基于知识元的情报与决策知识融合方法

第1章 绪论 1.1 本书论题及意义 1.1.1 论题背景 人类社会生产生活中面临着大量的决策问题，大到国家政策方针制定，小到企业合作伙伴的选择等。随着人类社会和经济发展的加速，泛在网络、互联网+、大数据迅速发展，加强了人类社会、经济、自然和行为系统的关联整体性，给人类社会进步带来更多机遇的同时，各行各业面临的决策问题也变得愈加复杂。面对错综复杂的海量数据和信息，如何加强数据智能分析和精准融合，进行科学、高效、精准的应对决策，已成为新时代背景下迫切需要解决的问题。 在兼具不确定性、复杂性、多变性的经济社会环境中，情报信息能够帮助政府或企业及时了解其关注问题的发展态势和潜在的机会与危机，并辅助制订决策方案。虽然数据驱动的智能决策在大数据环境下具有良好的发展机遇，然而数据的爆炸式增长无法直接给决策带来优质的信息资源供给，反而使其容易陷入“信息过载”而“价值稀疏”的海量粗糙情报开发困境。面对大量不确定、不完备、模糊的以及夹杂冗余和噪声的数据和信息，决策者很难将这些多源异构的粗糙原始信息直接应用于管理决策。包昌火等（2004）认为基于智能分析和知识提炼过程的情报采集在一定程度上能够解决预分析需求增长的问题。随着大数据分析技术及知识处理工具的不断发展，虽然在一定程度上能够支持对海量信息的特征提取、语义分析、关联挖掘等研究，但是如何真正契合于决策问题的细粒度且兼具参考性、行动导向性的竞争情报及其知识需求，从多源数据中挖掘高价值的竞争情报仍是亟待解决的难题。 一方面，多源情报的粗糙性与多学科、跨领域性，以及单源情报片段的片面性与模糊随机、不确定性，为竞争情报的收集与分析带来挑战；另一方面，企业对战略竞争情报信息又呈现出多主体、跨行业竞争态势分析的动态性和综合性要求，以及对企业战略决策知识的智慧性和前瞻性等需求特征。由此，对企业战略竞争情报的多层次融合研究，即信息层面的粗糙数据有机集成、知识层面的共识认知整合，以及企业战略竞争情报业务层面的关联关系融合研究势在必行，融合的重要性、复杂性和集成性可见一斑。 同时，随着人工智能和互联网技术的发展，大数据时代增加了人类活动的透明性、感知的综合广泛性和行为的强关联性等，对政府综合管理能力以及更加贴近民众的深入精细的管理与服务的需求日益强烈，毫无疑问地正在增加着政府管理的复杂性，特别是自然灾害、经济生产、社会安全和卫生疾病等的管理决策充满复杂性和多样性，人们在决策时所面对的知识越来越复杂。由于学科细分和人类个体思维认知有限，知识载体的多人分布化，任何单一个人或组织机构都不能提供决策问题准确性和客观性的综合知识，必须融合不同组织、不同专业领域的经验、判断和智慧对决策问题进行全面和深入的认识，为决策判断提供综合知识服务和智力支持。然而，由于决策问题的复杂性、决策环境的不确定性以及人类认知判断的局限性与模糊性，决策专家或决策者在提供决策知识时存在不确定性，如模糊性、随机性等。此外，不同决策专家在其专业领域内的知识、经验的积累程度及地位等方面存在一定差异，其对决策问题的认知也会不同，进而造成决策知识可靠性不一致，甚至面对很多不确定信息无法考虑决策知识的可靠性。对此，如何在复杂不确定环境下准确度量决策专家可靠性，进而提升决策知识融合的合理性和可信度，是加强决策精准化、科学化需要解决的新挑战和难题。 当前社会瞬息万变，科学技术日新月异，人类社会已步入了大数据智能时代，人工智能等技术引领的技术变革正在重塑或改变社会组织管理思路与方式。面对日益复杂的经济社会发展形势，现有的情报和知识获取方式都不能真正满足企业的竞合决策、政府宏观管理及应急管理决策等复杂决策对情报和知识的迫切需求，需要在现有研究基础上对情报分析与决策知识融合在全面性和细致性上进行进一步深化，提升决策中情报和知识应用的效能与价值。 1.1.2 论题的界定 1. 