胡慕海，王 蕊，夏火松

（武漢紡織大學(xué) 管理學(xué)院，湖北 武漢430200）

“互聯(lián)網(wǎng)+”時(shí)代，知識(shí)融合已成為大數(shù)據(jù)環(huán)境下知識(shí)服務(wù)和創(chuàng)新的支撐點(diǎn)（王曰芬[1]）。大數(shù)據(jù)背景下的知識(shí)融合，概念上的共識(shí)是：融合過程是以特定問題和知識(shí)需求為導(dǎo)向，在海量多源異構(gòu)的數(shù)據(jù)中全面準(zhǔn)確定位并融合各種知識(shí)對象及其載體，最終產(chǎn)出滿足用戶需求和解決應(yīng)用問題的新知識(shí)。用戶的科學(xué)問題求解過程對應(yīng)著科研進(jìn)程中一系列知識(shí)需求的產(chǎn)生、響應(yīng)和滿足?？蒲羞M(jìn)程中的知識(shí)需求會(huì)沿著進(jìn)程時(shí)間維，階段性的發(fā)生核心需求的變化，當(dāng)前時(shí)段內(nèi)的核心需求會(huì)演化成下一時(shí)段內(nèi)的不同核心需求；并且隨著科研的繼續(xù)，會(huì)持續(xù)產(chǎn)生新的需求演化，直至科研結(jié)束。

整合應(yīng)用這種在科研進(jìn)程中沿時(shí)間軸不斷演化的核心知識(shí)需求能提升知識(shí)融合的效用。這是因?yàn)椋盒枨蟮难莼軌蛱峁┢ヅ銩、B 兩個(gè)需求的知識(shí)對象間在問題求解進(jìn)程中的時(shí)序關(guān)聯(lián)（對于求解當(dāng)前科研問題，對知識(shí)對象b 的需求是在對知識(shí)對象a 的需求產(chǎn)生之后再產(chǎn)生）和專業(yè)關(guān)聯(lián)（面對當(dāng)前科研問題的求解，同時(shí)需要知識(shí)對象a、b），依據(jù)這種知識(shí)對象的關(guān)聯(lián)，可以在全局知識(shí)中發(fā)現(xiàn)更多潛在有利于問題求解的知識(shí)對象，也可以作為判定用戶實(shí)時(shí)的、和預(yù)測未來可能需求的依據(jù)，基于這一應(yīng)用思路，可以創(chuàng)新知識(shí)融合機(jī)制，使得融合產(chǎn)生的新知識(shí)對于當(dāng)前研究問題的求解更具有可用性，能更好滿足用戶當(dāng)下的和未來可能的知識(shí)需求。

一、文獻(xiàn)綜述

目前已有的知識(shí)融合研究，一種研究視角是知識(shí)單元間自發(fā)的主動(dòng)式融合，這種融合運(yùn)算的規(guī)模較大，主要關(guān)注知識(shí)的高效高質(zhì)量的管理，并不以特定用戶知識(shí)需求的滿足為目標(biāo)。另一種研究視角是以用戶知識(shí)需求作為調(diào)節(jié)、控制機(jī)制，驅(qū)動(dòng)知識(shí)融合。在知識(shí)科學(xué)視角下，主要關(guān)注融合對象動(dòng)態(tài)演化視角下的知識(shí)融合研究。Preece[2]在KRAFT 系統(tǒng)中提出隨規(guī)模增長重組KRAFT 網(wǎng)絡(luò)的方法。Scherl[3]提出感知?jiǎng)討B(tài)情境的軍事知識(shí)融合機(jī)制。Liu[4]面向企業(yè)不斷演化的知識(shí)需求，構(gòu)建了動(dòng)態(tài)本體。Brahami[5]面向決策活動(dòng)的變化，提出知識(shí)地圖融合方法。近年來，唐曉波[6]、邱均平[7]、李廣建[8]開始關(guān)注大數(shù)據(jù)演化性對知識(shí)融合的影響，指出需要根據(jù)數(shù)據(jù)源的變化，調(diào)整融合機(jī)制。Wu[9]利用知識(shí)圖譜研究動(dòng)態(tài)演化的碎片化知識(shí)的建模問題。在基于關(guān)聯(lián)數(shù)據(jù)的知識(shí)融合研究中，高勁松[10]通過用戶反饋來調(diào)整融合算法。孫濟(jì)慶[11]構(gòu)建了匹配不同研究時(shí)段核心需求的多個(gè)簇狀知識(shí)空間。

