WSaiOS-ICAI 结构化知识系统(SKS)
产品白皮书
产品名称: WSaiOS-ICAI 结构化知识系统
英文名称: WSaiOS-ICAI Structured Knowledge System
产品简称: SKS
产品属性: 独立软件产品
产品方向: 信息结构化、知识组织、结构管理、知识应用
一、产品概述
WSaiOS-ICAI 结构化知识系统(SKS)是一套面向信息结构化与知识组织的软件产品。
SKS的核心任务不是简单保存资料,也不是单纯进行全文搜索,而是将来自网页、文档、开放信息以及其他信息源中的内容,按照预先定义的结构和规则进行处理,使信息逐步形成具有明确对象、属性、状态、关系、场景、知识及方法等结构特征的数据。
SKS建立在一种明确的产品思路之上:
原始信息不能直接等同于知识。
一份网页、一篇文档、一段说明、一个产品页面、一份企业资料,本质上首先是信息来源。只有经过提取、识别、分类、关联、结构化和验证之后,其中具有稳定意义的内容才能形成可管理、可关联、可继续处理的结构化知识。
因此,SKS建立的是一条从:
信息 → 元素 → 结构 → 结构实例 → 知识 → 应用
的产品处理链路。
SKS并不限定于某一个行业,也不限定于学习场景。
学习系统只是SKS的一种应用。
在此基础上,SKS可以进一步用于企业知识、行业知识、产品知识、技术资料、业务资料、内容资料以及其他需要结构化管理的信息场景。
二、产品建设背景
互联网及数字化环境中的信息数量持续增加,但大量信息仍然以非结构化形式存在。
网页是一种信息载体。
PDF是一种信息载体。
Word文档是一种信息载体。
产品说明是一种信息载体。
企业介绍是一种信息载体。
数据库记录同样可能只是局部信息。
这些信息虽然能够被保存、查看和检索,但并不意味着系统真正理解了其中的结构。
例如:
“某产品采用锂电池供电,续航时间为30天,支持三种工作模式,适用于家庭使用。”
对于普通信息系统而言,这可能只是一个文本字段。
对于结构化知识系统而言,其中至少可以进一步形成:
- 产品
- 产品类型
- 电源方式
- 电池类型
- 续航状态
- 工作模式
- 使用场景
- 适用对象
- 产品与属性之间的关系
由此,原本连续存在于文本中的信息开始形成可管理的结构。
这种结构化过程,是后续知识管理、知识匹配、认知分析、知识应用以及系统决策的重要基础。
因此,SKS所面对的核心问题并不是“如何存更多资料”,而是:
如何让信息形成系统能够继续处理的结构。
三、产品定位
SKS定位为:
一套将多来源信息转换为结构化知识,并对结构、规则、知识、关系、历史和应用进行统一管理的软件产品。
SKS不是单纯的:
- 文档管理系统
- 搜索系统
- 内容管理系统
- 数据库管理系统
- 学习管理系统
- 自动摘要系统
而是位于信息与知识应用之间的一个独立产品层。
其基本定位可以表示为:
信息来源层 → SKS结构化层 → 知识层 → 应用层
其中:
信息来源层
负责接收和保存原始信息。
包括:
- 网页
- URL
- 文档
- 开放信息
- 本地资料
- 人工录入信息
- 后续可扩展的数据源
SKS结构化层
负责将信息转换为结构。
包括:
- 元素提取
- 对象识别
- 属性识别
- 状态识别
- 关系识别
- 场景识别
- 规则匹配
- 结构实例化
- 人工校正
- 版本管理
知识层
负责形成可管理的知识对象。
包括:
- 知识元素
- 对象知识
- 属性知识
- 状态知识
- 关系知识
- 场景知识
- 方法知识
- 能力相关知识
应用层
负责使用已经形成的结构化知识。
包括:
- 学习
- 企业知识管理
- 行业知识管理
- 产品知识管理
- 技术知识管理
- 内容分析
- 认知分析
- 知识匹配
- 后续智能应用
四、产品目标
SKS的产品目标不是简单提高信息存储数量,而是建立一个可以持续处理信息的结构化基础。
主要目标包括:
4.1 建立统一的信息结构化入口
不同来源的信息进入系统之后,能够进入统一的结构化处理流程。
4.2 将文本信息转换为结构信息
系统不再只保存整段文本,而是进一步提取其中具有明确意义的结构元素。
4.3 建立可管理的知识对象
结构化结果能够被保存、查询、修改、关联和继续处理。
