文/陳珺

1.國(guó)內(nèi)外研究現(xiàn)狀與發(fā)展趨勢(shì)

隨著各國(guó)政府對(duì)知識(shí)庫(kù)的日益重視和大力推動(dòng)，涌現(xiàn)了大量公共組織探索基于開(kāi)放數(shù)據(jù)的知識(shí)庫(kù)構(gòu)建。其中，具有代表性的是開(kāi)放鏈接數(shù)據(jù)（LOD）項(xiàng)目，其采用RDF 形式在 Web 上發(fā)布各種開(kāi)放的數(shù)據(jù)集，通過(guò)來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)項(xiàng)之間設(shè)置 RDF 鏈接，將不同本體知知識(shí)庫(kù)所使用的語(yǔ)義鏈接互相關(guān)聯(lián)，達(dá)到最大程度的全球化知識(shí)共享。此外，作為在線關(guān)聯(lián)數(shù)據(jù)知識(shí)庫(kù)項(xiàng)目，DBPedia從維基百科的詞條中抽取結(jié)構(gòu)化數(shù)據(jù)，以提供更準(zhǔn)確和直接的維基百科搜索，并在其他數(shù)據(jù)集和維基百科之間創(chuàng)建連接，提供跨語(yǔ)言、跨領(lǐng)域的大規(guī)模世界知識(shí)。

在企業(yè)工程領(lǐng)域，Google、百度、捜狗等也紛紛投身于大規(guī)模本體知識(shí)庫(kù)的研究中。比較著名的有 “Knowledge Graph”（Google）、“知心”（百度）以及“知立方”（捜狗）等。其通過(guò)整合海量的互聯(lián)網(wǎng)碎片化信息，并將基于圍繞關(guān)鍵字的捜索結(jié)果知識(shí)方式聚合在一起，形成知識(shí)集群，對(duì)搜索結(jié)果進(jìn)行重新優(yōu)化計(jì)算，將最核心的信息展現(xiàn)給用戶。

隨著公共知識(shí)庫(kù)的開(kāi)放，眾多旨在將知識(shí)庫(kù)應(yīng)用在不同業(yè)務(wù)領(lǐng)域的領(lǐng)域知識(shí)庫(kù)研究也逐漸開(kāi)展。比如基于案例推理的知識(shí)庫(kù)系統(tǒng)對(duì)相關(guān)案例的知識(shí)進(jìn)行提取整理，能夠?yàn)橛脩糨斎氲膯?wèn)題推薦相似方案與可參考內(nèi)容?；诒倔w的專題域知識(shí)庫(kù)系統(tǒng)通過(guò)對(duì)專題業(yè)務(wù)資料進(jìn)行數(shù)字化語(yǔ)義處理，并按照本體論思想進(jìn)行分類標(biāo)注，實(shí)現(xiàn)該業(yè)務(wù)領(lǐng)域研究的知識(shí)集成、知識(shí)共享、知識(shí)發(fā)現(xiàn)和知識(shí)重用。

2.知識(shí)庫(kù)總體架構(gòu)

在媒體領(lǐng)域，相關(guān)知識(shí)庫(kù)技術(shù)及應(yīng)用的研究早已開(kāi)展，并取得了一定的成果。如下是一種知識(shí)庫(kù)體系的總體設(shè)計(jì)框架，由基礎(chǔ)設(shè)施層、數(shù)據(jù)資源層、關(guān)鍵技術(shù)層、系統(tǒng)功能層四層組成。

圖1 知識(shí)庫(kù)系統(tǒng)總體架構(gòu)圖

基礎(chǔ)環(huán)境層主要提供各種所需的計(jì)算資源、存儲(chǔ)資源、網(wǎng)絡(luò)資源以及在此基礎(chǔ)上搭建起來(lái)的大數(shù)據(jù)基礎(chǔ)應(yīng)用。通過(guò)提供關(guān)系型數(shù)據(jù)庫(kù)、文檔知識(shí)存儲(chǔ)數(shù)據(jù)庫(kù)、消息隊(duì)列和緩存等各種存儲(chǔ)形式，實(shí)現(xiàn)將不同類型的數(shù)據(jù)按照其自身特點(diǎn)和業(yè)務(wù)需求進(jìn)行分類存儲(chǔ)，從而滿足系統(tǒng)實(shí)時(shí)性需求以及系統(tǒng)的分布式響應(yīng)架構(gòu)。