總體而言，（1）大數(shù)據(jù)背景下，知識(shí)融合研究大部分是以碎片化知識(shí)為融合對象，進(jìn)行碎片化知識(shí)建模或融合形成全局知識(shí)的研究，融合過程不以用戶需求和問題求解為導(dǎo)向，直接在現(xiàn)有知識(shí)基礎(chǔ)上調(diào)整知識(shí)對象的概念化約束條件；（2）融合過程中一些規(guī)則、約束、本體等，在不同的運(yùn)算環(huán)境下，也以一種動(dòng)態(tài)調(diào)整的方式發(fā)揮作用；（3）目前用戶需求的演化特性在知識(shí)融合研究中有所欠缺，大部分研究還是將需求視為靜態(tài)的、斷點(diǎn)式的；制定融合規(guī)則的依據(jù)不夠完備，規(guī)則有片面性，局限性，導(dǎo)致潛在有用的知識(shí)對象的缺失，也不利于發(fā)現(xiàn)用戶隱性的知識(shí)需求，最終影響知識(shí)融合的效用。（4）一些研究提出要基于評價(jià)反饋等用戶數(shù)據(jù)來改進(jìn)、優(yōu)化融合機(jī)制，具有前瞻性；但目前缺乏大數(shù)據(jù)視角下系統(tǒng)性的知識(shí)融合服務(wù)理論、機(jī)制研究。因此有必要系統(tǒng)性研究大數(shù)據(jù)環(huán)境下科研進(jìn)程中用戶需求演化全景感知的知識(shí)融合問題，首要工作是構(gòu)建科研需求全景感知的知識(shí)融合模型，以提供后續(xù)研究的理論基礎(chǔ)和實(shí)踐途徑。

二、面向科研需求全景感知的知識(shí)融合服務(wù)訴求

面向科研需求全景感知的知識(shí)融合服務(wù)訴求表現(xiàn)在：

（1）知識(shí)融合服務(wù)能夠利用異構(gòu)多源用戶歷史數(shù)據(jù)，描述科研工作者科研進(jìn)程中至當(dāng)前時(shí)點(diǎn)的知識(shí)需求變化全景，為知識(shí)融合提供融合規(guī)則、約束條件等的制定、調(diào)整依據(jù)？

（2）知識(shí)融合服務(wù)能夠利用知識(shí)對象間的時(shí)序關(guān)聯(lián)、專業(yè)關(guān)聯(lián)入手，利用演化的需求，從全局知識(shí)空間中劃分出個(gè)人解知識(shí)空間？這是一種對個(gè)人問題求解而言，更加完備且規(guī)?？煽氐闹R(shí)體系，能涵蓋對于問題求解潛在有用的知識(shí)對象。

（3）知識(shí)融合服務(wù)能夠面向個(gè)人解知識(shí)空間的結(jié)構(gòu)特征，提出知識(shí)對象搜索和融合的機(jī)制? 從而使得產(chǎn)生的新知識(shí)對于專業(yè)問題的求解具備更多潛在可用性，并且可以滿足用戶當(dāng)下的，和未來可能的知識(shí)需求。

（4）知識(shí)融合服務(wù)能夠系統(tǒng)性利用大數(shù)據(jù)支撐用戶需求演化全景感知的知識(shí)融合全過程，能夠①跨平臺(tái)采集、整合異構(gòu)數(shù)據(jù)，增加了數(shù)據(jù)量和密度，并能記錄需求細(xì)微且完整的變化，利于需求變化的精細(xì)、全景描述；②數(shù)據(jù)流、在線學(xué)習(xí)等大數(shù)據(jù)分析技術(shù)能識(shí)別需求建模中的“概念漂移”，利于需求變化的精準(zhǔn)描述；③通過“數(shù)據(jù)密集型科學(xué)”范式、以及大數(shù)據(jù)驅(qū)動(dòng)的管理決策理論的指導(dǎo)，可以對需求間“泛在”聯(lián)系中隱性的需求進(jìn)行發(fā)掘和應(yīng)用，豐富融合規(guī)則的制定依據(jù)。

三、科研需求全景感知的知識(shí)融合模型

根據(jù)上文分析，我們提出科研需求全景感知的知識(shí)融合模型，如圖1。

圖1 知識(shí)融合模型

（一）科研進(jìn)程中知識(shí)需求演化的全景建模

將多源異構(gòu)的用戶歷史數(shù)據(jù)時(shí)序化，實(shí)證核心需求的演化特性；檢測出科研進(jìn)程中到當(dāng)前時(shí)點(diǎn)的所有知識(shí)需求改變的時(shí)點(diǎn)；將科研進(jìn)程分割為若干時(shí)段，獲取每個(gè)時(shí)段的核心需求；形成知識(shí)需求演化的全景模型。實(shí)現(xiàn)機(jī)制包括：基于用戶歷史數(shù)據(jù)，驗(yàn)證需求的演化現(xiàn)象，引入興趣波動(dòng)和衰減理論加以分析；鑒于數(shù)據(jù)稀疏性，引入超圖分割方法對用戶數(shù)據(jù)聚類，通過簇結(jié)構(gòu)變化識(shí)別需求變化時(shí)點(diǎn)序列；采用詞頻統(tǒng)計(jì)、共詞分析法等確定每個(gè)時(shí)段的核心需求，整合形成全景模型。

