□ 王曰芬 傅柱/南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院信息管理系 南京 210094

大數(shù)據(jù)環(huán)境下知識(shí)表示與知識(shí)組織方法應(yīng)用

□ 王曰芬 傅柱/南京理工大學(xué)經(jīng)濟(jì)管理學(xué)院信息管理系 南京 210094

伴隨著大數(shù)據(jù)正在從概念到問題解決的關(guān)鍵轉(zhuǎn)型期，如何發(fā)揮核心價(jià)值與作用是知識(shí)服務(wù)業(yè)面臨的機(jī)遇與挑戰(zhàn)。論文首先梳理與定量分析知識(shí)表示和知識(shí)組織理論方法體系及研究進(jìn)展，其次從實(shí)踐出發(fā)，闡述了在復(fù)雜產(chǎn)品設(shè)計(jì)中的知識(shí)需求分析與表示、設(shè)計(jì)知識(shí)的分類與設(shè)計(jì)領(lǐng)域知識(shí)的組織。最后，歸納總結(jié)了圖書情報(bào)領(lǐng)域在知識(shí)服務(wù)過程中應(yīng)該實(shí)現(xiàn)的三個(gè)突破，以及如何抓住四個(gè)關(guān)鍵環(huán)節(jié)的體會(huì)。

大數(shù)據(jù)，知識(shí)表示，知識(shí)組織，復(fù)雜產(chǎn)品設(shè)計(jì)，實(shí)踐應(yīng)用

1 大數(shù)據(jù)的發(fā)展及其對(duì)知識(shí)服務(wù)業(yè)的啟示

1.1 大數(shù)據(jù)的概念與特征

目前，關(guān)于大數(shù)據(jù)的概念還缺乏一個(gè)很權(quán)威的界定，如：Gartner認(rèn)為，“大數(shù)據(jù)”是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)[1]；亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）、大數(shù)據(jù)科學(xué)家John Rauser認(rèn)為，大數(shù)據(jù)就是任何超過了一臺(tái)計(jì)算機(jī)處理能力的龐大數(shù)據(jù)量[2]；維基百科認(rèn)為，大數(shù)據(jù)是指無法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合[3]。從廣義上講，大數(shù)據(jù)是從各種類型的海量信息中快速獲得有價(jià)值信息的能力，人類思維和決策的方式及方法將進(jìn)入更高層次，有了大數(shù)據(jù)的這種能力，人類才能真正從“智能”走向“智慧”；EMC公司將大數(shù)據(jù)工作定義為“數(shù)據(jù)集，或信息，它的規(guī)模、發(fā)布、位置在不同的孤島上，或它的時(shí)間線要求客戶部署新的架構(gòu)來捕捉、存儲(chǔ)、整合、管理和分析這些信息，以便實(shí)現(xiàn)企業(yè)價(jià)值”[4]。

盡管大數(shù)據(jù)的定義呈現(xiàn)出不同的認(rèn)知與說法，但是所給出的定義基本上都是從其特征出發(fā)的。隨著研究的深入，關(guān)于大數(shù)據(jù)特征的闡述和歸納已逐漸形成共識(shí)，比較有代表性的是3V，即認(rèn)為大數(shù)據(jù)具有規(guī)模性（volume）、多樣性（variety）和高速性（velocity）的三個(gè)特點(diǎn)。因而像Gartner以及大多數(shù)的企業(yè)就用“3Vs”模型來描述大數(shù)據(jù)[3]。除此之外，IDE認(rèn)為大數(shù)據(jù)還應(yīng)當(dāng)具有價(jià)值性（value），大數(shù)據(jù)的價(jià)值往往呈現(xiàn)稀疏性的特點(diǎn)。而IBM認(rèn)為大數(shù)據(jù)必然具有真實(shí)性（veracity）。所以，有機(jī)構(gòu)在3V之外定義第4個(gè)V，真實(shí)性（Veracity）為第四特點(diǎn)（也有稱第四點(diǎn)為Value，價(jià)值密度低）[5]，即“4V”就是Variety、Volume、Velocity及Veracity（或者Value）。目前，業(yè)界對(duì)以上特點(diǎn)尤其是前3“V”的認(rèn)識(shí)，達(dá)成了一致，也有較多的研究成果。

1.2 大數(shù)據(jù)的起源與發(fā)展

1998年，《科學(xué)》上刊登的一篇介紹計(jì)算機(jī)軟件HiQ的文章《大數(shù)據(jù)的處理程序》（A Handler for BigData）[1]中第一次使用了大數(shù)據(jù)（big data）一詞。2008年9月《自然》雜志出版“big data”?？埂按髷?shù)據(jù)”在學(xué)術(shù)界得到認(rèn)可和廣泛使用。學(xué)者們著手從互聯(lián)網(wǎng)經(jīng)濟(jì)、超級(jí)計(jì)算、生物醫(yī)藥等多方面關(guān)注“大數(shù)據(jù)”帶來的技術(shù)挑戰(zhàn)、現(xiàn)有技術(shù)以及未來的發(fā)展方向。2010年，Bollier認(rèn)為：計(jì)算機(jī)存儲(chǔ)技術(shù)，產(chǎn)生數(shù)據(jù)流的設(shè)備，如攝像機(jī)、望遠(yuǎn)鏡和交通監(jiān)視設(shè)備，云計(jì)算，面向消費(fèi)者的應(yīng)用，如Google Earth和Map Quest，成為大數(shù)據(jù)產(chǎn)生的幾個(gè)重要因素，并首次提出“一種新的知識(shí)基礎(chǔ)設(shè)施正在實(shí)現(xiàn)，大數(shù)據(jù)時(shí)代正在出現(xiàn)”的觀點(diǎn)[6]。

實(shí)際上，早在1980年，著名未來學(xué)家托夫勒就在其所著的《第三次浪潮》中熱情地將大數(shù)據(jù)稱頌為“第三次浪潮的華彩樂章”。20世紀(jì)90年代，“數(shù)據(jù)倉(cāng)庫(kù)之父”的Bill Inmon就開始關(guān)注“大數(shù)據(jù)”。從技術(shù)上講，由于物聯(lián)網(wǎng)、網(wǎng)絡(luò)社區(qū)、云計(jì)算等得到了廣泛的應(yīng)用和發(fā)展，才使得大數(shù)據(jù)在市場(chǎng)上顯露出真正的“大價(jià)值”?！蹲匀弧冯s志在2008年9月推出了名為“大數(shù)據(jù)”的封面專欄，闡述了數(shù)據(jù)在數(shù)學(xué)、物理、生物、工程及社會(huì)經(jīng)濟(jì)等多學(xué)科扮演的愈加重要的角色。2012年，大數(shù)據(jù)概念炙手可熱，2013年，大數(shù)據(jù)走向?qū)嵺`，有的專家稱之為“大數(shù)據(jù)元年”。