數(shù)據(jù)資源層主要從業(yè)務(wù)層面提供各種與上層功能相關(guān)的各類數(shù)據(jù)資源的規(guī)范存儲(chǔ)功能，并提供系統(tǒng)必需的如消息隊(duì)列、緩存資源等系統(tǒng)數(shù)據(jù)的統(tǒng)一存儲(chǔ)。

關(guān)鍵技術(shù)層提供實(shí)現(xiàn)系統(tǒng)所需的核心支撐技術(shù)系統(tǒng)，提供知識(shí)描述與獲取、知識(shí)圖譜、知識(shí)庫(kù)構(gòu)建與分析研判等關(guān)鍵技術(shù)。

功能層主要提供面向業(yè)務(wù)人員的數(shù)據(jù)分析與展示功能，以及面向標(biāo)注人員的人機(jī)交互界面。構(gòu)建重點(diǎn)媒體知識(shí)庫(kù)、重點(diǎn)人物知識(shí)庫(kù)、重點(diǎn)事件知識(shí)庫(kù)、業(yè)務(wù)關(guān)鍵詞知識(shí)庫(kù)、業(yè)務(wù)知識(shí)百科庫(kù)五大知識(shí)庫(kù)。每個(gè)知識(shí)庫(kù)將實(shí)現(xiàn)統(tǒng)一的知識(shí)描述方式、分類與組織體系、評(píng)價(jià)指標(biāo)體系，最大化兼容現(xiàn)有知識(shí)庫(kù)和功能模塊。每個(gè)知識(shí)庫(kù)具有知識(shí)提取、標(biāo)注、評(píng)估和維護(hù)等功能，同時(shí)面向標(biāo)注人員建立評(píng)價(jià)體系。

基于五大知識(shí)庫(kù)構(gòu)建相關(guān)分析研判功能，包括知識(shí)聯(lián)想與推演、實(shí)現(xiàn)業(yè)務(wù)統(tǒng)計(jì)與分析功能。對(duì)重要事件進(jìn)行地域分布、時(shí)間周期、人物分布、規(guī)律挖掘、趨勢(shì)預(yù)判等分析。

3.知識(shí)庫(kù)構(gòu)建關(guān)鍵技術(shù)

知識(shí)庫(kù)構(gòu)建關(guān)鍵技術(shù)主要包括：知識(shí)表示、知識(shí)獲取、知識(shí)圖譜、知識(shí)持久化和知識(shí)評(píng)價(jià)等幾個(gè)方面。

3.1 知識(shí)模式構(gòu)建

知識(shí)表示是知識(shí)獲取與應(yīng)用的基礎(chǔ)，目前最常用的是基于本體的知識(shí)表示方法。本體是對(duì)領(lǐng)域?qū)嶓w存在本質(zhì)的抽象，它強(qiáng)調(diào)實(shí)體間的關(guān)聯(lián)，并通過(guò)多種知識(shí)表示元素將這些關(guān)聯(lián)表達(dá)和反映出來(lái)，這些知識(shí)表示元素也被稱為原本體，主要包括：（1）概念；（2）屬性；（3）關(guān)系；（4）函數(shù)；（5）公理；（6）實(shí)例?？偟膩?lái)說(shuō)，構(gòu)造本體的目的是為了實(shí)現(xiàn)某種程度的知識(shí)共享和重用：（1）本體分析澄清了領(lǐng)域知識(shí)的結(jié)構(gòu)，從而為知識(shí)表示打好基礎(chǔ)。本體可以重用，從而避免重復(fù)的領(lǐng)域知識(shí)分析。（2）統(tǒng)一的術(shù)語(yǔ)和概念使知識(shí)共享成為可能。

根據(jù)知識(shí)來(lái)源數(shù)據(jù)類型的不同，對(duì)知識(shí)進(jìn)行分類，形成重要媒體、重要人物、重要事件、業(yè)務(wù)關(guān)鍵詞、業(yè)務(wù)知識(shí)百科五大類別的知識(shí)庫(kù)，每一類知識(shí)庫(kù)可進(jìn)一步詳細(xì)分類。采用知識(shí)樹(shù)的方法對(duì)知識(shí)進(jìn)行組織，在每一層中，知識(shí)節(jié)點(diǎn)與其相鄰常點(diǎn)在粒度上保持一致。層次越高，粒度越大；層次越低，粒度越小。系統(tǒng)根據(jù)用戶業(yè)務(wù)經(jīng)驗(yàn)針對(duì)每一類知識(shí)設(shè)置對(duì)應(yīng)的樹(shù)形知識(shí)體系。用戶可對(duì)該體系進(jìn)行編輯，添加或刪除節(jié)點(diǎn)，并可對(duì)節(jié)點(diǎn)名稱進(jìn)行重置。

