面向知识服务的知识组织过程研究，本文主要内容关键词为：知识论文,过程论文,组织论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言 随着社会不断进步和信息技术的飞速发展，信息爆炸式增长与知识日益匮乏之间的矛盾日益突出，传统的知识组织模式已经无法满足社会对知识的需求，其中核心问题是有效地解答用户的问题，而解答问题的过程就是传统知识组织优化和完善的过程，因此，如何设计一套为用户提供问题解答服务的知识组织过程是摆在我们面前的主要问题。传统的知识组织的过程以数据、信息和文献为切入点，借助知识组织工具对采集到的数据、信息、文献进行知识提取，只能向用户推送问题解答的物理解，不能有效地解决用户的问题。本文正是以有效解决用户问题为目标，在面向用户需求的基础上，通过用户知识需求分析、欲组织资源的分析、知识与资源的映射、知识组织结构设计、再生知识的产生、知识组织实现等一系列知识组织过程，使数据、信息、文献等相互映射和语义关联，使数据、信息、文献等上升为能够实现知识服务的知识组织。 2 国内外文献述评 “知识组织”始见于1929年美国图书馆学家布利斯的专著，并在图书馆学、情报学的分类系统和叙词表研究基础上发展起来，是信息组织的最高形式，其核心是知识序化，知识组织是揭示知识单元（包括显性知识因子和隐性知识因子）、挖掘知识关联的过程或行为，目的是最为快捷地为用户提供需要的知识或信息。刘洪波[1]认为知识组织主要包括知识生产、知识组织、知识交流和知识利用四个环节，通过这些知识组织过程实现知识的社会化。王知津等[2]认为知识组织是一个复杂的、系统的智力过程，明确这个过程中共同范围、网络性、专指性等主要概念和要素，并构建一个简单的知识组织概念模型。薛春香等[3]分析网络环境下知识组织系统的由来和主要特点，剖析了知识组织系统的元数据和术语描述模型，为了更好地引导知识组织系统建设，构建了从功能、内容和结构三方面的知识组织系统评价指标体系。毕强等[4]探讨语义网格环境下数字图书馆知识组织的目标、内容、知识组织方法和知识组织过程，通过知识发现、知识获取、知识推理等一系列过程完成知识组织的过程。李贺等[5]提出知识构建对知识服务过程中的知识获取、知识组织和知识开发等环节的优化思路。贺德方[6]从知识组织体系的构建和应用角度总结出用户参与和用户使用优先是知识组织的趋势。马费成等[7]针对网络信息资源集成中的困难提出基于关联数据的网络信息资源集成框架。滕广青等[8]对知识组织体系演变过程进行分析，呈现不断柔化和复杂化，认为知识组织体系应该向知识链接与知识关联、数据挖掘以及用户研究方面发展。 Budin[9]总结KOS的功能主要包括组织和保存大量文献内容的工具、信息系统的组成部分、支持基于概念查询标准的目标信息检索、查询可视化导航和查询语言、支持沟通的工具、机构知识管理的工具、学习和目标支持等。Zeng[10]认为KOS可为一个领域内语义结构建模，并为标签、定义、关系和性质提供语义、导航和翻译，嵌入到网络中帮助用户发现和检索知识。 Mai[11]从认知视角全面分析了人的信息行为对设计受控词汇的影响，将用户来源和价值观作为一个维度进行分析，研究中结合用户需求来描述和组织知识。Pastor-Sanchez[12]将SKOS与其他的词典、叙词表表现方式进行比较，并建议从用户视角来管理、检索等操作，而且提出从用户需求角度研究SKOS。Smith等[13]学者通过使用传统的知识组织系统原理和其他语义工具，构建了特殊领域的高度结构化知识组织模型，通过知识基础和可视化工具表示科学概念的知识。Bonome María G[14]从复杂系统视角分析知识组织系统，认为知识组织系统的新任务是面对复杂多变外界环境和可能发生的各种问题，通过知识组织为决策者提供可能的解决办法。Souza Renato Rocha等[15]提出一个全新集成的框架对知识组织系统进行分类，并把大量素材作为知识组织系统分类的新基础。 王曰芬等[16]研究了面向个性化服务的知识组织机制，将用户需求和用户隐性知识纳入其中，形成了知识源、知识获取、知识表示、知识重组、知识集成以及个性化服务等知识组织的过程。