另一方面，從Gartner的技術(shù)成熟度曲線（Hype Cycle）來看大數(shù)據(jù)近年來的發(fā)展態(tài)勢(shì)，可知大數(shù)據(jù)的關(guān)注度正在急速變化，如圖1所示[7]。

從圖1所示曲線可以看出，在2011年大數(shù)據(jù)作為新技術(shù)剛剛上榜，處于技術(shù)萌芽期。隨著大數(shù)據(jù)的討論突破計(jì)算機(jī)專家范圍開始蔓延至產(chǎn)業(yè)界和金融界，在2012年快速處于高速發(fā)展期。美國(guó)政府的大力推行和引導(dǎo)、各大IT巨頭為搶占戰(zhàn)略先機(jī)和技術(shù)制高點(diǎn)而進(jìn)行的大量投入，使得數(shù)據(jù)相關(guān)的各行業(yè)、組織的期望膨脹到顛峰，全民幾乎都在討論這種新技術(shù)。2013年，大數(shù)據(jù)進(jìn)一步火熱發(fā)展，新技術(shù)的炒作即將達(dá)到“過熱期”的頂峰，并將由“過熱期”轉(zhuǎn)向“低谷期”。

1.3 大數(shù)據(jù)快速發(fā)展帶給知識(shí)服務(wù)業(yè)的啟示：概念到問題的解決

圖1 Gartner發(fā)布的有關(guān)大數(shù)據(jù)從2011年到2013年的技術(shù)成熟度曲線

大數(shù)據(jù)隨著計(jì)算方法和信息技術(shù)的快速進(jìn)步而誕生，帶來了新的機(jī)遇和挑戰(zhàn)。面對(duì)潮水般涌來的數(shù)據(jù)，解讀數(shù)據(jù)所包含的信息和知識(shí)是當(dāng)前科學(xué)家們致力追求的目標(biāo)，進(jìn)而推動(dòng)了信息技術(shù)的發(fā)展，帶動(dòng)了大數(shù)據(jù)的廣泛應(yīng)用，并使其從工具、依據(jù)性角色上升到自身蘊(yùn)含有待開發(fā)的信息和知識(shí)的新財(cái)富地位。大數(shù)據(jù)已在眾多領(lǐng)域成為分析、管理、決策等賴以進(jìn)行的重要資源，是發(fā)現(xiàn)知識(shí)、創(chuàng)造知識(shí)和認(rèn)識(shí)世界的一種新范式。發(fā)達(dá)國(guó)家紛紛將開發(fā)利用大數(shù)據(jù)作為奪取新一輪競(jìng)爭(zhēng)制高點(diǎn)的重要抓手，如：2011年英國(guó)《自然》雜志曾出版?？赋觯热裟軌蚋行У亟M織和使用大數(shù)據(jù)，人類將得到更多的機(jī)會(huì)發(fā)揮科學(xué)技術(shù)對(duì)社會(huì)發(fā)展的巨大推動(dòng)作用[8]；美國(guó)近年來已展開對(duì)大數(shù)據(jù)相關(guān)科技項(xiàng)目的大力支持，例如NSF啟動(dòng)了網(wǎng)絡(luò)化支撐的發(fā)現(xiàn)和創(chuàng)新（Cyber-enabled Discovery and Innovation）項(xiàng)目CDI，“從數(shù)據(jù)到知識(shí)”就是其重點(diǎn)研究之一[9]。大數(shù)據(jù)將成為描述世界各種物質(zhì)的新形式、認(rèn)識(shí)事物和表述觀點(diǎn)的新方法、預(yù)測(cè)未來事件的重要依據(jù)。對(duì)大數(shù)據(jù)進(jìn)行挖掘以獲取更大的價(jià)值，成為下一個(gè)創(chuàng)新、競(jìng)爭(zhēng)、生產(chǎn)力提高的前沿。然而，大數(shù)據(jù)的運(yùn)用仍然存在著一些困難與挑戰(zhàn)，在數(shù)據(jù)收集、存儲(chǔ)、處理與可視化方面尚有許多問題要解決，尤其在數(shù)據(jù)處理上，復(fù)雜性不僅體現(xiàn)在數(shù)據(jù)體量大，而且體現(xiàn)在多源異構(gòu)、多實(shí)體和多空間之間的動(dòng)態(tài)交互，用傳統(tǒng)的方法描述與度量，無法使數(shù)據(jù)具有上下文的關(guān)聯(lián)性和導(dǎo)出可理解的內(nèi)容，更達(dá)不到深層次的數(shù)據(jù)挖掘。

知識(shí)服務(wù)（Knowledge Services或Knowledgebased Services或KIBS- Knowledge Intensive Business Service）是知識(shí)管理、知識(shí)組織和知識(shí)市場(chǎng)結(jié)合而呈現(xiàn)的概念，是一種提供以內(nèi)容（數(shù)據(jù)、信息、知識(shí)）為基礎(chǔ)的組織產(chǎn)出（如建議、方案等），以滿足外部用戶需要或需求的一種過程[10]。知識(shí)服務(wù)的核心是使數(shù)據(jù)、信息轉(zhuǎn)化為知識(shí)，將知識(shí)的創(chuàng)新轉(zhuǎn)化為有利于行動(dòng)的智慧，以支撐生產(chǎn)力和競(jìng)爭(zhēng)能力的提升。數(shù)據(jù)作為原始類的產(chǎn)品可經(jīng)過加工、整理和分析提煉轉(zhuǎn)化為信息和知識(shí)，是知識(shí)服務(wù)業(yè)的支撐資源和加工的原材料，對(duì)數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、處理與結(jié)果表達(dá)構(gòu)成了知識(shí)服務(wù)業(yè)的價(jià)值鏈。其中，知識(shí)表示與知識(shí)組織方法是實(shí)現(xiàn)知識(shí)服務(wù)價(jià)值鏈的根本手段，也是體現(xiàn)知識(shí)服務(wù)業(yè)競(jìng)爭(zhēng)能力的重要基礎(chǔ)。面對(duì)著大數(shù)據(jù)的興起與急速發(fā)展，能否把握大數(shù)據(jù)正在從概念到問題解決的關(guān)鍵轉(zhuǎn)型期，發(fā)揮核心價(jià)值與作用是知識(shí)服務(wù)業(yè)面臨的機(jī)遇與挑戰(zhàn)。那么，作為知識(shí)服務(wù)業(yè)，如何使大數(shù)據(jù)的相關(guān)研究、技術(shù)方法與應(yīng)用在進(jìn)入成熟階段能夠有很多本行業(yè)主流的產(chǎn)品涌現(xiàn)，并解決知識(shí)服務(wù)面對(duì)的實(shí)際問題？在大數(shù)據(jù)環(huán)境下，知識(shí)服務(wù)的知識(shí)表示與知識(shí)組織方法廣泛而深入發(fā)展的路徑何在，如何在繼承發(fā)展中創(chuàng)新？知識(shí)表示與知識(shí)組織理論方法能否與如何根植在社會(huì)實(shí)踐應(yīng)用活動(dòng)中，并成為其他行業(yè)領(lǐng)域進(jìn)行數(shù)據(jù)處理分析及知識(shí)萃取的重要基礎(chǔ)與方法支撐？這些應(yīng)該成為知識(shí)服務(wù)在大數(shù)據(jù)時(shí)代著力解決的關(guān)鍵問題。