3.2 知識(shí)評(píng)價(jià)體系構(gòu)建

知識(shí)評(píng)價(jià)體系是對(duì)已有知識(shí)質(zhì)量評(píng)估的制度，擬從完整度、有效性和相關(guān)度三個(gè)方面進(jìn)行評(píng)價(jià)。知識(shí)的完整性由系統(tǒng)根據(jù)知識(shí)條目屬性填充的完整性直接計(jì)算得出，完整性計(jì)算規(guī)則為：權(quán)重*得分。需與業(yè)務(wù)人員共同商議確定不同類別知識(shí)屬性的權(quán)重值及分值，基于此給出每一個(gè)知識(shí)條目完整度百分比。知識(shí)的有效性是由系統(tǒng)與業(yè)務(wù)人員交互得到。業(yè)務(wù)人員查看某一知識(shí)條目時(shí)，可以對(duì)該知識(shí)的有用性進(jìn)行評(píng)價(jià)，點(diǎn)擊“有用”或“無(wú)用”按鈕，系統(tǒng)會(huì)實(shí)時(shí)顯示每一知識(shí)條目的有用性數(shù)量分布情況。相關(guān)性與有用性相似，由業(yè)務(wù)人員評(píng)價(jià)某一知識(shí)條目是否與業(yè)務(wù)相關(guān)，指定相關(guān)值。若有多人對(duì)統(tǒng)一知識(shí)條目進(jìn)行相關(guān)性評(píng)價(jià)時(shí)，采用平均值進(jìn)行顯示。

3.3 知識(shí)獲取

知識(shí)獲取包括：知識(shí)提取、知識(shí)標(biāo)注和知識(shí)維護(hù)等技術(shù)。

構(gòu)建知識(shí)庫(kù)的過(guò)程，即是從結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)資源中提取知識(shí)的過(guò)程。結(jié)構(gòu)化知識(shí)獲取指從特定格式的數(shù)據(jù)，例如結(jié)構(gòu)化數(shù)據(jù)庫(kù)記錄、HTML、XML等含有標(biāo)簽的半結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行解析，從而獲得多個(gè)知識(shí)實(shí)體及其詳細(xì)屬性，以及知識(shí)實(shí)體間存在的關(guān)聯(lián)關(guān)系。非結(jié)構(gòu)化知識(shí)獲取指對(duì)導(dǎo)入的文本類材料提取文檔中提及的實(shí)體與關(guān)系、要素關(guān)鍵詞與文檔摘要等，通過(guò)自動(dòng)識(shí)別抽取內(nèi)容的類別將其存儲(chǔ)到不同的知識(shí)條目集合中。支持的格式包括TXT、Word、Excel、PDF等多種形式。

系統(tǒng)支持人工對(duì)知識(shí)庫(kù)的詞條進(jìn)行標(biāo)注與維護(hù)，知識(shí)標(biāo)注可采用眾包方式。標(biāo)注人員可通過(guò)右鍵選中某實(shí)體對(duì)其進(jìn)行標(biāo)注，標(biāo)注的知識(shí)在多個(gè)數(shù)據(jù)源中互聯(lián)互通。若待標(biāo)注的知識(shí)已存在于知識(shí)庫(kù)中，則智能提示補(bǔ)全，節(jié)約標(biāo)注時(shí)間，提高標(biāo)注效率，保證標(biāo)注的統(tǒng)一性。同時(shí)，針對(duì)每個(gè)知識(shí)實(shí)體，以可視化的形式對(duì)與該實(shí)體存在直接關(guān)系的關(guān)聯(lián)實(shí)體進(jìn)行展示，并支持對(duì)該實(shí)體的關(guān)聯(lián)實(shí)體及關(guān)聯(lián)關(guān)系的可視化編輯。

支持多個(gè)用戶對(duì)知識(shí)實(shí)體的協(xié)同工作，用戶修改實(shí)體屬性后，提交修改時(shí)如果數(shù)據(jù)庫(kù)中版本與用戶修改前版本不一致，系統(tǒng)提醒用戶可能產(chǎn)生沖突。用戶需獲取新版本，并在此基礎(chǔ)上進(jìn)行修改與提交，以保持一致性。

