GB/T 42131-2022 人工智能 知识图谱技术框架

　　ICS 35 . 020 CCS L 70

　　中 华 人 民 共 和 国 国 家 标 准

　　GB/T 42131—2022

　　人工智能 知识图谱技术框架

　　Artificial intelligence—Technical framework of knowledge graph

　　2022-12-30 发布 2023-07-01 实施

　　国家市场监督管理总局国家标准化管理委员会

　　

　　发

　　

　　布

　　GB/T 42131—2022

　　目 次

　　前言 Ⅲ

　　1 范围 1

　　2 规范性引用文件 1

　　3 术语和定义 1

　　4 缩略语 3

　　5 概述 3

　　5 . 1 知识图谱概念模型 3

　　5 . 2 知识图谱技术框架 4

　　6 知识图谱供应方 6

　　6 . 1 知识图谱供应方的输入 6

　　6 . 2 知识图谱供应方的输出 6

　　6 . 3 知识图谱供应方的主要活动 6

　　6 . 3 . 1 活动流程 6

　　6 . 3 . 2 知识表示 7

　　6 . 3 . 3 知识建模 9

　　6 . 3 . 4 知识获取 10

　　6 . 3 . 5 知识融合 13

　　6 . 3 . 6 知识存储 14

　　6 . 3 . 7 知识计算 16

　　6 . 3 . 8 知识溯源 17

　　6 . 3 . 9 知识演化 18

　　6 . 3 . 10 质量保障 19

　　7 知识图谱集成方 19

　　7 . 1 知识图谱集成方的输入 19

　　7 . 2 知识图谱集成方的输出 19

　　7 . 3 知识图谱应用系统主要构成 20

　　7 . 4 知识图谱集成方的主要活动 20

　　7 . 4 . 1 活动流程 20

　　7 . 4 . 2 需求分析 21

　　7 . 4 . 3 系统设计 22

　　7 . 4 . 4 知识图谱集成 23

　　7 . 4 . 5 知识图谱应用系统开发 24

　　7 . 4 . 6 系统维护 25

　　I

　　GB/T 42131—2022

　　7 . 4 . 7 质量保障 26

　　8 知识图谱用户 26

　　8 . 1 知识使用者 26

　　8 . 1 . 1 知识使用者的输入 26

　　8 . 1 . 2 知识使用者的输出 27

　　8 . 1 . 3 主要活动 27

　　8 . 2 知识维护者 27

　　8 . 2 . 1 知识维护者的输入 27

　　8 . 2 . 2 知识维护的输出 27

　　8 . 2 . 3 主要活动 27

　　8 . 3 知识提供者 27

　　8 . 3 . 1 知识提供者的输入 27

　　8 . 3 . 2 知识提供者的输出 27

　　8 . 3 . 3 主要活动 27

　　9 知识图谱生态合作伙伴 28

　　9 . 1 知识图谱生态合作伙伴的输入 28

　　9 . 2 知识图谱生态合作伙伴的输出 28

　　9 . 3 主要活动 28

　　附录 A (资料性) 知识图谱生态合作伙伴子角色说明 29

　　参考文献 30

　　Ⅱ

　　GB/T 42131—2022

　　前 言

　　本文件按照 GB/T 1 . 1—2020《标准化工作导则 第 1 部分:标准化文件的结构和起草规则》的规定起草 。

　　请注意本文件的某些内容可能涉及专利 。本文件的发布机构不承担识别专利的责任 。

　　本文件由全国信息技术标准化技术委员会(SAC/TC28)提出并归 口 。