2 知識(shí)表示和知識(shí)組織理論方法及進(jìn)展

2.1 知識(shí)表示與知識(shí)組織的功能及其主要理論方法體系

（1）知識(shí)表示與知識(shí)組織的功能

知識(shí)表示（Knowledge Representation）長(zhǎng)期以來被認(rèn)為是人工智能的主要元素，是所有問題解決的關(guān)鍵部分[11]。其分支領(lǐng)域從認(rèn)識(shí)論中的純粹哲學(xué)方面到解決大規(guī)模數(shù)據(jù)處理中的實(shí)際問題，盡管知識(shí)表示呈現(xiàn)出不同研究分支的多樣性，但是都統(tǒng)一在其解決核心問題上，即以知識(shí)可被利用的途徑編碼各種形式的人類知識(shí)。知識(shí)表示研究的起點(diǎn)始于Smith B. C.提出的任何一個(gè)體現(xiàn)智能化過程的機(jī)器都由結(jié)構(gòu)化材料組成的假設(shè)[12]，使計(jì)算機(jī)程序表現(xiàn)一定智能行為而對(duì)所需知識(shí)采取的結(jié)構(gòu)形式和解釋過程是知識(shí)表示要實(shí)現(xiàn)的功能。知識(shí)表示主要承擔(dān)五種角色[13]：一種替代物（a surrogate）、一套本體論的約定（a set of ontological commitments）、一種智能推理的片段理論（a fragmentary theory of intelligent reasoning）、一類實(shí)用高效的計(jì)算方法（a medium for pragmatically efficient computation）和一種人工表達(dá)的媒介（a medium of human expression）。知識(shí)組織（knowledge organization）最早于1929年由英國(guó)著名圖書館學(xué)家、分類法專家、《書目分類法》（BC）的編制者布利斯（H．E. Bliss）提出，并在圖書館學(xué)、情報(bào)學(xué)的分類系統(tǒng)和敘詞表研究基礎(chǔ)上發(fā)展起來。目前，關(guān)于知識(shí)組織的定義主要有以下幾種觀點(diǎn)[14]：其一，知識(shí)組織是指對(duì)事物的本質(zhì)及事物間的關(guān)系進(jìn)行揭示的有序結(jié)構(gòu)，即知識(shí)的序化；其二，知識(shí)組織是指對(duì)知識(shí)客體所進(jìn)行的諸如整理、加工、揭示、控制等一系列組織化過程及其方法；其三，知識(shí)組織是對(duì)知識(shí)進(jìn)行整序和提供，既處理大量的現(xiàn)有知識(shí)，又能相對(duì)降低存儲(chǔ)知識(shí)的物理載體的盲目增長(zhǎng)以免知識(shí)過于分散化。所以提供文獻(xiàn)、評(píng)價(jià)科學(xué)文獻(xiàn)和系統(tǒng)表述以生成新的便于利用和獲取的有序化知識(shí)單元的處理系統(tǒng)即是知識(shí)組織。

知識(shí)組織被界定為圖書館與信息科學(xué)的名詞術(shù)語，擔(dān)負(fù)的是文獻(xiàn)描述、標(biāo)引、分類等功能，這些功能主要是由圖書館員、檔案館員、學(xué)科專家以及計(jì)算機(jī)算法來完成的。隨著計(jì)算機(jī)檢索技術(shù)等的發(fā)展，傳統(tǒng)的基于人工的知識(shí)組織越來越多地受到挑戰(zhàn)[15]。

（2）知識(shí)表示與知識(shí)組織的理論方法

起源于人工智能的知識(shí)表示，其任務(wù)是將以各種形式存在的知識(shí)轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的編碼，然后經(jīng)過智能化處理后形成有利于人類充分理解與使用的知識(shí)。那么，面對(duì)人類解決問題的知識(shí)需求，如何將知識(shí)符號(hào)化、形式化及模型化，形成計(jì)算機(jī)能處理的具有數(shù)據(jù)結(jié)構(gòu)與系統(tǒng)控制結(jié)構(gòu)的知識(shí)，以支持計(jì)算機(jī)表示和處理知識(shí)的可行性與有效性，是知識(shí)表示理論與方法研究的核心所在；起源于圖書情報(bào)領(lǐng)域的知識(shí)組織，其任務(wù)是將以各種形式存在的混雜的知識(shí)，加工處理成具有關(guān)聯(lián)的有序化的可有效存儲(chǔ)并可被人類便捷使用的知識(shí)。那么，面對(duì)知識(shí)存儲(chǔ)與積累的整序化要求及人類問題解決的知識(shí)需求，如何提取知識(shí)的特征、建立知識(shí)與所表達(dá)事物間的映射以及知識(shí)之間的關(guān)聯(lián)，形成有序化的知識(shí)結(jié)構(gòu)并加以有效存儲(chǔ)，以支持知識(shí)內(nèi)容的展示、知識(shí)體系的構(gòu)建、知識(shí)檢索的實(shí)現(xiàn)，尤其是隨著科學(xué)技術(shù)的發(fā)展，借助于計(jì)算機(jī)實(shí)現(xiàn)知識(shí)組織的自動(dòng)化與智能化，是知識(shí)組織理論與方法研究的核心所在。

知識(shí)表示與知識(shí)組織雖然起源于不同的學(xué)科領(lǐng)域，但是伴隨著計(jì)算機(jī)技術(shù)與人工智能技術(shù)的發(fā)展與普遍應(yīng)用，知識(shí)表示與知識(shí)組織不斷地走向交融，研究與應(yīng)用對(duì)象擴(kuò)展至數(shù)據(jù)、信息、知識(shí)層面，研究與應(yīng)用手段逐漸工具化、自動(dòng)化與智能化，研究與應(yīng)用方法越來越通用化、程序化、多樣化、高效化，研究與應(yīng)用領(lǐng)域擴(kuò)大到所有需要大規(guī)模數(shù)據(jù)處理、信息加工與知識(shí)應(yīng)用的范圍。從知識(shí)服務(wù)角度看，將數(shù)據(jù)、信息轉(zhuǎn)化為可被利用的知識(shí)，以支持人類的智能化決策的知識(shí)需求，是知識(shí)表示與知識(shí)組織的共同目的。知識(shí)表示是知識(shí)組織的前提與基礎(chǔ)，任何知識(shí)組織方法都要建立在知識(shí)表示的基礎(chǔ)上。