3.4 知識(shí)圖譜

知識(shí)圖譜將研究知識(shí)的關(guān)聯(lián)、聯(lián)想與推演方法，實(shí)現(xiàn)知識(shí)推演和研判等應(yīng)用模式。

知識(shí)關(guān)聯(lián)分析對(duì)知識(shí)庫(kù)實(shí)體間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘與展示，以網(wǎng)絡(luò)圖譜的形式在離散的知識(shí)節(jié)點(diǎn)之間建立關(guān)聯(lián)關(guān)系，當(dāng)點(diǎn)擊關(guān)聯(lián)圖中的某一節(jié)點(diǎn)時(shí)顯示關(guān)于該節(jié)點(diǎn)的詳細(xì)信息。系統(tǒng)中的知識(shí)關(guān)聯(lián)不僅支持同類別的知識(shí)實(shí)體聯(lián)系，同樣支持重點(diǎn)人物、歷史事件、業(yè)務(wù)關(guān)鍵詞、業(yè)務(wù)知識(shí)百科等跨通道知識(shí)實(shí)體的關(guān)聯(lián)。

知識(shí)聯(lián)想是為了提高業(yè)務(wù)人員在使用知識(shí)庫(kù)過(guò)程中的知識(shí)檢索效率而提出的。目前，大多數(shù)的信息檢索采用全文檢索技術(shù)，檢索策略均建立在對(duì)于關(guān)鍵詞的詞頻統(tǒng)計(jì)學(xué)規(guī)律上。基于知識(shí)聯(lián)想的檢索根據(jù)用戶搜索內(nèi)容推薦與該詞語(yǔ)義相近的知識(shí)條目，為用戶提供備選項(xiàng)。

知識(shí)推演將根據(jù)知識(shí)關(guān)聯(lián)圖譜中已有的知識(shí)，推出新的、未知的知識(shí)，以提高知識(shí)的完備性，擴(kuò)大知識(shí)的覆蓋面，比如同類型知識(shí)搜索、關(guān)系預(yù)測(cè)等業(yè)務(wù)場(chǎng)景。

3.5 知識(shí)持久化技術(shù)

知識(shí)持久化技術(shù)的目的是將構(gòu)建出的知識(shí)庫(kù)進(jìn)行持久化存儲(chǔ)。目前，知識(shí)圖譜中的數(shù)據(jù)主要采用基于語(yǔ)義的XML文檔規(guī)范、結(jié)構(gòu)化數(shù)據(jù)庫(kù)等存儲(chǔ)手段進(jìn)行持久化存儲(chǔ)。上述存儲(chǔ)手段在進(jìn)行大規(guī)模知識(shí)子圖查詢的過(guò)程中，無(wú)法在線性時(shí)間內(nèi)實(shí)現(xiàn)知識(shí)的快速查詢。為了加快查詢速度，現(xiàn)有查詢算法普遍采用圖索引技術(shù)，但是知識(shí)圖譜的數(shù)據(jù)規(guī)模大，為其建立圖索引需耗費(fèi)大量的時(shí)間和空間開(kāi)銷，從而導(dǎo)致用戶難以快速獲取滿意的查詢結(jié)果。針對(duì)以上特征，我們采用基于圖結(jié)構(gòu)（Graph）存儲(chǔ)的知識(shí)持久化方案，實(shí)現(xiàn)快速高效的知識(shí)圖譜存儲(chǔ)與查詢。在分布式圖數(shù)據(jù)處理平臺(tái)的基礎(chǔ)上，采用新型的知識(shí)圖譜查詢模型、算法和計(jì)算平臺(tái)分別從知識(shí)圖譜查詢模型、分布式查詢算法、分布式查詢執(zhí)行優(yōu)化三個(gè)方面對(duì)知識(shí)進(jìn)行持久化，并提供快速高效的新型分布式查詢技術(shù)。