（二）個(gè)人解知識(shí)空間的建模

基于最新改變的核心知識(shí)需求的解知識(shí)空間基層構(gòu)建：以需求改變的最新時(shí)點(diǎn)后的核心知識(shí)需求，構(gòu)建融合規(guī)則，從全局知識(shí)空間中分割一個(gè)子空間，子空間涵蓋當(dāng)前可能最迫切需要的知識(shí)；實(shí)現(xiàn)機(jī)制包括：以最新需求變化時(shí)點(diǎn)后的核心需求形成需求實(shí)體，采用蟻群優(yōu)化算法，在全局知識(shí)圖譜中尋找一個(gè)最小子集，該子集和需求節(jié)點(diǎn)間的屬性匹配度最大。整合子集對象的節(jié)點(diǎn)和邊，形成個(gè)人解知識(shí)空間的基層。

實(shí)現(xiàn)跨時(shí)點(diǎn)知識(shí)關(guān)系的基層拓展：主要是依據(jù)跨需求變化時(shí)點(diǎn)的，不同核心需求間的匹配關(guān)系，確定分屬基層空間和補(bǔ)空間上的若干知識(shí)節(jié)點(diǎn)對（a，b），（a，b）表征知識(shí)對象在專業(yè)上的關(guān)聯(lián)性；采集a、b間的顯性關(guān)系，推理a、b 間的隱性關(guān)系，預(yù)測a、b 間的可能關(guān)系，通過全局知識(shí)圖譜更新，將預(yù)測存在的關(guān)系顯性化，這些關(guān)系對應(yīng)的知識(shí)對象，潛在能滿足用戶隱性需求；實(shí)現(xiàn)機(jī)制包括：基于跨需求變化時(shí)點(diǎn)不同核心需求的匹配，確定路徑始終點(diǎn)。首先，改進(jìn)隨機(jī)游走等路徑規(guī)劃算法，基于路徑經(jīng)過節(jié)點(diǎn)和未變化的需求實(shí)體對應(yīng)節(jié)點(diǎn)的關(guān)聯(lián)度差異，確定最優(yōu)路徑，完成顯性關(guān)系的采集；其次，引入基于邏輯的推理或圖推理方法，基于已有節(jié)點(diǎn)關(guān)系，推理隱性關(guān)系；然后，引入鏈接預(yù)測方法，如馬爾科夫鏈，基于已有網(wǎng)絡(luò)結(jié)構(gòu)預(yù)測節(jié)點(diǎn)間可能存在的關(guān)系，觸發(fā)全局知識(shí)圖譜的增量更新；最后，融合獲取的所有關(guān)系，完成基層拓展。

將上述知識(shí)節(jié)點(diǎn)關(guān)系和基層整合，形成和科研進(jìn)程時(shí)間序列一致的，由基層外拓的時(shí)序化多層空間。由基層向外，層次上知識(shí)對象的潛在需求迫切程度依次遞減。實(shí)現(xiàn)機(jī)制包括：(1)實(shí)時(shí)查詢的圖結(jié)構(gòu)建模。采用面向非結(jié)構(gòu)化文本的實(shí)體、屬性和關(guān)系抽取技術(shù)，構(gòu)建查詢圖。(2)查詢圖和圖譜子圖的匹配度。改進(jìn)已有的圖結(jié)構(gòu)相似度、語義相似度方法，經(jīng)過線性組合計(jì)算，構(gòu)建匹配度測度方法。(3)跨層搜索方法。根據(jù)知識(shí)插值和群體映射的局部性原理，優(yōu)化搜索范圍，對匹配度較高的子圖節(jié)點(diǎn)，將其關(guān)聯(lián)緊密的其他節(jié)點(diǎn)賦予更高的搜索優(yōu)先級；引入層次索引模式，按層次的時(shí)序關(guān)系，由內(nèi)到外，依次進(jìn)行層內(nèi)、層間搜索。(4)查詢結(jié)果跨層融合方法。對應(yīng)每個(gè)層內(nèi)和相鄰層間，匹配出若干組候選結(jié)果，每層產(chǎn)生一組，賦予本層的序號；每次融合只發(fā)生于時(shí)序上相鄰兩組間，從近時(shí)點(diǎn)對應(yīng)組中識(shí)別具有高匹配度的子圖a，確定需要補(bǔ)全的分支，到遠(yuǎn)時(shí)點(diǎn)對應(yīng)組的候選結(jié)果中找到和該分支匹配度高的子圖b，實(shí)現(xiàn)a、b 融合。