以語言學(xué)、邏輯學(xué)、統(tǒng)計(jì)學(xué)、哲學(xué)、系統(tǒng)科學(xué)、認(rèn)知科學(xué)、腦科學(xué)等學(xué)科理論為基礎(chǔ)，形成解決知識(shí)的表示、存儲(chǔ)與使用問題的各種模式、策略與方案，具有面向?qū)ο?、通用?專業(yè)化、推理、分類等特征，構(gòu)成了知識(shí)表示與知識(shí)組織的理論方法體系。知識(shí)表示的主要方法包括[16]：狀態(tài)空間法、問題歸約法、謂詞邏輯法、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)法、框架表示法、面向?qū)ο蟊硎痉?、基于XML的表示法、Ontology表示法等；知識(shí)組織的方式主要有兩種類型，即以知識(shí)單元為基礎(chǔ)的知識(shí)組織方式和以知識(shí)關(guān)聯(lián)為基礎(chǔ)的知識(shí)組織方式。知識(shí)組織的主要方法包括分類法、主題法、分類主題一體化方法、聚類法、元數(shù)據(jù)、自動(dòng)標(biāo)引技術(shù)、自動(dòng)分類技術(shù)、語義網(wǎng)絡(luò)法、主題地圖法、Ontology等。

2.2 基于文獻(xiàn)計(jì)量的知識(shí)表示與知識(shí)組織研究的進(jìn)展

為了比較全面地了解有關(guān)知識(shí)表示與知識(shí)組織研究的國(guó)內(nèi)外現(xiàn)狀與發(fā)展，本文采用文獻(xiàn)計(jì)量法，對(duì)研究的文獻(xiàn)量、所屬學(xué)科領(lǐng)域與關(guān)鍵詞進(jìn)行了統(tǒng)計(jì)分析。中文文獻(xiàn)計(jì)量分析來源于CNKI數(shù)據(jù)庫(kù)中的檢索結(jié)果，檢索策略為關(guān)鍵詞“知識(shí)表示”或關(guān)鍵詞“知識(shí)組織”或題名“知識(shí)表示”或題名“知識(shí)組織”，檢索結(jié)果為5775條。英文文獻(xiàn)計(jì)量分析來源于SCIE科學(xué)引文索引數(shù)據(jù)庫(kù)，檢索策略為：主題=("Knowledge representation") OR 主題=("Knowledge organization")，顯示結(jié)果為5972條。檢索時(shí)間為2014年1月7日。

圖2 知識(shí)表示與知識(shí)組織年代分布

（1）研究概況

由圖2可以看出，英文文獻(xiàn)中的知識(shí)表示和知識(shí)組織研究起步較早，1976年英文文獻(xiàn)中出現(xiàn)了知識(shí)表示或知識(shí)組織的詞匯，中文文獻(xiàn)中直到1981年才開始有這方面的研究。英文文獻(xiàn)中的研究從開始一直處于較為穩(wěn)定的發(fā)展?fàn)顟B(tài)，到1991年時(shí)發(fā)文量達(dá)到高峰并開始回落，到2001年到達(dá)低谷，之后研究持續(xù)發(fā)展并于2010年再次到達(dá)峰頂。中文文獻(xiàn)中的研究在發(fā)展過程中波動(dòng)較大，發(fā)文量從開始發(fā)展到1998都較為平穩(wěn)，但在1999年時(shí)大幅度下降，在之后的四年里有所回升，但在2003年又出現(xiàn)了大幅度上揚(yáng)趨勢(shì)，之后持續(xù)穩(wěn)定上升，并于2011年達(dá)到450篇的最高峰。

（2）學(xué)科分布

選取中英文文獻(xiàn)研究數(shù)量排名前20所在的學(xué)科進(jìn)行統(tǒng)計(jì)分析，具體數(shù)據(jù)如表1所示。

由表1可知，中文文獻(xiàn)中的研究絕大多數(shù)屬于自動(dòng)化技術(shù)、計(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用和圖書情報(bào)與數(shù)字圖書館領(lǐng)域，約占總篇數(shù)的70%，并且這三個(gè)學(xué)科的文獻(xiàn)數(shù)量和其他學(xué)科文獻(xiàn)數(shù)量存在較大的數(shù)量差距。這充分說明知識(shí)表示與知識(shí)組織的研究屬于多學(xué)科領(lǐng)域，尤其是自動(dòng)化、計(jì)算機(jī)領(lǐng)域與圖書情報(bào)領(lǐng)域的交叉研究占有領(lǐng)先地位。縱觀這20個(gè)學(xué)科類別以及瀏覽其中的研究?jī)?nèi)容可以發(fā)現(xiàn)，知識(shí)表示與知識(shí)組織已經(jīng)跨越起源的研究范圍，正在向機(jī)械工業(yè)、電力工業(yè)、金屬學(xué)與金屬工藝、航空等工科領(lǐng)域研究擴(kuò)展，這也說明知識(shí)表示與知識(shí)組織在國(guó)內(nèi)各行業(yè)的應(yīng)用正日益廣泛；國(guó)外的研究方向主要集中在計(jì)算機(jī)科學(xué)，位列前三位的是計(jì)算機(jī)科學(xué)中的人工智能、信息系統(tǒng)與理論方法子領(lǐng)域，應(yīng)用主要在電子電氣工程、工程制造、運(yùn)籌管理、通信、工業(yè)工程等方面。同時(shí)，從每個(gè)學(xué)科文獻(xiàn)數(shù)量的統(tǒng)計(jì)上看，知識(shí)表示與知識(shí)組織是跨越多學(xué)科子領(lǐng)域交叉研究的。

（3）研究熱點(diǎn)

領(lǐng)域研究熱點(diǎn)可以通過相關(guān)文獻(xiàn)的主要關(guān)鍵詞來體現(xiàn)，本文選取出現(xiàn)頻次最多的前20個(gè)關(guān)鍵詞進(jìn)行統(tǒng)計(jì)分析，具體數(shù)據(jù)如表2所示。

表1 知識(shí)表示與知識(shí)組織學(xué)科分布

分析表2后可知，關(guān)于知識(shí)表示與知識(shí)組織的研究主要集中在專家系統(tǒng)、決策支持系統(tǒng)和知識(shí)庫(kù)系統(tǒng)構(gòu)建上，圍繞著這三個(gè)知識(shí)系統(tǒng)的知識(shí)工程研究包括用于知識(shí)獲取的數(shù)據(jù)結(jié)構(gòu)分析等相關(guān)技術(shù)，用于知識(shí)表示的具有語義的本體模型、Petri網(wǎng)絡(luò)、形式邏輯、計(jì)算語言等數(shù)學(xué)語言和模型，用于知識(shí)應(yīng)用方面的信息檢索、知識(shí)推理、神經(jīng)網(wǎng)絡(luò)、問題解決和知識(shí)管理。其中，基于概念分析與關(guān)聯(lián)建立的Ontology是知識(shí)表示與知識(shí)組織中可有效解決知識(shí)統(tǒng)一表達(dá)、智能化處理、知識(shí)共享與重用等問題的重要方法。