相关概念 为了便于后续的描述，确保引申概念及内涵和外延的逻辑一致性，对所涉及主要概念做如下界定。 知识是人类对客观事物的概念及属性特征等的主观抽象，是关于万物实体与性质的知与识，是人类社会实践经验的固化和对客观事物认识的成果。 知识元（knowledge element，KE）是指不可再分割的具有完备知识表达的知识单位，包括概念知识元、事实知识元和数值型知识元等。由于事物的可分性和多样性，知识元的不可再分割和完备性都是相对的，相对于人们所关注的主客观事物域（也称论域），更宽泛地可以称其为范畴。为此这里认为知识元是关于客观事物对象的一个认知单元，具有在给定论域或范畴下的不可再分性和完备性。 基础知识元是知识元中关于客观事物类的基本概念和属性特征及其关系的一种抽象表述，包括事物是什么的知识元、事物行为的知识元等。后续如无特殊说明，所谈知识元均指基础知识元。 竞争情报是对战略分析与制定具有商业价值的情报获取和知识提炼过程，能够帮助企业及时感知竞争态势的变化和预判其演化规律、洞悉商业机会和潜在危机，并提供具有全局性、行动导向性、应变性的决策知识。 基于知识元模型，企业各类战略竞争情报均可建立细粒度的结构化描述，分别进行概念集、属性集和关系集的界定和刻画，即针对企业战略竞争情报描述对象构建其知识元，简称情报知识元。情报知识元为多主体、跨领域、跨行业的企业战略竞争情报描述对象及其关联关系的共性知识表示提供了基础。 情报元（intelligence element，IE）是对竞争情报描述对象的具体属性状态的刻画，就是按照对应的情报知识元结构进行信息重构以及相关特征要素的内容描述或状态赋值，即构建企业战略竞争情报描述对象的情报元。也就是说，情报元是将竞争情报描述对象按照所属知识元的结构进行属性的定量化或定性化描述，从而构建更高层次的概念和复杂的语义关系，为逻辑推理和情报隐含关联关系融合提供情报数据支持。 情报先验知识是基于企业战略竞争情报知识元体系构建的一系列情报主题特征要素的集合，其不仅包含了情报收集目标的对象主体的名称描述，甚至细化至主体的属性要素描述，是判别竞争情报是否具有收集与分析价值的主要依据。 情报片段是指根据情报先验知识，从数据源中收集到的原始信息组织单元，其呈现了情报内容未经加工的*初表现形式。其中不仅蕴含具有商业价值的竞争情报，也夹杂着众多冗余、噪声等干扰信息。 决策，从狭义上讲，就是决策者在有限时间内利用决策知识对多个备选方案进行判断，并选择出求解问题的满意或*优方案。 决策知识是人类认识了客观问题求解的知识空间（存储在书本、文献和人类头脑中的知识）与实际决策问题结合形成对决策问题的认知结果，主要表征为决策主体在决策情形下结合实际问题“活化”人类已经认识了的知识空间，借助知识模型对问题认知和判断结果进行显性表达。 2. 主要论题 论题一：如何对决策情报与知识进行综合诠释和知识表示，从而为复杂不确定环境下决策情报和知识融合分析提供基础支持？ 决策知识是解决决策问题的重要依据，而情报信息高效挖掘和分析是决策知识获取的先决条件。因此，如何给出情报和决策知识的共性知识描述，为竞争情报及决策知识的融合提供知识描述基础，从而为高效的多源竞争情报和决策知识的获取提供精准的先验知识；如何融合跨领域多主体的知识描述，从事物本原视角构建复杂决策所需的多主体、跨领域、跨组织的情报和决策的知识元，提供更加全面和完备的共性知识表示，完善情报和决策知识的客观描述以提升先验知识准确性，从而为深度分析和认知复杂决策问题提供日趋完备的知识基础；等等，这一系列研究问题亟待形成一种行之有效的方法和模型。 论题二：如何高效开展多源情报融合以克服其片面性与模糊不确定性，增强竞争情报的价值，从而为决策提供情报综合分析及智能辅助决策？ 