　　本文件起草单位:中国电子技术标准化研究院 、江苏赛西科技发展有限公司 、深圳赛西信息技术有限公司 、清华大学 、成都数联铭品科技有限公司 、中电科大数据研究院有限公司 、沈阳东软智能医疗科技研究院有限公司 、北京华宇元典信息服务有限公司 、北京国双科技有限公司 、青岛百洋智能科技股份有限公司 、网智天元科技集团股份有限公司 、华为云计算有限公司 、北京百分点科技集团股份有限公司 、四川大学 、上海依图网络科技有限公司 、腾讯云计算(北京)有限责任公司 、天津大学 、中国医学科学院生物医学工程研究所 、同方知网数字出版技术股份有限公司 、北京车之家信息技术有限公司 、北京京航计算通讯研究所 、南华大学 、绿盟科技集团股份有限公司 、海信集团控股股份有限公司 、浙商银行股份有限公司 、北京海致星图科技有限公司 、之江实验室 、南京行者易智能交通科技有限公司 、山东省人工智能研究院 、东软集团股份有限公司 、山东亿云信息技术有限公司 、华为技术有限公司 、山东省计算中心(国家超级计算济南中心) 、电科云(北京)科技有限公司 、南京视察者智能科技有限公司 、中国电信股份有限公司研究院 、北京智通云联科技有限公司 、厦门邑通软件科技有限公司 、上海智能制造功能平台有限公司 、上海智能制造系统创新中心有限公司 、南京柯基数据科技有限公司 、南京航空航天大学 、中国电子科技集团公司第二十八研究所 、上海工程技术大学 、中电莱斯信息系统有限公司 、北京富通东方科技有限公司 、云从科技集团股份有限公司 、南瑞集团有限公司(国网电力科学研究院有限公司) 、杭州海康威视数字技术股份有限公司 、北京百度网讯科技有限公司 、中科软科技股份有限公司 、海乂知信息科技(南京)有限公司 、上海交通大学 、厦门盈趣科技股份有限公司 、厦门渊亭信息科技有限公司 、北京智谱华章科技有限公司 、富士康工业互联网股份有限公司 、广州广电运通金融电子股份有限公司 、北京电解智科技有限公司 、浙江柏视医疗科技有限公司 、如你所视(北京)科技有限公司 、云孚科技(北京)有限公司 、暗链科技 (深圳)有限公司 、中国电力科学研究院有限公司 、浙江创邻科技有限公司 、京东方科技集团股份有限公司 、中电科新型智慧城市研究院有限公司 、北京文因互联科技有限公司 、云南昆船设计研究院有限公司 、海尔优家智能科技(北京)有限公司 、达而观信息科技(上海)有限公司 、深圳市矽赫科技有限公司 、郑州南河星科技有限公司 、青岛海容商用冷链股份有限公司 、医渡云(北京)技术有限公司 。

　　本文件主要起草人:李瑞琪 、李佳 、韩丽 、郭楠 、贾仕齐 、韦莎 、李涓子 、王伟光 、查琳 、郭晓妮 、詹青 、杨帆 、贾承斌 、侯磊 、程 序 、李 琴 、邹 丽 华 、杨 斌 、陈 琦 、苏 海 波 、周 磊 、王 海 涛 、石 智 中 、白 洋 、蒲 江 波 、刘丁枭 、袁军 、刘永彬 、杨雷 、宋明艳 、谭培波 、高雪松 、陈嘉俊 、熊林海 、钟礼斌 、何舟 、李军 、尹青云 、陈通 、高永超 、陆保国 、谢泽宇 、张超 、刘煜 、柳军 、王飞 、王虎斌 、郑毅 、黄子珍 、陈徯 、刘安安 、王鑫 、张淯易 、舒明雷 、单珂 、周福辉 、方志军 、吴鹏亮 、钟臻哲 、宋勋超 、王洋 、陈建成 、洪万福 、张鹏 、严红 、孙佩霞 、胡芳槐 、吴文旷 、艾青 、石晓东 、赵耕弘 、高艳 、王秋月 、李瑞瑞 、陈光 、段飞虎 、王博宇 、颜子夜 、孙林 、曾俊瑀 、李爽 、陈佳林 、吴刚 、李军 、欧阳纯萍 、王芳杰 、聂为之 、赵春昊 、傅洛伊 、谈元鹏 、曲珊 、周研 、肖向春 、刘博 、李卫东 、李源 、张娟 、宋文韬 、张学琴 、苏婧仪 、李钊 、蔡巍 、李东海 、丁军 、吴刚 、王先庆 、张文斌 、徐佳吉 、姜伟浩 、姚博 、蔺静茹 、苏玉召 、马力 、刘海涛 、符海芳 、鲍捷 、张明英 、张浩男 、李笑如 、王启迪 、金耀辉 、姜伟浩 、王文广 、王艺杰 、孙伟 、张树刚 、洪鹏达 、万亚平 、蒋炜 、张楠 、郎俊奇 、焦飞 、马洪奎 、杨娟 、胡芳槐 、李论 、曹扬 、张晨 、李林峰 。