此外，關(guān)于知識(shí)表示與知識(shí)組織研究領(lǐng)域與應(yīng)用，國(guó)內(nèi)與國(guó)外有一定的差距，國(guó)外以計(jì)算機(jī)領(lǐng)域?yàn)橹鱾?cè)重于研究方法、系統(tǒng)開發(fā)以及具體應(yīng)用，如有關(guān)的推理機(jī)制、語義、形式邏輯、本體、基于知識(shí)的系統(tǒng)、專家系統(tǒng)、Petri網(wǎng)、數(shù)據(jù)結(jié)構(gòu)等。

表2 知識(shí)表示與知識(shí)組織研究熱點(diǎn)統(tǒng)計(jì)

3 在復(fù)雜產(chǎn)品設(shè)計(jì)中的實(shí)踐應(yīng)用

復(fù)雜產(chǎn)品設(shè)計(jì)實(shí)踐中，需要產(chǎn)品功能、結(jié)構(gòu)、設(shè)計(jì)方法、設(shè)計(jì)步驟、圖表、公式、材料等各類知識(shí)，在設(shè)計(jì)過程中需要多學(xué)科領(lǐng)域人員共同參與和協(xié)作，對(duì)設(shè)計(jì)人員要求極高。設(shè)計(jì)知識(shí)的共享和重用已經(jīng)成為支撐產(chǎn)品創(chuàng)新與開發(fā)的關(guān)鍵問題。制造業(yè)公司的知識(shí)共享與重用水平非常低，相比服務(wù)業(yè)公司的42%的知識(shí)共享與重用平均水平，而制造業(yè)只有28%。由于不僅需要付出額外的努力，而且知識(shí)的丟失、不合理應(yīng)用和錯(cuò)誤使知識(shí)共享與重用無法有效應(yīng)用于新產(chǎn)品設(shè)計(jì)中，所以，在復(fù)雜產(chǎn)品設(shè)計(jì)上，設(shè)計(jì)知識(shí)共享與重用雖然很受關(guān)注，但卻不易實(shí)現(xiàn)。因此，對(duì)已有的產(chǎn)品設(shè)計(jì)、行業(yè)標(biāo)準(zhǔn)等通用類知識(shí)進(jìn)行組織存儲(chǔ)，發(fā)掘?qū)＜翌^腦中的設(shè)計(jì)經(jīng)驗(yàn)知識(shí)并將其表示出來，以便后續(xù)設(shè)計(jì)的共享與重用，將會(huì)對(duì)設(shè)計(jì)者進(jìn)行產(chǎn)品設(shè)計(jì)活動(dòng)有很大的幫助。

然而國(guó)內(nèi)關(guān)于產(chǎn)品設(shè)計(jì)知識(shí)表示的實(shí)證研究水平總體比較落后，特別在產(chǎn)品設(shè)計(jì)涉及跨領(lǐng)域的知識(shí)時(shí)。原因之一是沒有形成一個(gè)系統(tǒng)的大家公認(rèn)的知識(shí)表示與組織的復(fù)用體系，還處于各自為戰(zhàn)的研究與應(yīng)用中。尤其是在涉及多領(lǐng)域、多學(xué)科時(shí)，由于受到專業(yè)知識(shí)和各人知識(shí)背景的限制，跨領(lǐng)域知識(shí)共享與重用相當(dāng)困難。

那么，從實(shí)踐出發(fā)，如何借助知識(shí)表示與知識(shí)組織的理論方法，如何使圖書情報(bào)、知識(shí)工程與產(chǎn)品設(shè)計(jì)等專家通力協(xié)作，實(shí)現(xiàn)產(chǎn)品知識(shí)的共享與重用，是相關(guān)領(lǐng)域急需解決的問題。

下面將以復(fù)雜產(chǎn)品設(shè)計(jì)過程中專家需求的知識(shí)表示、產(chǎn)品設(shè)計(jì)知識(shí)的分類、產(chǎn)品設(shè)計(jì)知識(shí)的組織為例，闡述知識(shí)表示與知識(shí)組織的主要方法——本體（Ontology）的應(yīng)用。

3.1 復(fù)雜產(chǎn)品設(shè)計(jì)中設(shè)計(jì)者的需求分析與知識(shí)表示

在復(fù)雜產(chǎn)品設(shè)計(jì)中，設(shè)計(jì)者的需求是知識(shí)表示中問題解決的切入點(diǎn)與落腳點(diǎn)，關(guān)系到知識(shí)表示中采用哪些編碼方式、何種數(shù)據(jù)結(jié)構(gòu)、表達(dá)的知識(shí)與產(chǎn)品設(shè)計(jì)過程如何映射以及后續(xù)的知識(shí)組織等。通過大量的研究與調(diào)查，本項(xiàng)目在執(zhí)行過程中，選取的是專家深度訪談與調(diào)查問卷結(jié)合的方法。具體地，選取產(chǎn)品設(shè)計(jì)人員中資歷較深的專家，鼓勵(lì)并引導(dǎo)其提出需求，并對(duì)其需求進(jìn)行分析與表示。首先，要求產(chǎn)品設(shè)計(jì)專家以提問的形式表達(dá)希望Ontology所描述的知識(shí)；其次，對(duì)產(chǎn)品設(shè)計(jì)專家提出的需求作分析，明確Ontology中需描述的知識(shí)，可從領(lǐng)域結(jié)構(gòu)知識(shí)和領(lǐng)域設(shè)計(jì)知識(shí)兩方面分析。經(jīng)過研究，設(shè)計(jì)者的需求與分析如表3所示。