王兰成等[17]在对文献型异构数字信息群知识组织的需求分析基础上，提出知识定义、元数据管理、知识挖掘和知识存储组成的知识组织框架功能，并按照功能分为知识表示层、知识发现层和知识存储层。 夏立新等[18]从行为学角度研究政务门户知识组织，将个性化信息服务平台和知识服务平台进行集成，形成用户层、服务层、系统层、数据层四层结构，实现将杂乱、无序、异构的信息资源经过知识发掘、知识收集、知识表示、知识转移等处理后，形成知识仓库，最终实现知识共享。董慧等[19]提出将本体分子应用于数字图书馆领域，建立一个以本体、本体分子为核心的数字图书馆知识组织四层模型，分析动态知识组织层的实现机制，较好地解决核子、离子和本体分子等知识组织问题。姜永常[20]针对CNKI数字图书馆，探讨其依托的信息资源基础和知识管理系统平台，阐述CNKI数字图书馆知识服务的内在机理和外在机制，并探索为不同行业提供相应的知识服务的应用解决方案。 通过以上分析可以看出，国内外学者从知识组织概念和描述、知识组织系统以及知识组织机制等方面进行大量研究，并从用户、行为等不同视角和不同知识组织方法探讨知识组织系统，形成一些知识获取、知识挖掘、知识存储等通用的知识组织过程，这些知识组织过程主要进行宏观探讨，每个知识组织过程有待进一步细化，所以难以指导知识组织过程的实施。虽有考虑用户需求的知识组织过程，但没有以知识组织过程为核心进行系统视角下的规划和设计，导致通过知识组织过程难以实现解决问题的预期目标。因此，本文以解决用户问题为目标，在面向用户需求的基础上，通过数据、信息、文献等相互映射和语义关联，使数据、信息、文献等上升为能够实现知识服务的知识组织；在充分融入用户需求基础上，从系统角度顶层设计知识组织过程，同时对每一知识组织过程内部和过程之间进行详细描述和约定，形成一套能有效指导知识组织的过程。 3 知识组织过程总体架构 知识组织是为了满足不同阶段知识服务要求的一个循序渐进的过程。完整的知识服务过程需要实现知识资源采集、相关知识资源的选择和整理、知识资源的分类、标引和加工、知识组织结构设计与知识关联[21]，通过推理、提炼再生知识，知识检索，可视化展示服务于用户等一系列过程。这些过程是全程以满足用户知识的需求为基础，并以提供用户满意的解答为目的来规划和架构知识组织过程，在知识组织环境下，针对目前日益膨胀的海量信息，知识组织各个环节既要从纵向上确保前后环节协同合作，又要从横向上使单个环节能完成预期任务，具有较强可操作性，并结合行业或者领域实际情况优化知识组织过程，形成如图1的知识组织过程的框架。
由图1可见，知识组织过程是在用户需求驱动下，进行欲组织的知识资源采集、清洗和选择，以形成待组织和处理的知识资源；通过知识组织工具对知识资源进行分类、标引和有关加工，使知识资源具有某些主题、类别或其他鲜明知识特征；再通过知识的关联与映射处理，并根据知识表现的特点和服务需要构建知识组织结构（如知识库、语义数据库、知识仓库等）；最后，借助各类检索和可视化技术（如常规检索、语义检索、智能推理检索）等以多种形式将知识服务呈现给用户。另外，在知识的处理过程中，知识组织环境和用户需求贯穿全程，经过深度的挖掘和知识关联形成的再生知识也是知识组织系统新的来源。 4 知识组织过程设计 在知识组织过程的总体架构下，通过对欲组织知识资源和每个知识组织环节不断细化和具体化，以确保首先高质量完成本环节的任务，为下游知识组织环节奠定良好的基础，为用户问题解答提供坚实保障。 4.1 欲组织知识资源 欲组织资源是指根据系统知识服务的需求，将经过采集、清洗、选择、整理以后汇集的知识资源。欲组织资源既要提供涵盖解决用户问题直接所需或潜在的各类广泛资源，又必须考虑针对用户的需求，提高知识服务效率，明确所需资源的特点、来源以及构成。所以，作为知识服务的基本资源，应当能够为解决用户问题提供全面知识资源支撑，同样为效率考虑，也需要纯洁知识资源，避免垃圾信息、杂乱信息污染知识资源。 4.1.1 欲组织资源界定和来源 欲组织资源主要特指信息资源，虽国内外学者对信息资源没有一个统一概念界定[22]，本文的信息资源主要指经过人类选取、组织、序化的有用的信息，本文所讨论的资源主要指信息资源。