　　Ⅲ

　　GB/T 42131—2022

　　人工智能 知识图谱技术框架

　　1 范围

　　本文件给出了知识图谱的概念模型和技术框架 , 规定了知识图谱供应方 、知识图谱集成方 、知识图谱用户 、知识图谱生态合作伙伴的输入 、输出 、主要活动和质量一般性能等要求 。

　　本文件适用于知识图谱及其应用系统的构建 、应用 、实施与维护 。

　　2 规范性引用文件

　　本文件没有规范性引用文件 。

　　3 术语和定义

　　下列术语和定义适用于本文件 。

　　3.1

　　知识 knowledge

　　通过学习 、实践或探索所获得的认识 、判断或技能 。

　　[来源: GB/T 23703 . 2—2010 , 2 . 1] 3.2

　　实体 entity

　　独立存在的对象 。

　　3.3

　　实体类型 entity type

　　一组具有相同属性的实体集合的抽象 。

　　3.4

　　知识元素 knowledge element

　　描述某一事物或概念的不必再分且独立的知识单位 。

　　注 : 本文件中谈及的实体 、实体类型(概念) 、属性 、关系 、关系类型 、事件 、规则等统称为知识元素 。

　　3.5

　　联系 association

　　两个或多个对象间语义上的关联 。

　　[来源: ISO 13374-2:2007 , B. 2 . 2 . 4 , 有修改] 3.6

　　知识图谱 knowledge graph

　　以结构化形式描述的知识元素及其联系的集合 。

　　3.7

　　知识单元 knowledge unit

　　按照一定关系组织的一组知识元素的集合 。

　　1

　　GB/T 42131—2022

　　3.8

　　本体 ontology

　　表示实体类型以及实体类型之间关系 、实体类型属性类型及其之间关联的一种模型 。

　　注 : 又称本体模型 。

　　[来源: ISO/IEC 21838-1 :2021 , 3 . 14 , 有修改] 3.9

　　图式 schema

　　本体模型的规范化表达 。

　　[来源: GB/T 5271 . 28—2001 , 28 . 02 . 07 , 有修改]

　　3 . 10

　　属性 attribute

　　一类对象中所有成员公共的特征 。

　　[来源: GB/T 40216—2021 , 3 . 1 . 2]

　　3 . 1 1

　　关系 relation

　　实体 、实体类型 、实体组合或实体类型组合间的联系 。

　　注 : 关系可描述实体类型和实体类型 、实体类型和实体 、实体和实体之间的关联方式 。

　　3 . 12

　　事件 event

　　发生在某个特定时间点或时间段 、某个特定地域范围内 , 由一个或者多个角色参与的一个或者多个动作组成的事情或者状态的改变 。

　　注 : 可表示为具有时间属性的实体和关系的组合 。

　　3 . 13

　　实例 instance

　　某个实体类型或关系类型的具体范例 。

　　3 . 14

　　知识图谱供应方 knowledge graph supplier

　　使用数据 、知识等构建知识图谱以满足特定需求 , 并提供基于知识图谱的基础工具或服务的组织 。注 : 基础工具和服务指可基于其构建复杂的应用程序或系统的中间件 。

