目录

目录

1.什么是知识工程？

2.知识工程的理论基础是？

3.知识工程的研究内容是？

4.如何实施知识工程？

5.可以解决怎样的问题？

6.有哪些工具可以用于知识工程？

7.目前成功的案例是？

8.学习资源

最近有些想做人工智能的朋友，问了我一些和知识处理相关的问题，我来和大家解释一下知识工程相关的问题。

请看关于数据、信息、知识、智慧的关系。

数据：观察，收集为事实，信号和符号

信息：有意义，有目的且相关的数据。 它将回答疑问的问题

知识：提供框架，上下文信息，专家见解，甚至是直觉

智慧：智慧会增加价值，这需要我们称为判断力的心理功能

知识是一种可以指导人做事的、结构化的信息。

在1984年8月全国第五代计算机专家讨论会上，史忠植提出：“知识工程是研究知识信息处理的学科，提供开发智能系统的技术，是人工智能、数据库技术、数理逻辑、认知科学和心理学等学科交叉发展的结果”。

知识工程包括知识的获取、处理、表达、组织、存储、共享、重用，包括人与技术（计算机软硬件）的交互作用。

知识工程的重点研究方向是研究如何应用现代创新理论，充分关联信息和知识，最大限度地获取和重用知识，实现基于知识的创新。

知识工程的理论基础是TRIZ理论和本体论。

TRIZ（Theory of Inventive Problem Solving 发明问题解决理论）是由前苏联发明家阿利赫舒列尔(G. S. Altshuller)在1946年创立的， Altshuller也被尊称为TRIZ之父，TRIZ是基于知识的方法，也是系统化的方法。

TRIZ的架构如下

TRIZ的解题方式如下

TRIZ有40个创新原理,例如 分割原则、组合原则、拆出原则等等。

本体论（Ontology）试图解决这样的问题，对某一定义的知识进行统一的概念化，从自然内部、从客体与客体之间的联系中去寻找万物的本质，力图摆脱人在自然、客体中的作用和影响，努力构建一个客观世界的本体。构建本体关系库，将作为信息的各个术语彼此关联其阿里，形成信息链和信息网，系统化地组织与表达创新知识。包括术语(词汇)、关系和规则。例如：

常见本体关系包括同义关系，上下位关系、同位关系、组成关系、因果关系、问题关系和解决方案关系、动词修饰关系、名词修饰关系、

本体论让隔行不再隔山，因为本体关系可以关联世间万物，构建出超大的本体关系库，建立起各种可能路径的知识通道。

复杂产品的全生命周期内相关知识的产生（新知识获取）、表达（形式化）、组织（体系化）、共享（知识传递）、检索（已有知识获取）、应用（物化与创新）以及更新（过时知识的淘汰）等一系列技术问题，以及人与技术交互作用的体系问题。

产生知识：可利用自动知识挖掘工具；

处理知识：know-how，know-why，know-who；

表达知识：清晰、完整、准确地表达，以最佳形式表达，便于高效理解和掌握；

组织知识：建立彼此关联的本体关系，将知识串联成信息链和信息网；

共享知识：构建知识平台，实现知识的高度共享和快速传输；

检索知识：基于本体关系，高效查询和检索知识，获取已有知识；

应用知识：应用知识解决问题；

更新知识：定期淘汰过时知识，保持知识库的实效性和可用性。

定义知识模板，学习TRIZ+本体论，构建知识库，对企业对个人都适用的。

推荐Pro/Innovator   Pro/Innovator | Scientific.Net

知识工程主要应用于某些具体的流程或者操作。可以看成是人工智能在知识信息处理方面的发展，主要研究如何由计算机表示知识，进行问题的自动求解。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型。

知识图谱可以用于构建知识库，实现基于规则的推理。在知识工程领域主要也有两个方面的热点研究问题。其一是大规模本体和知识库的构建。如DBpeida和Yago都是通过从维基百科上获取知识从而构建大规模的知识图谱数据集；另外面向特定封闭领域(closed domain)的知识图谱构建在工业界应用比较广泛。另外一项研究课题是知识图谱上的推理问题研究。

微软亚洲研究院发布Microsoft Concept Graph知识图谱 和Microsoft Concept Tagging 模型，用于帮助机器更好地理解人类交流并且进行语义计算。Microsoft Concept Graph是一个大型的知识图谱系统。其包含的知识来自于数以亿计的网页和数年积累的搜索日志，可以为机器提供文本理解的常识性知识。

Google的Knowledge Graph项目，通过构建知识图谱，将内部信息资源唯一关联起来。Google也提供了Google Rich Snippets(Google富摘要)。搜索引擎在搜索结果的页面中会为每一篇搜索结果提供一个目标网页的摘要，以便用户判断是否是自己想搜索的页面。Google Rich Snippets抽取在用户HTML页面中以结构化形式存在的知识图谱数据，例如描述实体的属性的数据。目前这方面的标准有包括RDFa, Microdata和Schema.org等结构化数据标签。

 图片来源：知识图谱标准化白皮书 

图片来源：中医学专业知识服务系统

https://github.com/bettermorn/KGCourse  我在github上的一个知识图谱的项目仓库

知识图谱构建工具和代码速查表 · bettermorn/KGCourse Wiki · GitHub

知识图谱相关工具信息 · bettermorn/KGCourse Wiki · GitHub

protégé   本体编辑和本体开发工具，开源平台，遵守BSD协议

OpenKG.CN – 开放的中文知识图谱

《知识图谱标准化白皮书》正式发布

http://www.cesi.cn/images/editor/20190911/20190911095208624.pdf

欢迎留言，一起讨论知识工程和知识图谱构建。