4.知識(shí)庫(kù)在媒體領(lǐng)域的應(yīng)用探索

基于上述構(gòu)建的重點(diǎn)媒體知識(shí)庫(kù)、重點(diǎn)人物知識(shí)庫(kù)、重點(diǎn)事件知識(shí)庫(kù)、業(yè)務(wù)關(guān)鍵詞知識(shí)庫(kù)、業(yè)務(wù)知識(shí)百科庫(kù)等幾大知識(shí)庫(kù)體系，除能夠直接提供相關(guān)知識(shí)的檢索和推薦外，還能夠提供知識(shí)聯(lián)想與推演、啟發(fā)式搜索、個(gè)性化推薦、選題深度策劃、事件深度分析、趨勢(shì)預(yù)測(cè)、機(jī)器閱讀、機(jī)器寫(xiě)作等多種豐富的分析應(yīng)用功能，可應(yīng)用于各種新聞生產(chǎn)應(yīng)用場(chǎng)景。

4.1 啟發(fā)式搜索

對(duì)于采編人員或信息分析員而言，很多時(shí)候?qū)ο胍阉鞯男畔⒉⒉皇欠浅４_定，因此會(huì)先設(shè)定一個(gè)大致的分析目標(biāo)，從海量信息中初篩，然后從初篩結(jié)果中再調(diào)整關(guān)鍵詞進(jìn)一步搜尋更精準(zhǔn)的內(nèi)容，在這個(gè)過(guò)程中，通過(guò)業(yè)務(wù)領(lǐng)域知識(shí)之間的關(guān)聯(lián)關(guān)系，可以通過(guò)知識(shí)聯(lián)想進(jìn)行相關(guān)知識(shí)推薦，從而幫助用戶從點(diǎn)到面逐步進(jìn)行信息的關(guān)聯(lián)分析和深度挖掘，支持這種探索方式的搜索我們可以叫作啟發(fā)式搜索。比如圍繞搜索飛機(jī)失事，將相關(guān)聯(lián)信息進(jìn)行推薦，如飛機(jī)失事的歷年歷史事件追蹤、發(fā)動(dòng)機(jī)、航空航天、相關(guān)制造公司、相關(guān)金融股票信息等，通過(guò)對(duì)大數(shù)據(jù)基于業(yè)務(wù)知識(shí)關(guān)聯(lián)性的探索，得到更為廣泛的分析角度，從而挖掘出更高附加值的信息，加大深度報(bào)道產(chǎn)品在社會(huì)生活、政治、產(chǎn)業(yè)、金融等各個(gè)領(lǐng)域的服務(wù)價(jià)值。

4.2 選題策劃深度分析

在采編人員針對(duì)一個(gè)或一組選題進(jìn)行策劃的時(shí)候，只推薦出描述上相似的內(nèi)容很多時(shí)候是遠(yuǎn)遠(yuǎn)不夠的，用戶更希望能夠挖掘出選題全新的角度，通過(guò)從業(yè)務(wù)領(lǐng)域之間的知識(shí)關(guān)聯(lián)上給予知識(shí)聯(lián)想和推薦，這對(duì)于一個(gè)深度報(bào)道、數(shù)據(jù)新聞和智庫(kù)咨詢的策劃是更具有價(jià)值的。比如針對(duì)霧霾的報(bào)道，如果能夠超出霧霾本身，挖掘分析霧霾關(guān)聯(lián)的中國(guó)能源消耗結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和布局，以及拓展到歷年國(guó)內(nèi)各項(xiàng)宏觀調(diào)控政策的影響甚至到海外能源期貨大宗市場(chǎng)交易情況等，將會(huì)大大提升這類報(bào)道內(nèi)容挖掘分析的廣度和深度，提供其他簡(jiǎn)單同質(zhì)化報(bào)道所不具有的全面性和創(chuàng)新性，從而大大提升媒體報(bào)道產(chǎn)品的專業(yè)化水平和公眾影響力。

4.3 事件深度分析

利用媒體行業(yè)多維度標(biāo)簽體系，為海量新聞事件進(jìn)行多維度知識(shí)標(biāo)引，實(shí)現(xiàn)具有共指關(guān)系新聞內(nèi)容的專題聚合，基于知識(shí)驅(qū)動(dòng)進(jìn)行各種維度的深入分析，包括事件發(fā)生地點(diǎn)、發(fā)生時(shí)間、事件發(fā)生主體、事件相關(guān)主體、事件同源關(guān)系、事件因果關(guān)系、事件時(shí)空關(guān)系、事件首發(fā)媒體、事件涉及的相關(guān)政策法規(guī)，跟蹤事件發(fā)展過(guò)程中每天的子話題演變過(guò)程，并分析國(guó)內(nèi)外重要人物、重要媒體、重要機(jī)構(gòu)關(guān)于該事件所發(fā)表的觀點(diǎn)評(píng)述。