　　3 . 15

　　知识图谱集成方 knowledge graph integrator

　　根据知识应用需求 , 将知识图谱 、信息系统或服务进行整合 , 提供知识图谱应用系统及服务的组织 。

　　3 . 16

　　知识图谱用户 knowledge graph user

　　使用知识图谱应用系统及配套服务支持以满足自身需要的组织或个人 。

　　注 : 知识图谱用户可对外输出必要数据或知识 。

　　3 . 17

　　知识图谱生态系统合作伙伴 knowledge graph ecosystem partner

　　为知识图谱供应方 、集成方和用户提供知识图谱构建和应用所必需的信息基础设施 、数据 、工具 、方法 、标准和机制等的组织 。

　　3 . 18

　　知识表示 knowledge representation

　　利用机器能够识别和处理的符号和方法描述人类的知识的活动 。

　　2

　　GB/T 42131—2022

　　3 . 19

　　知识建模 knowledge modeling

　　构建知识图谱的本体及其形式化表达的活动 。

　　注 : 知识建模活动可包括实体类型定义 、关系定义及属性定义 。

　　3 . 20

　　知识获取 knowledge acquisition

　　从不同来源和结构的输入数据中提取知识的活动 。

　　注 : 知识获取的数据源通常按数据组织结构的维度可分为结构化数据 、半结构化数据 、非结构化数据(如纯文本 、音频和视频数据等) 。

　　3 . 21

　　知识融合 knowledge fusion

　　整合和集成知识单元(集) , 并形成拥有全局统一知识标识的知识图谱的活动 。

　　3 . 22

　　知识存储 knowledge storage

　　设计存储架构 , 并利用软硬件等基础设施对知识进行存储 、查询 、维护和管理的活动 。

　　注 : 常见的知识存储方式分为:基于关系数据库的存储方式 、基于图数据库的存储方式 、基于资源描述框架(RDF)数据库的存储方式等 。

　　3 . 23

　　知识计算 knowledge computing

　　基于已构建的知识图谱和算法 , 发现/获得隐含知识并对外提供知识服务能力的活动 。

　　注 : 知识计算可分为统计分析 、推理计算等 。知识的统计分析是对知识图谱蕴含知识结构及其特征的统计与归纳 ;

　　知识的推理计算是从已有的事实或关系推断出实现知识图谱隐性知识的发现与挖掘 。

　　3 . 24

　　知识溯源 knowledge provenance

　　在知识图谱全生存周期中追踪原始数据向知识转化的活动 。

　　3 . 25

　　知识演化 knowledge evolution

　　随本体模型 、数据资源等变化产生的新知识对原有知识的补充 、更新或重组的活动 。

　　注 : 通过知识计算得出的补全知识也可触发知识演化 。

　　4 缩略语

　　下列缩略语适用于本文件 。

　　API:应用程序编程接口(Application Programming IntErFacE)

　　RDF:资源描述框架(REsourcE DEscription FramEwork)

　　SDK:软件开发工具包(SoFtwarE DEVElopmEnt Kit)

　　5 概述

　　5 . 1 知识图谱概念模型

　　知识图谱的概念模型可划分为本体层和实例层 , 如图 1 所示 。其中 , 本体层由实体类型和其属性 、实体类型间关系类型 、规则等本体相关知识元素构成;实例层是对本体层的实例化 , 由实体类型对应的实体及其属性以及实体间关系等实体相关知识元素构成 。

　　3

　　GB/T 42131—2022

　　图 1 示出的知识图谱概念模式的主体是实体。 实体是真实对象的抽象 , 实体类型是某类实体的进一步抽象。 基于不同层次的抽象 , 图中的本体层与实例层是相对的。 构建某个知识领域的某个层次的特定知识图谱时 ,“实体”这个抽象称呼将使用所关注的特定对象的具体名称取代。 图中名为“ 属性”的两个方框是分别针对本体层的所有实体类型和实例层的所有实体。 本体层的属性是指对应实体类型的属性 , 各个属性是概括性描述;实例层的属性是指对应实体的属性 , 是某实体类型实例的属性的具体描述 。 同时 , 多个实体和关系的组合可以构成新的复杂实体 , 例如: 由时间 、人物 、地点等要素构成的事件 , 由不同模块构成的产品等。

