知识工程的应用研究进展.docVIP

知识工程的应用研究进展 　　摘 要： 知识工程是源于专家系统建造而形成的一个研究领域，目前已经成为一个跨学科的综合学科。文章简要介绍了知识工程的概念和发展历程，重点分析了知识工程在工业工程、教育领域、新兴应用等多个领域的主要应用。提出其未来在安全认证及信任管理等方面的研究方向。 　　关键词： 知识工程； 知识发现； 知识管理； 应用 　　中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2013）10-10-03 　　0 引言 　　在1977年第五届国际人工智能联合会议上，美国斯坦福大学计算机系教授Feigenbaum作了关于“人工智能的艺术”（The Art of Artificial Intelligence）的讲演，提出“知识工程”这一名称，并指出“知识工程是应用人工智能的原理与方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当地运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题”[1]。 　　知识工程的发展大体经历了三个时期。 　　⑴ 实验性系统时期，从1965年至1974年。 　　1965年Feigenbaum教授与其他科学家合作，研制出DENDRAL专家系统。这是一种推断分子结构的计算机程序，该系统贮存有非常丰富的化学知识，它所解决问题的能力达到专家水平，甚至在某些方面超过同行专家的能力，其中包括它的设计者。DENDRAL系统标志着“专家系统”的诞生。 　　⑵ MYCIN时期，从1975年至1980年。 　　20世纪70年代中期MYCIN专家系统研制成功，这是一种用医学诊断与治疗感染性疾病的计算机程序“专家系统”。MYCIN专家系统是规范性计算机专家系统的代表，许多其他专家系统都是在MYCIN专家系统的基础上研制而成的。MYCIN系统不但具有较高的性能，而且具有解释功能和知识获取功能，可以用英语与用户对话，回答用户提出的问题，还可以在专家指导下学习医疗知识，该系统还使用了知识库的概念和不精确推理技术。MYCIN系统对计算机专家系统的理论和实践，都有较大的贡献。 　　⑶ 知识工程的“产品”在产业部门开始应用的时期，时间从1980年至今。 　　知识工程的研究，目前在美国开展得较为活跃和深入，特别是在斯坦福大学。 　　人工智能的研究表明，专家之所以成为专家，主要在于他们拥有大量的专门知识，特别是长时期从实践中总结和积累的经验技能知识。从知识工程的发展历史可以看出，知识工程是伴随“专家系统”的研究而产生的。实际上，知识工程的焦点就是知识。知识工程领域的主要研究方向包含知识获取、知识表示和推理方法等，其研究目标是挖掘和抽取人类知识，用一定的形式表现这些知识，使之成为计算机可操作的对象，从而使计算机具有人类的一定智能。 　　目前，知识工程已广泛应用于数据处理、诊断、监视、预测、规划、设计等方面，并取得了良好的效果。本文将综述近年来国内外知识工程的应用情况，并展望其前景。 　　1 基于知识发现的应用 　　知识发现（Knowledge Discovery， KD）是1989年提出的新兴、交叉、边缘学科领域。 　　知识发现的目的是向使用者屏蔽原始数据的繁琐细节，从原始数据中提炼出有意义的、简洁的知识，直接向使用者报告。知识发现是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。知识发现将信息变为知识，从数据资源中发现知识宝藏[2]。 　　知识发现的潜在应用十分广阔。从工业到农业，从天文到地理，从预测预报到决策支持，KD都发挥着越来越重要的作用。许多计算机软件开发商都已经推出了其数据挖掘产品，如IBM、Microsoft、SPSS、SGI、SLPInfoware、SAS（Object Business）等。它们被广泛应用于商业、农业、医学生物、金融保险、通讯、国防等多个方面。 　　基于知识发现的专家系统（ESKD）成功运行于农业、铝电解；基于知识发现的智能决策支持系统（IDSSKD）成功运行于国际电子商务中心（北京）的外贸加工业务中。 　　我国著名知识工程专家杨炳儒教授构建了由理论基础、4条机制（理论支柱）、8个新过程模型、17种新技术方法组成的，多层递阶、综合集成的，基于内在认知机理的知识发现理论体系KDTICM。 　　KDTICM及其衍生的新型智能系统成功地应用于蛋白质结构预测、农业、现代远程教育网、气象、国际商务、铝电解生产、税务、数字资源整合等八个领域，有效地验证了KDTICM，并解决了一批领域中的典型问题。尤其体现在解决生物信息学领域国际性难题的重要核心作用——取得蛋白质2级结构预测精度的国际领先地位[3]。 　　2 知识工程在工业工程中的典型应用 　　2.1 在工业设计中的应用 　　工业