趨勢(shì)預(yù)測(cè)提供在未來(lái)可能發(fā)生的重點(diǎn)事件以及可能發(fā)生的概率。根據(jù)具體業(yè)務(wù)需求，可包括未來(lái)發(fā)生事件預(yù)測(cè)、關(guān)鍵詞熱度趨勢(shì)預(yù)測(cè)、敏感事件信息預(yù)測(cè)。未來(lái)發(fā)生事件預(yù)測(cè)顯示未來(lái)指定時(shí)間段內(nèi)可能發(fā)生的事件及相關(guān)信息和發(fā)生概率等；關(guān)鍵詞熱度趨勢(shì)顯示與該事件相關(guān)的關(guān)鍵詞在指定時(shí)間段內(nèi)的變化趨勢(shì)；敏感事件預(yù)測(cè)可提供在未來(lái)可能發(fā)生的敏感事件及相關(guān)信息；用戶可自定義時(shí)間段來(lái)對(duì)指定時(shí)間段內(nèi)的趨勢(shì)進(jìn)行預(yù)測(cè)。

4.4 機(jī)器閱讀

機(jī)器閱讀指用機(jī)器自動(dòng)化完成以前需要人來(lái)閱讀理解的過(guò)程。機(jī)器閱讀目前比較常見(jiàn)的任務(wù)形式是人工合成問(wèn)答、實(shí)體補(bǔ)全和備選答案預(yù)測(cè)。人工合成問(wèn)答是經(jīng)業(yè)務(wù)人員事先構(gòu)造好由若干簡(jiǎn)單事實(shí)形成的語(yǔ)料以及相對(duì)應(yīng)的問(wèn)題，由機(jī)器閱讀理解文章內(nèi)容并進(jìn)行一定的推理，從而得出正確答案；實(shí)體補(bǔ)全是在機(jī)器閱讀并理解語(yǔ)料后，對(duì)機(jī)器提出相關(guān)問(wèn)題，而問(wèn)題往往是文章中抽掉實(shí)體詞的句子，機(jī)器回答問(wèn)題的過(guò)程就是預(yù)測(cè)問(wèn)題句子中被抽掉的實(shí)體詞；備選答案預(yù)測(cè)是機(jī)器依據(jù)文章、文章的相應(yīng)問(wèn)題及候選答案，經(jīng)過(guò)理解和推理，在候選答案中預(yù)測(cè)出正確答案。通過(guò)建立標(biāo)準(zhǔn)化的實(shí)體標(biāo)簽，構(gòu)建知識(shí)圖譜和領(lǐng)域知識(shí)庫(kù)，能夠較好地支持機(jī)器閱讀上述相關(guān)功能的實(shí)現(xiàn)。

4.5 機(jī)器寫(xiě)作

機(jī)器寫(xiě)作是一種內(nèi)容生產(chǎn)的自動(dòng)化趨勢(shì)，即基于算法的內(nèi)容生產(chǎn)和編輯的過(guò)程。計(jì)算機(jī)可根據(jù)給定的特定主題，基于特定的算法在已有的備選材料庫(kù)中選擇待組合的內(nèi)容，通過(guò)獲取數(shù)據(jù)、分析數(shù)據(jù)、提煉觀點(diǎn)后以某種特定的格式自動(dòng)生成內(nèi)容。

在上述獲取數(shù)據(jù)和分析數(shù)據(jù)階段，知識(shí)庫(kù)可以提供機(jī)器獲取到的特定主題相關(guān)的數(shù)據(jù)以及資料中所提及的與知識(shí)庫(kù)中的知識(shí)條目相關(guān)的內(nèi)容信息，用于支撐機(jī)器寫(xiě)作過(guò)程中的前期數(shù)據(jù)支撐，同時(shí)，能夠基于已知的歷史知識(shí)對(duì)其寫(xiě)作結(jié)果內(nèi)容進(jìn)行豐富。在提煉觀點(diǎn)的過(guò)程中，知識(shí)庫(kù)的知識(shí)條目標(biāo)簽還可以為觀點(diǎn)提煉提供基礎(chǔ)數(shù)據(jù)支撐，提高對(duì)數(shù)據(jù)中重要觀點(diǎn)的提煉效果。