　　图 1 知识图谱的概念模型

　　5 . 2 知识图谱技术框架

　　图 2 示出从构建到使用知识图谱涉及的各类利益相关方和各类技术活动的技术框架 , 技术活动包括:知识图谱的构建 、基于知识图谱的产品或服务的开发 、知识图谱的使用以及知识图谱开发和使用的支持等四类。

　　4

　　GB/T 42131—2022

　　图 2 知识图谱技术框架

　　图 2 示出的四类知识图谱相关活动简述如下。

　　a) 知识图谱的构建:此组活动主要包括知识表示 、知识建模 、知识获取等活动。 其主要 目标是构建出所需的知识图谱 , 同时开发出相应的基础工具和/或服务。 此组活动的主要依据是知识图谱应用需求和质量要求;往往需要行业知识 、业务数据 、辅助知识等予以支持。

　　b) 基于知识图谱的产品或服务开发:此组活动主要包括需求分析 、系统设计 、知识图谱集成等活动 。这些活动的执行基于上述 a)描述的活动构建的知识图谱和相应的知识图谱应用需求等完成知识图谱应用系统的开发和集成 , 并提供配套的产品或服务。

　　c) 知识图谱的使用:此组活动主要包括知识应用 、知识维护 、知识提供等活动。 这些活动的执行基于上述 b)描述的活动产生的知识图谱应用系统或服务。 通过这些活动完成知识的使用和维护 , 并对外提供必要的知识。

　　d) 知识图谱开发和使用的支持:此组活动主要包括基础设施提供 、数据提供 、安全保障 、咨询评估等 。它们对上述 a) 、b)和 c)描述的活动的执行提供必要支持 , 例如:提供辅助数据或知识 、支撑技术或服务等。

　　上述四类活动分别主要由以下四类参与者执行:

　　a) 知识图谱供应方:主要执行知识图谱的构建和提供活动 ;

　　b) 知识图谱集成方:主要执行基于知识图谱的工具或服务开发和集成活动 ;

　　c) 知识图谱用户:主要执行知识图谱的使用活动 ;

　　d) 知识图谱生态系统合作伙伴:主要执行知识图谱开发和使用的支持活动。每类参与者有其主要执行的活动 , 同时可能执行涉及四类活动中的多项活动。

　　5

　　GB/T 42131—2022

　　6 知识图谱供应方

　　6 . 1 知识图谱供应方的输入

　　知识图谱供应方的输入包括但不限于:

　　a) 知识图谱应用需求:知识图谱用户对应用知识图谱提出的要求 , 如业务需求 、应用约束 、数据现状等 ;

　　b) 知识图谱构建需求:知识图谱集成方对构建知识图谱提出的要求 , 如知识范围 、知识粒度 、知识图谱规模等 ;

　　c) 业务数据:构建知识图谱所需的基础数据 、行业数据和其他必要数据 ;

　　d) 辅助知识:指导或支撑知识图谱构建的常识 、行业知识 、专家知识等 ;

　　E) 支撑技术和服务:构建知识图谱所需的技术和服务支持 , 如数据预处理 、数据标注工具等 ;

　　F) 质量指标:知识图谱用户或知识图谱集成方提出的知识图谱质量要求和性能指标 。

　　6 . 2 知识图谱供应方的输出

　　知识图谱供应方的输出包括但不限于:

　　a) 知识图谱 ;

　　b) 知识图谱基础工具:具有知识获取 、检索 、关系推理 、可视化和维护等基本功能的知识图谱工具或系统等 ;

　　注 1 : 部分知识图谱工具也具备知识管理相关基础功能 。

　　c) 知识图谱基础服务:基于知识图谱以接口等形式提供知识查询或计算结果调用的服务 ;