（三）個(gè)人解知識(shí)空間內(nèi)的知識(shí)搜索和融合

實(shí)時(shí)查詢圖建模：實(shí)時(shí)輸入的查詢實(shí)體可以是提問或檢索語，將用戶實(shí)時(shí)查詢的非結(jié)構(gòu)化文本轉(zhuǎn)換為圖結(jié)構(gòu)模型；

查詢圖和圖譜子圖的匹配度測度：應(yīng)用知識(shí)圖譜描述知識(shí)空間，通過結(jié)構(gòu)和語義匹配度的線性組合，計(jì)算查詢圖和圖譜子圖的匹配度；

時(shí)序化多層空間內(nèi)的跨層搜索：提出優(yōu)化搜索的方法，以跨層未發(fā)生改變的需求作為路徑選擇的“情境”，通過分析情境和備選路徑的關(guān)系強(qiáng)度確定最佳路徑，按層次的時(shí)序關(guān)系，由內(nèi)到外，依次進(jìn)行層內(nèi)、層間搜索，依序搜索有利于優(yōu)先搜索出迫切需要的知識(shí)，跨層搜索則使得搜索結(jié)果能滿足專業(yè)、隱性的需求；

面向子圖補(bǔ)全的查詢結(jié)果跨層融合：如果缺少查詢圖的完全匹配子圖（或匹配度不高），分屬不同層的匹配子圖要以提升融合結(jié)果的匹配度為目標(biāo)，在相鄰圖層間依序進(jìn)行融合，依序融合有利于優(yōu)先融合迫切需要的知識(shí)，跨層融合則使得融合結(jié)果能滿足專業(yè)、隱性的需求。

四、結(jié)論

本研究提出整合應(yīng)用科研進(jìn)程中動(dòng)態(tài)演化的用戶需求能提升知識(shí)融合的效用。構(gòu)建了能感知科研需求全景的知識(shí)融合模型，模型的產(chǎn)出是新知識(shí)，實(shí)現(xiàn)路徑包括三點(diǎn)：（1）建立知識(shí)節(jié)點(diǎn)在專業(yè)上的關(guān)聯(lián)，通過跨時(shí)點(diǎn)的不同核心需求間的匹配關(guān)系為依據(jù)，建立知識(shí)節(jié)點(diǎn)的關(guān)聯(lián)，使得融合產(chǎn)出的新知識(shí)滿足專業(yè)的知識(shí)需求；（2）確定解知識(shí)空間跨層路徑始、終點(diǎn)，從而發(fā)現(xiàn)跨層知識(shí)節(jié)點(diǎn)間的隱性和未知關(guān)系，以此滿足隱性的知識(shí)需求；（3）基于需求演化全景序列，進(jìn)行基層拓展，建立按知識(shí)的需求迫切程度形成時(shí)序化結(jié)構(gòu)特征的解知識(shí)空間，以滿足迫切的知識(shí)需求。

早期研究主要關(guān)注用戶靜態(tài)的、斷點(diǎn)式的需求在知識(shí)融合中的整合應(yīng)用問題，本研究的意義在于基于科研進(jìn)程中用戶需求演化全景特性整合應(yīng)用，支持知識(shí)融合，是一個(gè)新的研究視角。本研究提出的科研進(jìn)程中用戶需求全景感知的知識(shí)融合機(jī)制，為知識(shí)融合的拓展應(yīng)用、知識(shí)服務(wù)的創(chuàng)新設(shè)計(jì)提供新的視角和理論基礎(chǔ)，為知識(shí)融合的創(chuàng)新提供新的實(shí)施路徑和技術(shù)，為開發(fā)知識(shí)融合系統(tǒng)提出大數(shù)據(jù)技術(shù)方案，能高效滿足用戶在科研進(jìn)程中的專業(yè)、隱性，迫切需求，從而增強(qiáng)用戶的洞悉力和創(chuàng)造力，加快“轉(zhuǎn)識(shí)成智”。下一階段，將根據(jù)本研究構(gòu)建的理論模型，整合相關(guān)算法、平臺(tái)，檢驗(yàn)和優(yōu)化本研究成果。