信息资源具有目的性、动态变化性、涉及领域广泛性、存在形式多样化、分布域广等特点。这些特点为资源的采集、清洗、选择增添了难度，尤其是知识与知识的关联，形成解决问题的知识整体等，需要根据信息资源的特点，对其进行必要的清洗。 通常知识组织来源既取自于专业数据库，也包括许多自建数据库；既有专门从事资源建设的网站，也包括博客和微博这类个体信息源；既包括印刷型的图书、期刊、报纸、广告等媒体信息，也包括电视、电影、电台等多媒体信息。总之，只要是对知识服务有价值的资源都可以作为欲组织知识资源，但在资源的清洗、选择和真伪鉴别上采取的手段和程度不一样。一般而言，包括科学数据支撑的资源、专业学术资源建设中心所建资源、经济和社会统计数据来源以及经济数据和财政数据等，例如国家科技文献中心、中国知网、万方数据等提供的文献资源。 4.1.2 欲组织资源的构成 欲组织资源的构成不仅是待组织资源本身，还应该涵盖资源的采集、传输、处理以及展现等支持解决用户问题的所有环节。因此，其构成包括：数据资源、工具资源、标准和规范以及方法和工具等资源类型，这些资源可以以文字、字符、视频、图片等多种形式体现。数据资源主要以文献数据、事实数据、专业领域数据、知识单元数据以及用户使用行为数据等形式体现；工具资源主要包括基础知识与知识架构类、知识关系建立类、知识处理及展现类三个方面；标准和规范等资源主要包括编码和分类标准、行业标准、行业规范等。 欲组织资源来源和构成是知识组织的基础，也是实现知识服务的基本保证。因此，需要针对用户需求对欲组织资源进行甄别，定位支持解决用户问题的欲组织资源，为知识获取和资源关联提供向导，为知识资源的组织奠定基础。 4.1.3 资源获取与清洗 资源获取与清洗的主要任务是根据用户需求对欲组织的目标资源进行采集、检测、修正、抽取等过程初步检测和消除噪音数据，合并同类数据[23]，剔除重复记录数据和不可用的数据资源，形成粗粒度的数据清洗框架，有效提高数据的质量，为知识组织提供可靠资源支撑。资源获取与清洗主要包括数据采集和准备、检测、清洗以及修正等步骤，资源获取与清洗总体框架如图2所示。
资源获取与清洗分为获取准备、检测分析以及数据清洗三个层次，各层次之间形成不断完善和优化的循环回路。获取准备层是在对采集目标资源充分分析的基础上，明确噪音数据范畴，分析用户需求和外部环境，同时针对数据资源状况，选择恰当的知识组织工具，为采集资源做好充分准备。检测分析层对获取和采集的数据资源进行初步分析和检测，结合解决用户问题的要求，检测噪音数据，主要从数据的不可用、重复以及不完整等方面开展检测。其中，不可用数据主要是由于数据本身存在错误或者数据对解决问题没有帮助的数据；重复数据是指基本相同的数据，可能由于在格式、拼写上的差异，导致数据库管理系统不能区分；不完整数据是指信息的缺失，例如，资源责任者的缺失、数据的度量单位缺失等。数据清洗层根据检测分析层提供的资源质量报告[24]，选择适当的数据清洗策略对数据进行清洗，主要任务筛选数据，去除含有噪音的数据，合并重复数据，补充完善缺失数据。 4.2 知识、资源与用户需求的映射 经过采集、清洗、整理后的资源尚不能达到知识服务的各类要求，需要根据用户需求进行资源的知识标注，以实现资源与知识间的关联与映射。首先通过对信息资源和用户需求进行理解、获取和规范化表示，通过知识点分类、标引等方法和知识关联工具，分层次梳理资源，借助知识组织方法和工具构建知识和资源之间的映射，为知识推理提供铺垫。 4.2.1 资源规范化表示 资源规范化表示的主要目的是方便资源共享和利用，借助符号系统对资源进行统一规范化的表示，建立符号系统与资源的映射。在统一性、表达性、易用性等原则下，对不同层次、不同领域以及不同粒度大小的资源，按照统一的符号系统展现，并经过实践应用后形成资源规范化表示的符号系统。例如，将文献资源通过词语、句子、段落以及文献等不同层次依次规范化表示，如，借助中图分类法和叙词表表示文献资源按其标准进行学科分类和主题标引；再如，采用资源描述框架（RDF）对网页信息的标题、作者、修改日期、内容以及版权信息等进行描述。 