　　注 2 : 知识图谱供应方出于安全 、所有权等考虑会提供基础服务;知识图谱集成方部分情况下通过使用知识图谱基础服务在其上层开发和集成新的产品或服务 。

　　d) 技术支持:提供知识图谱基础工具或基础服务在集成过程中所需的技术支持 。

　　6 . 3 知识图谱供应方的主要活动

　　6 . 3 . 1 活动流程

　　知识图谱供应方的主要活动流程见图 3 , 可包括:

　　a) 知识表示:利用机器能够识别和处理的符号和方法描述人类的知识的活动 ;

　　b) 知识建模:构建知识图谱的本体及其形式化表达的活动 ;

　　c) 知识获取:从不同来源和结构的输入数据中提取知识的活动 ;

　　d) 知识融合:整合和集成知识单元(集) , 并形成拥有全局统一知识标识的知识图谱的活动 ;

　　E) 知识存储:设计存储架构 , 并利用软硬件等基础设施对知识进行存储 、查询 、维护和管理的活动 ;

　　F) 知识计算:基于已构建的知识图谱和算法 , 发现/获得隐含知识并对外提供知识服务能力的活动 ;

　　g) 知识演化:随本体模型 、数据资源等变化产生的新知识对原有知识的补充 、更新或重组的活动 ;

　　h) 知识溯源:在知识图谱全生存周期中追踪原始数据向知识转化的活动 ;

　　i) 质量保障:保障知识内容 、知识图谱构建过程 、知识图谱基础服务或工具的质量的活动 。

　　除上述主要活动 , 知识图谱供应方还可包括知识交换 、知识治理等其他可选活动 。

　　6

　　GB/T 42131—2022

　　图 3 知识图谱供应方主要活动流程图

　　6 . 3 . 2 知识表示

　　6 . 3 . 2 . 1 活动输入

　　知识表示活动的输入包括但不限于如下内容。

　　a) 知识图谱应用需求,如 :

　　1) 业务需求:拟解决的业务问题及拟达成的业务目标 ;

　　2) 应用场景:拟部署应用的具体业务场景 ;

　　3) 应用约束:知识图谱应用过程中应遵循的相关要求 、标准 、法律法规等 ;

　　4) 知识背景:知识表示专家具有的学科背景 、技术背景 、领域背景等 ;

　　5) 应用反馈:知识图谱供应方其他活动应用知识表示模型的意见及建议。

　　b) 知识图谱构建需求。

　　c) 数据需求:数据包括基础训练与测试数据 、业务数据等,主要用于支持知识表示学习 、知识获取等环节算法模型的设计 、训练测试及后续知识图谱的构建。

　　d) 质量指标。

　　E) 实体类型体系。

　　6 . 3 . 2 . 2 活动输出

　　知识表示活动的输出包括但不限于如下内容。

　　a) 知识表示模型,可包括 :

　　1) 知识表示框架:知识表示结构和具体表现形态 ;

　　2) 知识表示元素:知识表示过程中需要使用的元素及其含义,如实体类型 、实体 、关系类型 、推理规则等 ;

　　3) 知识表示要求:知识表示过程中需要遵守的规则 、约束 ;

　　4) 知识表示适用范围:知识表示模型的边界 、范围和限制。

　　b) 知识表示模型质量评价体系。

　　7

　　GB/T 42131—2022

　　注 : 知识表示模型通常可分为基于离散符号的知识表示和基于连续向量的数值知识表示。

　　6 . 3 . 2 . 3 任务组成

　　知识表示活动的任务组成见图 4,包括但不限于 :

　　a) 定义知识表示需求,如拟解决的业务问题 、拟实现的业务目标等 ;

　　b) 定义或确定拟遵循的规则 、约束,如业务规则及相关约束等 ;

　　注 1 : 面向特殊领域,对不适于或缺失已有规则和约束的场景设计规则和约束。

　　c) 定义或选择知识表示形式 ;

　　注 2 : 面向特殊领域,针对需求采用或设计多元组 、框架等知识表示形式。

　　d) 定义和序列化知识表示元素,并制定知识表示过程应遵循的相关约束 、通用规则等 ;

　　E) 定义知识表示模型适用范围,如适用场景 、不适用的场景 、使用的注意事项等 ;

