多粒度知识问题的分析介绍

5.1.3　多粒度知识问题

知识管理的粒度指的是知识组织和检索过程中，基本知识单元的范围大小以及描述程度的粗细。在知识粒度划分方面，本体知识管理面临着两难的局面:一方面以本体实例和三元组这些本体基本元素作为知识单元，显得粒度太细，会产生语义缺失等问题;另一方面，如果以本体库或者本体文档作为知识单元，又显得粒度太粗而且缺乏知识揭示、演化、管理与利用的灵活性。因而目前迫切需要一种粒度适中的知识单元作为知识管理的基础。

基于RDF/OWL本体知识管理的基本知识单元，主要是本体实例、本体三元组，它们的粒度都比较小。这种细粒度的揭示与管理方法尽管能够满足局部知识，以及细节知识组织与检索的需要，但是对于全局性语义单元或者宏观语义知识块来说，往往由于不能通过一个实例或者一个三元组完整的描述全部语义而会导致语义缺失现象。

另一方面，从本体推理的角度讲，也需要相对粗粒度的推理机制。本体推理的本质是根据领域背景知识，通过定义推理规则，推理出隐含知识的过程。但是目前支持这种推理的本体推理机只能针对实例和三元组进行推理，推理的结果是生成新的本体实例和新的三元组。在这样一种推理机制下，其推理结果往往都属于局部知识和细节知识的范畴，并不能够满足对于全局性语义单元或者宏观语义知识进行推理的要求。(www.xing528.com)

划分知识单元除了以语义作为标准之外，也可以通过某种语用标准来进行。这在知识隐私权限管理、知识发布管理中表现得比较明显。知识隐私权限管理是指根据用户的级别的不同而分配不同的访问权限，特定类型的知识只分配给拥有特定访问权限的用户。知识发布管理也是类似的，权威机构发布的知识和普通媒体发布的知识应该有所区别，用户可以根据具体使用的需要来进行取舍。这种划分并非完全按照语义标准，也可按照用户使用知识的情景(situation)来划分，知识单元内部并不要求有强烈的语义关联。特别是领域知识，利用本体对动态知识和相对知识的管理非常困难，其本质原因之一在于本体本身并不提供多粒度的知识揭示与管理机制，从而导致它在语义或语用上无法适应相对粗粒度的知识管理需求。

综上所述，这些问题产生的主要原因有两点:第一，本体是以描述逻辑为基础的，它是一种开发性假设框架;第二，通过本体描述的知识粒度太细，这使粗粒度知识管理产生了困难。基于以上原因，作者提出了本体分子理论，通过本体分子解决动态知识和相对知识的知识组织问题，研究本体分子在知识管理过程中的本体演化的动态变化过程，解决动态知识的管理和控制。这些问题的解决，有助于更好地完善和健全的知识管理机制，进一步提高服务质量和水平。