4.2.2 知识表示 为了全面表示知识，方便资源进行对应和关联，不仅要通过符号系统表示知识的显示特征，还要借助处理规则表现知识的隐性特征，体现知识的智力行为。所以知识表示是对知识的一种描述，主要包括符号系统和处理规则两部分，其中处理规则的描述是知识表示的难点和重点。常用的知识表示方法有产生式表示法、结构化表示法、语义网络、框架表示法以及面向对象表示法等。例如，产生式表示法是在条件、因果等类型的判断中所采用的一种对知识进行表示的方法，在表示“如果病人体温大于38摄氏度且咳嗽，则他很有可能是感冒了”这类因果类知识时，可利用if“体温大于38摄氏度and咳嗽”，then“感冒”，其中if部分表示条件部，then部分表示结论部，整个部分就形成了一条规则知识。 4.2.3 用户需求规范化表示 提供高效的知识服务的前提和基础是对用户需求的规范化表示，通过用户需求规范化表示可以精准地获取用户的需求和问题，以提高服务的满意度。在用户需求规范化过程中，对于用户较复杂的问题，或无法直接解答的问题，可以采用分而治之方法，借助规范化表示方法和技术，将问题依次分解为若干子问题来规划求解过程。对不同层次问题的规范化表示，有助于寻找用户问题与知识和资源的关联，促进用户问题逐步解答。因此，合理的问题表示和规范有助于提高问题解决效率。 4.2.4 映射的构建 在知识、资源以及用户需求规范化表示的基础上，方便建立三者之间的相互关联，形成资源、知识和用户需求的映射，如图3所示。在资源与知识之间形成资源—知识映射，这些映射是静态映射，不仅包含从资源到知识的映射，还包括从知识到资源的映射。资源—知识映射主要任务是抽取和标识知识点，建立资源与知识点的关联等。
针对用户不同的需求，需要动态构建需求—资源和需求—知识的映射，首先要根据用户问题分别映射到资源和知识，为问题解决提供资源和知识支撑。例如，用户搜集“基于粒度原理设计知识组织体系”的需求，首先通过分析用户需求涉及数学和图书情报两个学科，主要包括粒度和知识组织体系两方面的主题，然后通过这些主题知识在相关的资源上查找粒度和知识组织相关文献资料，分别建立需求—资源和需求—知识的映射关系。 知识和资源与用户需求的映射主要目的是解决用户实际问题，在问题解决过程中，将需求—资源和需求—知识的映射看成粗粒度映射，随着问题的解决，需要对映射不断细化和分解，形成不同层次的不同粒度的映射，如图4所示资源、知识和用户需求映射分解框架。
用户需求映射到目标资源和知识是一种抽象的初步映射，主要是将需求与资源的集合相映射。我们将用户需求与目标资源之间的映射记作粗粒度映射RI，用户需求与知识之间的映射记作粗粒度映射RK。仅通过这些粗粒度映射无法为用户提供有效的解答，需要结合用户需求的实际，借助粒度划分将资源粗粒度映射细化，通过粒度划分1将粗粒度映射RI划分为细粒度映射RI1、细粒度映射RI2直到细粒度映射RIn。将知识细粒度映射细化，通过粒度划分2将粗粒度映射RK划分为细粒度映射RK1、细粒度映射RK2直到细粒度映射RKn。对应的目标资源、用户需求以及知识也进行粒度划分，将目标资源、用户需求、知识分别划分为知识1～n。通过这些划分逐步解决用户的问题，直到满足用户的需求。同时形成目标资源、知识与用户需求之间不同粒度的映射，不同层次用户需求、知识、资源建立多层次关联，为知识挖掘与推理提供灵活的知识来源，促进知识有序化。 4.3 知识组织结构设计 知识组织结构设计需以服务用户为目的，面对不同用户的不同问题的解答，有的可能只需要粗粒度知识，有的可能需要经过多领域和多层次的知识关联、交融、推理得到的复合型知识，还有的可能需要以积累的实验证据为基础而构成的细粒度知识。因此，一个统一粒度分类的、知识固化的知识组织结构难以满足用户的各类需求[25]。