3.2 復(fù)雜產(chǎn)品設(shè)計(jì)知識(shí)的分類

表3 設(shè)計(jì)者對(duì)本體構(gòu)建需求的分析

復(fù)雜產(chǎn)品設(shè)計(jì)中涉及多學(xué)科、多領(lǐng)域、多流程的以各種形態(tài)存在的知識(shí)，那么對(duì)復(fù)雜產(chǎn)品進(jìn)行分類，關(guān)系到知識(shí)表示中編碼如何表現(xiàn)、數(shù)據(jù)結(jié)構(gòu)如何設(shè)計(jì)以及后續(xù)的知識(shí)庫(kù)、知識(shí)推理機(jī)制如何建立等。因此，依據(jù)什么對(duì)產(chǎn)品設(shè)計(jì)知識(shí)進(jìn)行分類，是知識(shí)表示與知識(shí)組織應(yīng)用的前提與基礎(chǔ)。現(xiàn)有的設(shè)計(jì)知識(shí)的分類一般根據(jù)產(chǎn)品設(shè)計(jì)過程中涉及的知識(shí)按照其不同的表現(xiàn)形式進(jìn)行，缺少統(tǒng)一的分類標(biāo)準(zhǔn)。通過調(diào)查國(guó)內(nèi)外產(chǎn)品設(shè)計(jì)方面的文獻(xiàn)資料與訪談專家發(fā)現(xiàn)，為了能夠完整有效地利用Ontology將產(chǎn)品知識(shí)表示與組織出來，必須要用準(zhǔn)確、合適的方法描述產(chǎn)品知識(shí)模型，而這個(gè)模型需要與產(chǎn)品設(shè)計(jì)流程相切合。項(xiàng)目選擇FBS模型（功能-行為-結(jié)構(gòu)模型，F(xiàn)BS由Gero在1990年提出），從功能、行為、結(jié)構(gòu)三方面來描述與分類產(chǎn)品設(shè)計(jì)知識(shí)，通過映像充分反映設(shè)計(jì)知識(shí)的內(nèi)在聯(lián)系，即結(jié)構(gòu)支撐行為、行為決定功能，符合產(chǎn)品設(shè)計(jì)的主旨，并提出了面向FBS模型的產(chǎn)品設(shè)計(jì)知識(shí)分類三原則，即：其一，模塊化原則。模型可以分為結(jié)構(gòu)、行為以及功能這三個(gè)部分，在表示過程中需要將這三塊內(nèi)容獨(dú)立表達(dá)出來，并在此基礎(chǔ)上建立三者的聯(lián)系，使其語義清晰，關(guān)系明確。其二，本體化原則。用各種類型的本體來描述各個(gè)模塊。采用共享的本體詞匯來描述行為與功能、行為與功能分別對(duì)應(yīng)的不同的抽象級(jí)別。其三，Web化原則。采用OWL標(biāo)準(zhǔn)化建模語言，充分利用其優(yōu)點(diǎn)對(duì)產(chǎn)品設(shè)計(jì)知識(shí)模型進(jìn)行表達(dá)，以實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)知識(shí)的共享，提高設(shè)計(jì)效率，并進(jìn)一步實(shí)現(xiàn)知識(shí)的重用。表4為基于FBS模型的復(fù)雜產(chǎn)品設(shè)計(jì)知識(shí)的分類。

表4 復(fù)雜產(chǎn)品設(shè)計(jì)知識(shí)的分類

3.3 復(fù)雜產(chǎn)品設(shè)計(jì)領(lǐng)域知識(shí)的組織——本體架構(gòu)

知識(shí)組織主要的研究對(duì)象是存儲(chǔ)于文獻(xiàn)中的知識(shí)，那么，能否有效地將知識(shí)組織方法移植到產(chǎn)品設(shè)計(jì)過程中，并根據(jù)產(chǎn)品設(shè)計(jì)需求進(jìn)行繼承與發(fā)展，是知識(shí)表示與知識(shí)組織應(yīng)用的關(guān)鍵問題。本項(xiàng)目采用Ontology方法進(jìn)行產(chǎn)品設(shè)計(jì)知識(shí)的表達(dá)與組織，為更好地實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)領(lǐng)域知識(shí)的組織也即本體的構(gòu)建，需要對(duì)獲取的知識(shí)按本體表達(dá)進(jìn)行組織。按照領(lǐng)域知識(shí)本體構(gòu)建的思想，將產(chǎn)品設(shè)計(jì)知識(shí)按照設(shè)計(jì)層次進(jìn)行知識(shí)層次結(jié)構(gòu)的區(qū)分，具體地劃分為結(jié)構(gòu)類知識(shí)、設(shè)計(jì)類知識(shí)和圖片類知識(shí)三個(gè)層次。其中，結(jié)構(gòu)類知識(shí)是產(chǎn)品設(shè)計(jì)的基礎(chǔ)，設(shè)計(jì)類知識(shí)是對(duì)設(shè)計(jì)的指導(dǎo)，公式圖片類知識(shí)是對(duì)設(shè)計(jì)過程精確地引導(dǎo)和設(shè)計(jì)結(jié)果的反映。然后，依據(jù)知識(shí)層次結(jié)構(gòu)對(duì)領(lǐng)域知識(shí)和設(shè)計(jì)知識(shí)進(jìn)行組織。所設(shè)計(jì)的產(chǎn)品設(shè)計(jì)領(lǐng)域本體的知識(shí)表示與知識(shí)組織體系如圖3所示。

（1）結(jié)構(gòu)知識(shí)的組織，包括：1）原理、作用、定義、限制、用途等描述類知識(shí)（數(shù)據(jù)屬性，并添加屬性值）；2）按不同分類標(biāo)準(zhǔn)進(jìn)行分類的分類知識(shí)（對(duì)象間的大類子類關(guān)系）；3）子本體的部件組成知識(shí)（對(duì)象間的部分-整體關(guān)系）。

（2）設(shè)計(jì)知識(shí)的組織，包括：1）設(shè)計(jì)任務(wù)、設(shè)計(jì)目標(biāo)；2）設(shè)計(jì)原理、設(shè)計(jì)指標(biāo)等設(shè)計(jì)指導(dǎo)知識(shí)；3）設(shè)計(jì)流程及流程中涉及的參數(shù)等計(jì)算性知識(shí)或手冊(cè)知識(shí)；4）總體重要指標(biāo)的取值范圍或取值限定等經(jīng)驗(yàn)判斷性知識(shí)；5）設(shè)計(jì)流程類和流程中涉及的參數(shù)限制等計(jì)算性知識(shí)；6）設(shè)計(jì)實(shí)例知識(shí)。

圖3 產(chǎn)品設(shè)計(jì)領(lǐng)域本體的知識(shí)表示與知識(shí)組織

（3）相關(guān)圖片知識(shí)的組織，包括：1）部件的結(jié)構(gòu)位置關(guān)系圖；2）用于說明運(yùn)動(dòng)原理的解釋圖或原理圖；3）部件的具體實(shí)例圖；4）設(shè)計(jì)過程中復(fù)雜的設(shè)計(jì)流程解釋圖；5）設(shè)計(jì)中的三維圖。

在上述研究基礎(chǔ)上，為方便設(shè)計(jì)本體的構(gòu)建，進(jìn)一步將設(shè)計(jì)本體細(xì)分為總體設(shè)計(jì)任務(wù)、文本性的設(shè)計(jì)經(jīng)驗(yàn)、設(shè)計(jì)公式、設(shè)計(jì)圖片、設(shè)計(jì)流程及其涉及的參數(shù)限制類和具體的設(shè)計(jì)實(shí)例這六塊，并對(duì)相關(guān)概念作如下定義。