海量粗糙异构的复杂数据中隐藏着重要情报信息，如何进行多源情报片段的预处理，消除信息结构的不一致性，去除冗余和噪声信息；如何对不同来源的情报片段进行信息解析与重构，解决情报碎片的内容整合难题，实现竞争情报的动态跟踪和综合竞争态势情报呈现，获得竞争情报知识元框架下可用性更强的情报元；进一步地，如何开展多源情报融合，通过多主体竞争情报的企业竞争角色关系融合、敏感竞争事件链追踪及关系融合以及决策关键特征的融合，帮助决策者进行隐含关联关系的深度分析；等等。这些问题对于竞争情报价值增值、提供更加准确的决策知识是十分必要且重要的，是一个值得深入研究的问题。 论题三：如何形成一种跨领域多主体决策知识精准融合的方法与技术，从而为复杂决策问题求解提供集聚群体智慧的综合知识服务和智力支持？ 面对现今社会经济和自然系统发展的综合复杂性，人类面对的决策问题涉及领域繁杂，需要融合多领域不同主体的决策知识进行综合研判。由于客观事物的复杂性和人类认知局限性，人们对事物的认知过程是一个渐进过程，面对复杂决策问题的不确定情景信息以及来自不同专业领域背景的决策主体知识不对等的现实约束，合理地描述具有模糊不确定的决策知识，成为决策知识融合的重要先决条件。同时，如何在复杂不确定环境下准确分析获取不同主体决策知识的可靠性或重要度，充分发挥人类在社会生产实践中的主观能动性，钝化甚至消除主观认知或客观分析与现实的矛盾，是保障决策知识准确融合的重要途径。更进一步，如何高效融合不同主体决策知识进行决策问题精准分析，为复杂决策问题科学求解提供智力支持？这些问题对于精准决策具有重要理论意义和现实价值，是需要解决的又一科学问题。 1.1.3 研究意义 基于以上分析，本书对复杂系统决策中情报融合与决策知识融合问题进行研究，紧密围绕提供综合情报和决策支持的目标，提出了相应的融合方法与模型，从而为决策者进行精准决策提供理论和方法支持，对提升决策科学性具有重要理论意义和现实意义。 1. 理论意义 本书以系统工程思路和知识科学理论为指导，综合运用知识工程、运筹学、管理科学、数学和信息科学等领域知识，进一步丰富和完善了复杂决策环境下竞争情报的知识提炼和智能分析以及不确定决策知识融合的理论与方法体系，为实现泛在网络、大数据环境下社会经济发展中的复杂系统决策问题的精准研判与分析提供参考和借鉴，在一定程度上丰富了管理与决策科学相关理论。 2. 现实意义 泛在网络、云计算、互联网+、大数据迅速提升了社会、经济、自然和行为系统的关联整体性，使得政府、企业管理决策考虑因素更加复杂，融合跨领域、多学科、不同主体的信息和知识进行精准研判是解决问题的重要基础。本书围绕复杂决策问题的情报与决策知识融合展开研究，其研究成果可用于指导相关决策人员进行科学决策，解决人类社会经济和政治等领域的实际决策问题，对降低决策风险，提高情报价值和知识可靠性，进而改善决策质量具有重要的应用价值和现实意义。 1.2 国内外研究现状 1.2.1 知识表示及知识元相关研究 随着人类社会发展与科技不断进步，政府、企业等组织逐渐向大数据、多元化发展，在该背景下决策问题所需的情报与知识错综复杂且具有多源异构等性质，只有借助知识模型对其进行有效采集、组织和利用，才能将决策所需的情报和知识快速准确地用于决策问题求解。对于知识模型，其*核心的部分是知识表示。知识表示是对知识的一种描述或一种约定，是知识形式化和符号化的过程。通常，知识表示方式应具有充分的表达能力，具有可推理、可理解性强及操作维护方便等性质。目前，各个领域中应用较多的知识表示方法主要有本体、语义网络、谓词逻辑、框架、知识元等。 1. 本体表示法 本体在知识工程、语义网络、人工智能等特定领域得到了广泛应用。目前，受到广泛认可的本体定义是由Studer等（1998）提出的，即本体论是共享概念模型的明确的形式化规范说明。本体具有语义性，能够丰富表达领域内本体类之间的关系；通过本体类与本体