所以，为了有效解决知识组织各阶段对问题解决所需知识的要求，借助粒度原理将各类知识分为知识资源、知识单元、知识元三个同粒度层次，每个层次内部进行横向相互关联，层次之间进行纵向相互关联，形成网格化关联网络，根据用户需求动态组合后可获取所需不同粒度大小的知识，图5为知识组织粒度结构，首先将知识资源进行初步分类形成领域知识、用户背景知识、实例知识等，覆盖领域业务需求、用户个人需求、外部环境等多方面；其次在知识资源基础上，结合知识资源本身和用户需求将知识资源分解成多个相对独立又有关联的知识单元，每个知识单元包括领域知识类型、知识本身属性、与需求关联等，各知识单元之间相关关联，形成较细粒度的知识单元层；最后在知识单元层基础上细分后形成更细粒度的知识元层，每个知识元就是一个知识节点，包括知识需求、知识来源、知识背景、知识内容、知识使用对象等，各知识元之间通过用户需求和知识本身进行相关关联。在知识组织过程中，针对用户的要求明确可能涉及知识粒度结构中的粒度层，并进行分类采集、挖掘和推理，为用户问题的解答提供合理的知识结构层次。 4.4 再生知识的产生 再生知识的产生是知识组织过程中的“大脑”，就是借助知识单元、信息资源、数据间的关联，通过推理、融合、演绎、归纳，形成新的知识的过程。再生知识产生过程中遵循有效性、新颖性、潜在有用性以及最终可理解性等原则[26]。有效性是指发现的模式对于新的数据仍保持有一定的可信度；新颖性要求发现的模式是新的；潜在有用性是指发现的知识有实际效用，如用于决策支持系统里可提高经济或社会效益。总之，再生知识为解决用户问题提供有力支撑。
再生知识的产生主要通过知识挖掘和推理实现，针对用户需求、资源和知识表示，融合用户的需求和情景，以解决用户问题为主线展开知识挖掘和推理。在求解用户问题时，可从不同角度认识和分解问题，通过知识与资源映射，利用粒度分类、聚类、引用和关联等操作，寻求隐含知识中的潜在模式或规律，为问题求解提供可能的资源和知识。如果已经获取问题相关的资源和知识，可通过自适应调节机制在均匀、统一粒度下进行粒度知识聚类，针对用户的问题和情景，结合目标资源和知识实际的数据特征选择不同挖掘和推理方法，通过粒度知识之间关联和引用分析，形成一个动态优化学习过程。该过程从解决问题出发，对知识、资源以及用户问题进行关联、分析、挖掘和推理，并对产生的新知识进行检测和修正，最终形成针对用户问题解答的再生知识。再生知识产生过程如图6所示。
4.4.1 挖掘和推理方法选择 挖掘和推理方法选择主要针对用户的问题和目标资源的特征进行选择。常用的挖掘和推理方法有决策树法、分类算法、神经网络法、粗糙集、近邻推导、规则推导等多种方法，而每种方法都有不同的应用范围和优势，因此在解决各类子问题时，结合问题和目标资源特征，选择最适合的挖掘和推理方法解决子问题。例如，对于用户的问题，根据决策树法将整个问题逐级分解较小的问题，分类过程可以按照非均匀粒度标准进行，问题域为Q，则可以分为
等n个子问题，这n个子问题可以根据需要进行再细分，上一级是下一级的抽象，下一级是上一级的细化，自底向上逐级综合得到用户问题的解，对于每个子问题可以根据子问题实际情况来选择挖掘和推理方法。 4.4.2 关联分析 为了从资源、知识以及用户需求中发现事先不知的关联信息，挖掘隐藏在资源间的相互关系。关联分析是根据信息间已有的关联关系，并通过设定关联规则，构建新的关联信息网，并根据用户问题，在用户问题和资源之间建立宏观的联系。例如，在购物篮分析中，尿布和啤酒两种商品看似没有购物上的关联，但通过对购买商品过程中的购物关联分析，则得到尿布和啤酒的经常性的购买关联，这种关联关系的呈现，为重新组织货架提供了现实依据，所以，关联分析的目的也是为了更有效地组织知识。常用的关联分析方法有简单关联、时序关联以及因果关联等。 4.4.3 分类聚类 分类是描述不同资源或知识之间区别的特征，按照统一标准进行区分，一般通过规则和决策树模式表示。聚类对于粒度较小的资源和知识按照统一和均匀粒度方式进行聚类，并使得聚类知识与先验知识协调起来。常用的聚类方法有统计分析、机器学习和神经网络等。