定義1：總體設(shè)計(jì)任務(wù)類知識(shí)是指產(chǎn)品設(shè)計(jì)主要需要完成的工作和達(dá)到的目標(biāo)，是整個(gè)設(shè)計(jì)流程的驅(qū)動(dòng)。因此構(gòu)建設(shè)計(jì)本體的第一步先確定部件設(shè)計(jì)的總體設(shè)計(jì)任務(wù)和設(shè)計(jì)要求，從而引導(dǎo)后面的設(shè)計(jì)指導(dǎo)和設(shè)計(jì)流程。

定義2：設(shè)計(jì)指導(dǎo)類知識(shí)是總體設(shè)計(jì)任務(wù)驅(qū)動(dòng)下的具體指導(dǎo)，文本性的設(shè)計(jì)經(jīng)驗(yàn)主要包括設(shè)計(jì)注意事項(xiàng)、設(shè)計(jì)原則、設(shè)計(jì)要求、設(shè)計(jì)調(diào)整等能以文本性的形式展現(xiàn)的設(shè)計(jì)知識(shí)。

定義3：產(chǎn)品設(shè)計(jì)中的設(shè)計(jì)圖片主要包括三維設(shè)計(jì)圖、部件或整體的實(shí)例圖、用于說明操作方式的原理圖、位置關(guān)系的結(jié)構(gòu)圖、解釋設(shè)計(jì)流程的流程圖五類。

定義4：設(shè)計(jì)流程是設(shè)計(jì)步驟的前后關(guān)系的總和，每步流程涉及輸入?yún)?shù)、輸出參數(shù)、設(shè)計(jì)公式、其他輸出結(jié)果等要素。

圖4 和圖5是完成的概念本體與產(chǎn)品設(shè)計(jì)本體的構(gòu)建實(shí)例的可視化展示。

圖4 概念本體的建模

圖5 產(chǎn)品設(shè)計(jì)本體的建模

4 實(shí)踐研究與應(yīng)用的體會(huì)

信息技術(shù)的日新月異，促使知識(shí)的生產(chǎn)、創(chuàng)新與利用蓬勃發(fā)展。許多行業(yè)與機(jī)構(gòu)不僅將知識(shí)作為基礎(chǔ)資源支撐自身競(jìng)爭(zhēng)能力與創(chuàng)新能力的培育，而且將知識(shí)作為生產(chǎn)要素從事產(chǎn)品開發(fā)與服務(wù)。大數(shù)據(jù)的興起與發(fā)展，又推動(dòng)了這樣的進(jìn)程。作為以知識(shí)服務(wù)為戰(zhàn)略的圖書情報(bào)領(lǐng)域，如何抓住大數(shù)據(jù)環(huán)境下使數(shù)據(jù)、信息轉(zhuǎn)化為知識(shí)并使其發(fā)揮效用的契機(jī)，成為贏取未來競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵。因此，圖書情報(bào)領(lǐng)域必須突破服務(wù)資源的加工范圍，將以文獻(xiàn)、數(shù)據(jù)庫(kù)為主擴(kuò)充到文獻(xiàn)、數(shù)據(jù)庫(kù)、產(chǎn)品資料、實(shí)物樣本等多種類型；必須突破以目錄、摘要、索引、關(guān)鍵詞為主的服務(wù)內(nèi)容層次（精度），對(duì)表達(dá)知識(shí)的內(nèi)外部特征進(jìn)行不同程度的加工與組織，還需要按照加工程度投入工作人員的隱性知識(shí)；必須突破現(xiàn)有的服務(wù)模式使服務(wù)手段、方式與工具逐漸上升到自動(dòng)化和智能化水平。那么，如何實(shí)現(xiàn)突破成為圖書情報(bào)領(lǐng)域面臨的重大課題。

通過將知識(shí)表示與知識(shí)組織理論方法應(yīng)用到產(chǎn)品設(shè)計(jì)中的課題研究和實(shí)踐，本文認(rèn)為圖書情報(bào)領(lǐng)域在探索突破實(shí)現(xiàn)的可行方案和有效路徑中，需要重點(diǎn)抓住需求分析、選準(zhǔn)面向用途提供服務(wù)的模式與途徑、規(guī)范方法應(yīng)用的邊界與操作標(biāo)準(zhǔn)、保持與專家及用戶的互動(dòng)合作等幾個(gè)關(guān)鍵環(huán)節(jié)。

（1）需求分析一直是圖書情報(bào)領(lǐng)域開展服務(wù)的首要環(huán)節(jié)，然而在傳統(tǒng)的以文獻(xiàn)為主的服務(wù)產(chǎn)品開發(fā)中，以服務(wù)機(jī)構(gòu)占有資源的多少與可對(duì)數(shù)據(jù)、信息加工的程度作為需求分析的前提，結(jié)果往往導(dǎo)致開發(fā)出的產(chǎn)品服務(wù)范圍受到限制。復(fù)雜產(chǎn)品設(shè)計(jì)不僅涉及多學(xué)科、多領(lǐng)域，而且數(shù)據(jù)、信息與知識(shí)的來源廣泛，存在方式與表現(xiàn)形式多樣化。因此，圍繞著產(chǎn)品設(shè)計(jì)性能參數(shù)指標(biāo)，以設(shè)計(jì)流程中用戶需求為出發(fā)點(diǎn)，對(duì)產(chǎn)品設(shè)計(jì)知識(shí)的表示與組織需求進(jìn)行深度分析。如通過對(duì)復(fù)雜產(chǎn)品設(shè)計(jì)領(lǐng)域?qū)＜业男枨蠓治觯梢粤私鈱＜覍?duì)本體所表達(dá)的知識(shí)和本體需實(shí)現(xiàn)的功能的要求。如從領(lǐng)域結(jié)構(gòu)知識(shí)需求分析中可以確定本體需要表達(dá)部件的定義、作用、原理、結(jié)構(gòu)圖、分類標(biāo)準(zhǔn)及具體分類、選擇不同部件的原因等知識(shí)。

