类似的，但具体实现的途径、细节和侧重点不同。下面主要结合KADS简述当前知识库建模框架的基本结构。 
1．知识库的层次组织 
KADS描述了一组相关模型的建立，其中每一个均与知识库系统的开发及其所处环境中的特定方面有关，包括组织、任务、主体、通信、知识及设计等模型。KADS方法的主要贡献及其精髓在于“知识模型”（Expertise Model）。该模型将用于求解特定任务的知识划分为三个不同的层次：领域层、推理层和任务层，分别对应着知识库系统的静态视图、功能视图和动态视图。 
其中领域层（Domain Layer）包含了求解问题所需的特定领域内的知识及对该领域概念的描述。构建领域层的一个重要目标就是使其尽可能多地被重用于求解各种不同的问题。推理层指明了求解问题采用的方法，包含推理步骤和领域知识在其中所起的作用。任务层则将所需求解的问题分解成子任务，并为每一个子任务确定目标，同时明确了对子任务的控制。 
2. 层次间的契合 
对知识库结构层次的划分使知识库的可维护性大大提高，并使知识的重用成为可能。例如，在以上模型中，领域知识与问题求解方法被明确地划分到领域层和推理层，这将有利于两种类型的重用：一方面，对特定领域的描述可以被不同的问题求解方法所重用；另一方面，问题求解方法通过定义新的领域视图可以被不同的领域所重用。但仅仅将不同层次的知识区分开还是不够的。要实现系统的重用，还需要一种有效的机制来实现各层次间的灵活配置，将相互独立的层次紧密地联系在一起，共同组成一个完整的系统。本体（Ontology）就是这一机制的核心。 
“本体”是对共享概念的正规、明确的表述。20世纪90年代初期，本体成为包括知识工程、自然语言处理和知识表示在内的诸多人工智能研究团体的热门课题。其主要原因在于本体使人或机器间的交流建立在对所交流领域共识的基础上。本体在知识库系统开发中较多应用于开发领域模型，它提供了建模所需的基本词汇并说明了它们之间的关系。建立大型知识库的第一步就是设计相应的本体，这对于整个知识库的组织至关重要。 
根据G.Van Heijst的研究，本体可分为4种类型：领域本体（Domain Ontology）、通用本体（Generic Ontology）、应用本体（Application Ontology）和表示本体（Representational Ontology）。其中，领域本体包含着特定类型领域（如电子、机械、医药等）的相关知识；通用本体则覆盖了若干个领域，通常也被称为核心本体（Core Ontology）；应用本体包含特定领域建模的全部所需知识；表示本体不局限于某个特定的领域，它提供了用于描述事物的实体。如“框架本体”，其中定义了框架、槽的概念。以上定义的本体包含了与问题求解方法无关的静态知识，是构成领域层的一部分。为实现系统各层次的灵活配置，目前已提出了任务本体和方法本体的概念。它们分别描述了特定的任务和问题的求解方法。任务本体和方法本体实质上是从推理和问题求解角度刻画领域知识的视图，它们有助于解决所谓的“交互问题”，即领域知识不能以与其使用方式无关的形式表示。任务本体和方法本体通过“假设”（Assumption）将领域知识和问题求解方法之间的交互明确地表示出来，充当了系统层次间的“粘合剂”，从而解决了知识库系统的重用与组件化开发中的关键问题。 
建模工具与相关标准 
新的开发思想与方法必将导致新的开发工具的产生。在知识库建模过程中，比较重要的工具是本体设计工具和知识获取工具。设计思想先进、结构良好的工具对于知识库系统的建模与开发具有重要意义。 
可重用本体对于建造大型知识库系统是必需的，但却是十分困难和耗时的。Ontolingua Server是一个比较有代表性的协作式的本体建造工具。分散的团体可通过Web来发表、浏览、创立和编辑存储在Ontolingua Serve上的本体，从而辅助了本体协作式的开发。在知识获取工具中，EXPECT的设计思想比较先进。它能利用本体来辅助知识的获取。通过使用本体，系统能判别出知识之间的关联，从而自动引导使用者输入所需的知识，并能对整个过程给出适当的解释。 
为增强知识库中知识的共享与交换，降低通用工具的开发难度，各种知识表示标准和交换协议被先后提出。KIF（Knowledge Interchange Format）是一种用于在不同计算机系统之间交换知识的面向计算机的一阶语言。当一个计算机系统需要和其他的系统通信时，可通过将其内部的数据结构转换成KIF来实现。作为纯粹的表示语言，KIF并没有包含知识库存取和操作的命令。由斯坦福大学知识系统实验室提出的OKBC（Open Knowledge Base Connectivity）是为存取知识库而设计的协议，它为知识库的操作提供了通用接口。这一接口使应用程序独立于特定的知识表示形式，使开发知识表示系统通用工具成为可能（如图形浏览器和编辑器等）。这是通过定义一套“知识模型”（OKBC Knowledge Model）作为知识表示的中间语言（interlingua）及其存取操作而实现的。OKBC是对KIF的补充，它侧重于能被大多数知识库支持并具有普遍性的操作，如对框架、槽的操作等。 
应用与发展前景 
以知识库系统建模框架为基础，美国和欧洲已在大型知识库系统的开发上投入了巨额的人力和财力，目标是建立大型、易维护和可重用的知识库系统。影响较大的有美国军方DARPA投资的HPKB及欧洲数国联合开发的IBROW。实际研究表明：尽管完全达到预定目标还有很多问题需要解决，但这些目标正在通过知识的分层、方法库的引入、本体的建立、建模工具的开发以及知识交换标准的完善而逐步得到实现。 
综观整个知识库系统建模框架的发展过程，知识库系统的开发将会向以所求解任务为目标的知识库组件智能拼装的方向发展，整个开发过程将逐步实现自动化，这将有赖于组件化技术和智能代理技术的进一步发展。建立知识库系统的最终目标就是以Internet为基础实现一个巨大的、虚拟的、分布式的知识仓库，它能够利用散布在Internet上的所有知识帮助使用者解决所提出的问题。知识库系统与下一代Internet的结合将促成知识化网络新时代的早日到来。