知识聚合度表明了知识之间的相关程度，聚合度越高相关程度也就越大，因此可以设计聚合度阈值来筛选密切关联的知识，并借助分类和聚类方法在这些知识中进行深度挖掘。如果挖掘的结果不能满足要求，则可以调整聚合度阈值，重新筛选和挖掘，如此测试，使之达到满意的结果。分类和聚类的过程中同时也形成新的知识，产生的新知识需要进行再生知识的检测和修正处理。 4.4.4 再生知识检测和修正 在再生知识形成过程中，利用偏差检测等手段检测出分类和聚类中的反常实例、不满足规则的特例等情况，结合用户实际使用情况的反馈完善再生知识，并通过调整分类和聚类来修正再生知识，最后将修正后的再生知识直接放入知识库，作为知识组织的知识来源。 4.5 知识组织的实现 知识组织的目标是满足用户的知识需求，能提供对用户问题的满意解答。知识服务崇尚的可视化展现来自于知识组织的优良结构，信息的关联、数据的多维联系、知识的语义标注为知识的可视化以及知识服务奠定了基础。由于知识服务是面向不同文化程度和不同工作特征的用户，并为他们提供所需要的特定知识和服务，所以，以用户为中心的知识组织应具备面向用户需求和问题、适应个性化专业化服务、实现知识的增生等特点。 为了提高知识服务的准确性、完整性和灵活性，知识组织的实现采用面向服务的架构[27]（Service-Oriented Architecture，简写为SOA）设计知识组织实现过程。SOA的核心思想是面向服务，将知识服务分解为细小简单任务的单元，即微服务，这些微服务遵循独立自治、松散耦合以及复用率高等特征，知识组织的实现过程就是组配这些微服务实现最终的知识服务。与知识组织体系相对应，知识组织的实现过程也分成相应三层：信息资源、知识组织、微服务平台，图7给出了知识组织实现的基本过程。 信息资源是知识组织的给养平台，在信息资源中将用户的需求、目标资源按照知识元、知识单元以及源文献的结构方式组织和存放，其中用户需求库主要包括用户的行为和问题，目标资源不仅包括检索和标引用的叙词表、主题词表、术语表和分类表等传统知识组织工具，还包括文献数据、事实数据、专业领域数据等数据资源。 知识组织是实现知识服务的基础和核心，通过构建各类知识库存放知识、资源、用户需求及其映射，对传统知识组织体系保持原有的逻辑结构和术语表现形式，通过映射和关联形成知识资源库、语义库、知识地图、规则库以及方法库等，这些库内以及库之间相互关联形成静态知识网络，为知识服务提供有力支撑。 微服务平台是实现知识服务的有力保证，它结合SOA思想将解答用户问题的过程分解为若干个相对独立的微服务，通过组配提供个性化和专业化的知识服务。这些微服务分为可视化服务、知识生产服务以及微服务管理三类。可视化服务根据用户问题提供可视化输入服务接收用户的问题，同时将问题推送给知识生产服务进行解答，并将结果以可视化形式输出；知识生产服务主要针对用户提交的问题，通过对目标资源进行获取和清洗、关联和映射、挖掘和推理等处理过程后，在解决用户问题的同时产生再生知识；微服务管理主要根据用户需求进行微服务创建，在问题解答过程中集成和组配各类微服务确保解决用户的问题，为了保障微服务高效地完成任务，需要对微服务进行设置和更新等维护。
服务提供是通过微服务接口与各类用户进行交互，用户类型主要包括一般用户、专家和管理员三类，其中一般用户主要是提出问题和对问题解答的反馈，专家主要是熟悉一些领域或者行业的各类专家，为知识组织提供远程支持，管理员负责对知识组织整个过程进行管理和维护，提供对知识库新增、删除、更新和管理等功能。 5 结语 总之，面向知识服务的知识组织过程是以解决用户问题为目的，避免传统知识组织的不足，在面向用户需求的基础上，通过数据、信息、文献等相互映射和语义关联，使数据、信息、文献等上升为能够实现知识服务的知识组织；借助粒度原理描述知识的粒度，通过欲组织资源的分析，构建知识、资源与用户需求之间的映射，并在此基础上总体设计知识组织的结构，将知识通过分类和聚类形成知识元、知识单元、文献源等知识粒度结构模型，结合用户的问题和需求，通过选择适当的挖掘技术和推理方法形成再生知识；最后利用可视化技术实现知识的组织，为用户提供满意的问题解答，设计面向知识服务的知识组织过程为知识利用和共享提供有效途径，并最终促进数据知识化、知识有序化和知识服务化目标。
标签：层次聚类方法论文; 聚类分析论文; 语义分析论文; 关联分析论文; 数据清洗论文; 用户需求分析论文; 用户研究论文; 网络映射论文; 分类数据论文; 用户分析论文; 面向过程论文; 粒度论文;