（2）選準(zhǔn)面向用途提供服務(wù)的模式與途徑，關(guān)系到圖書情報(bào)領(lǐng)域提供知識(shí)服務(wù)的可行性與有效性。針對(duì)知識(shí)需求提供深層次的內(nèi)容加工服務(wù)是知識(shí)服務(wù)的難題，盡管知識(shí)表示與知識(shí)組織等技術(shù)的發(fā)展正在逐漸解決這樣的難題。然而，在具體實(shí)踐中需要利用相對(duì)成熟和可操作的技術(shù)。因此，在經(jīng)過需求分析后需要對(duì)服務(wù)的模式與途徑進(jìn)行選擇。例如，在產(chǎn)品設(shè)計(jì)領(lǐng)域選擇提供基本知識(shí)的查詢、以往設(shè)計(jì)經(jīng)驗(yàn)、設(shè)計(jì)實(shí)例的查詢或系統(tǒng)推送；在本體構(gòu)建中選擇以表達(dá)產(chǎn)品基本屬性、特點(diǎn)等結(jié)構(gòu)類知識(shí)構(gòu)成概念本體，以表達(dá)產(chǎn)品設(shè)計(jì)流程、設(shè)計(jì)規(guī)則、設(shè)計(jì)實(shí)例等知識(shí)構(gòu)成設(shè)計(jì)本體。

（3）規(guī)范方法應(yīng)用的邊界與操作標(biāo)準(zhǔn)，是保障實(shí)踐應(yīng)用一致性與持續(xù)性的關(guān)鍵。如同分類與標(biāo)引需要確定操作流程一樣，對(duì)大量復(fù)雜的產(chǎn)品設(shè)計(jì)知識(shí)進(jìn)行表示與組織不僅工作量大、參與的人數(shù)多、耗費(fèi)時(shí)間，而且機(jī)器自動(dòng)化操作基礎(chǔ)上還需要人工干預(yù)。所以，在技術(shù)方法應(yīng)用前盡可能分析機(jī)器操作與專家把關(guān)的邊界，明確工作的流程，制定與完善每一環(huán)節(jié)的操作規(guī)范。例如制定SUMO頂層本體關(guān)系構(gòu)建的標(biāo)準(zhǔn)、數(shù)據(jù)屬性提取的原則、概念本體與設(shè)計(jì)本體建模的方法及本體構(gòu)建的步驟、協(xié)同構(gòu)建本體的操作流程和規(guī)范等。

（4）保持與專家及用戶的互動(dòng)合作，是支撐實(shí)踐應(yīng)用的基礎(chǔ)。面向復(fù)雜產(chǎn)品設(shè)計(jì)進(jìn)行知識(shí)表示與組織是一項(xiàng)專業(yè)性很強(qiáng)的工作，圖書情報(bào)領(lǐng)域提供的技術(shù)方法如果不能與專業(yè)人員的知識(shí)緊密結(jié)合，是難以深入到具體實(shí)踐環(huán)節(jié)中的。因此，在知識(shí)表示與組織的實(shí)踐操作中，圖書情報(bào)領(lǐng)域人員對(duì)應(yīng)用領(lǐng)域?qū)I(yè)知識(shí)的了解與掌握，以及應(yīng)用領(lǐng)域?qū)I(yè)人員對(duì)圖書情報(bào)領(lǐng)域理論方法的理解與信任，是支撐實(shí)踐應(yīng)用的基本前提。這就需要不同領(lǐng)域人員保持持續(xù)的對(duì)話與互動(dòng)合作，并堅(jiān)持研討與溝通例會(huì)制度。

[1] 梁鋒.大數(shù)據(jù)[J].新聞前哨,2013(11):96.

[2] 暢享網(wǎng).什么是“大數(shù)據(jù)”的真正含義? [EB/OL]. [2013-12-10]. http://www.vsharing.com/k/vertical/2012-5/A658824.html.

[3] Big data [EB/OL]. [2013-12-10]. http://en.wikipedia.org/wiki/ Big_data.

[4] 存儲(chǔ)時(shí)代. EMC緊盯大數(shù)據(jù)后的大機(jī)遇[EB/OL]. [2013-12-15]. http://stor-age.zdnet.com.cn/stor-age/2011/0223/2010947.shtml.

[5] 孟小峰,慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展,2013,50(1):146-169.

[6] McKinsey Global Institute. Big data: The next frontier for innovation, competition, and productivity, 2011 [EB/OL]. [2013-12-15]. http://www.mckinsey.com/insights/business_technology/big_data_the_ne xt_frontier_for_innovation.

[7] Gartner2011-2013技術(shù)成熟度曲線解讀[EB/OL]. [2014-02-10]. http://www.chinaz.com.

[8] 鄔賀銓.大數(shù)據(jù)時(shí)代的機(jī)遇與挑戰(zhàn)[N].求是,2013(4).

[9] 王飛躍. SciTS：21世紀(jì)科技合作的燈塔？[N].科學(xué)時(shí)報(bào), 2011-04-13.

[10] Knowledge market. From Wikipedia, the free encyclopedia [EB/OL]. [2013-10-25]. http://en.wikipedia.org/wiki/ Knowledge_market.

[11] NEWELL A. The Knowledge Level [J]. Artificial Intelligence, 1982(18): 87-127.

[12] SMITH B C. Prologue to Reflections and Semantics in a Procedural Language [M]. BRACHMAN R, LEVESQUE H J. Readings in Knowledge Representation. Morgan Kaufmann, 1985: 31-40.

[13] DAVIS R, SHROBE H, SZOLOVITS P. What Is a Knowledge Representation? [J/OL]. AI Magazine, 1993, 14 (1): 17-33 [2013-12-03]. http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html.

[14] 知識(shí)組織概述[EB/OL]. [2013-12-03]. http://wiki.mbalib.com/ wiki/%E7%9F%A5%E8%AF%86%E7%BB%84%E7%BB%87.

[15] Knowledge organization [EB/OL]. [2013-12-03]. http://en.wikipedia.org/wiki/Knowledge_organization.

[16] 劉建煒,燕路峰.知識(shí)表示方法比較[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2010,20 (3):242-246.

Theory and Application of Knowledge Representation and Knowledge Organization in Big Data Environment

Wang Yuefen, Fu Zhu/School of Economics and Management, Nanjing University of Science & Technology, Nanjing, 210094

With the key transition from concept to problem solving of Big data, how to play the role is the opportunities and challenges of knowledge services. Firstly, the paper investigated and quantitatively analyzed method system and research progress of knowledge representation and knowledge organization; Secondly, the paper discussed the knowledge requirement analysis and representation, the classification of design knowledge and knowledge organization in complex product design; Finally, it summarized the three breakthrough that should be achieved in the knowledge service process of Library and information field, and the experience of how to grasp the four key links.

Big data, Knowledge representation, Knowledge organization, Complex product design, Practice application

2014-02-25）

10.3772/j.issn.1673—2286.2014.03.005

*本文系國(guó)防科技工業(yè)局基礎(chǔ)科研重點(diǎn)項(xiàng)目和中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（項(xiàng)目編號(hào)：30920130121007）的研究成果之一。

王曰芬（1963- ），女，博士，教授，博士生導(dǎo)師。研究方向：知識(shí)管理、知識(shí)挖掘、知識(shí)服務(wù)。Email:yuefen163@163.com

傅柱（1990- ），男，博士生。