　　F) 定义知识表示模型评价体系 ;

　　g) 评估知识表示能力。

　　图 4 知识表示任务流程图

　　6 . 3 . 2 . 4 质量一般性能

　　用于描述知识表示活动质量的一般性能包括但不限于 :

　　a) 可表达性:形成的知识表示模型完整表达特定领域业务所需知识且可被实施人员理解的程度 ;

　　b) 可实现性:形成的知识表示模型是否可被计算机识别及被算法实现 ;

　　c) 严密性:形成的知识表示模型是否可描述形式化的语法 、语义及相关推理规则 ;

　　d) 可维护性:形成的知识表示模型是否可支持知识图谱构建完成后知识单元的维护和管理。

　　8

　　GB/T 42131—2022

　　6 . 3 . 3 知识建模

　　6 . 3 . 3 . 1 活动输入

　　知识建模活动的输入包括但不限于如下内容。

　　a) 知识图谱应用需求,如 :

　　1) 业务需求 ;

　　2) 应用场景 ;

　　3) 应用约束 ;

　　4) 数据现状:拟解决的业务问题相关数据探查的结果,包括数据字典 、数据质量 、数据量 、已处理过的数据结构等 ;

　　5) 应用反馈:知识图谱供应方其他活动应用本体模型的建议等。

　　b) 知识图谱构建需求。

　　c) 辅助知识,如 :

　　1) 行业知识,可包括术语字典 、术语体系 、行业指南 、行业标准 、其他行业知识等 ;

　　2) 专家知识。

　　d) 质量指标。

　　E) 知识表示模型。

　　F) 知识表示活动 、知识获取活动和知识融合活动输出的实体类型 、关系类型等知识单元。

　　6 . 3 . 3 . 2 活动输出

　　知识建模活动的输出包括但不限于如下内容。

　　a) 本体模型 :

　　1) 实体类型体系,如实体类型;实体类型间的上下位关系 ;

　　2) 实体类型的属性,如属性字段的类型;实体类型的唯一标识属性;属性是否具有唯一性等 ;

　　3) 实体类型间的关系,如关系是否有方向(有向关系和无向关系);关系是否有传递;是否为1 对 1 关系。

　　注 : 事件可视为实体的一种,事件类型也可作为本体模型的一部分。

　　b) 图式(schEma) 。

　　6 . 3 . 3 . 3 任务组成

　　知识建模活动的任务组成见图 5,包括但不限于如下内容。

　　a) 确定知识的领域和范畴。

　　b) 确定现有可复用本体模型,可复用本体模型的确认原则可包括 :

　　1) 如非必要,不宜新增实体 ;

　　2) 实体类别融合原则:如果两类实体类别的实例相同,可融合对应实体类别 ;

　　3) 实体类别分拆原则:如果某实体类别的互斥属性较多,可拆成多个细分实体类别。

　　c) 确定知识范畴内的关键术语。

　　d) 构建实体类别层级体系。

　　E) 定义实体类别的属性与关系。

　　F) 定义应用需求相关的规则 、公理等(可选) 。

　　g) 确定并创建本体模型及图式。

　　h) 评估本体模型质量。

　　9

　　GB/T 42131—2022

　　图 5 知识建模任务流程图

　　6 . 3 . 3 . 4 质量一般性能

　　知识建模活动宜形成一个定义良好的本体模型及其图式,并根据输入数据特征和应用特点进行知识管理以减少数据冗余并提高应用效率。 用于描述知识建模活动质量的一般性能包括但不限于如下内容。

　　a) 合理性:形成的本体模型中实体类型是否划分合理和实体类型间关系描述合理。

　　b) 可用性:形成的本体模型是否可支持后续知识获取 、知识融合 、知识计算等活动。

　　c) 完整性:形成的本体模型是否可支持事件和时间序列等复杂知识的表示,并可支持匿名实体的使用。

　　d) 可扩展性:形成的本体模型是否可支持实体类型及其属性与关系的添加 、删除和修改。

　　E) 兼容性:形成的本体模型是否可以实现与已有本体模型的兼容或继承等,如 :