4.4 建立人工可控制的结构规则
结构并非完全交给系统自动决定。
用户可以定义:
- 分类
- 行业
- 对象
- 属性
- 状态
- 关系
- 场景
- 规则
- 方法
系统依据这些定义执行结构化处理。
4.5 建立结构化结果的可追溯性
系统需要能够知道:
原始资料是什么;
经过什么规则处理;
形成了什么结构;
哪些内容被修改;
谁进行了修改;
修改前是什么;
修改后是什么。
因此结构化知识不是一次性的黑盒结果,而是具有过程记录的系统数据。
4.6 为后续知识应用提供基础
结构化完成以后,知识才可以进一步进入:
- 匹配
- 分析
- 学习
- 记忆
- 方法调用
- 能力判断
- 决策支持
- 内容生成
- 其他应用系统
五、产品核心思想
SKS的核心并不是某一种具体算法,而是建立一套稳定的信息结构化产品流程。
其基本流程为:
信息来源
↓
信息解析
↓
元素提取
↓
结构识别
↓
规则匹配
↓
结构实例化
↓
知识形成
↓
人工校验
↓
知识管理
↓
知识应用
这意味着SKS将“资料”和“知识”明确区分。
资料是输入。
结构化结果是中间结果。
知识是经过组织、关联和确认之后形成的可应用对象。
六、核心结构
SKS采用结构化对象作为知识组织的基本基础。
产品初始核心结构包括:
对象 Object
表示系统中需要被识别和管理的具体事物。
例如:
- 产品
- 企业
- 人
- 设备
- 材料
- 地点
- 文档
- 服务
属性 Attribute
描述对象具有什么特征。
例如:
- 名称
- 类型
- 规格
- 数量
- 材质
- 功率
- 品牌
状态 State
表示对象在某一时间或场景下所处的状态。
例如:
- 正常
- 故障
- 开启
- 关闭
- 可用
- 不可用
关系 Relation
描述不同对象之间的连接。
例如:
- 企业生产产品
- 产品属于分类
- 人使用产品
- 产品适用于场景
场景 Scene
描述对象、状态、关系在特定环境中的组合。
例如:
- 家庭使用场景
- 工业生产场景
- 学习场景
- 售后场景
知识 Knowledge
表示经过结构化组织后形成的可管理知识。
方法 Method
表示完成某项任务所需要的结构化处理方式。
方法与能力并不相同。
能力表示“能够做什么”,方法表示“如何做”。
能力 Capability
表示系统、对象或者角色在一定条件下能够完成什么。
因此SKS并不是把所有内容都作为普通文本保存,而是逐步建立:
对象—属性—状态—关系—场景—知识—方法—能力
之间的结构。
七、产品总体架构
SKS采用分层产品架构。
┌────────────────────────────────────┐
│ 应用层 │
│ 学习系统 / 企业知识 / 行业知识等 │
└────────────────────────────────────┘
│
┌────────────────────────────────────┐
│ 知识应用层 │
│ 匹配 / 分析 / 查询 / 方法 / 能力 │
└────────────────────────────────────┘
│
┌────────────────────────────────────┐
│ 知识管理层 │
│ 对象 / 属性 / 状态 / 关系 / 场景 │
│ 知识 / 方法 / 能力 │
└────────────────────────────────────┘
│
┌────────────────────────────────────┐
│ 结构化处理层 │
│ 元素提取 / 规则 / 分类 / 实例化 │
└────────────────────────────────────┘
│
┌────────────────────────────────────┐
│ 信息管理层 │
│ URL / 网页 / 文档 / 开放信息 / 文件 │
└────────────────────────────────────┘
这种架构使SKS本身与具体应用保持独立。
例如学习系统只是:
SKS
│
└── 学习应用
企业知识系统可以是:
SKS
│
└── 企业知识应用
行业知识系统则可以是:
SKS
│
└── 行业知识应用
不同应用共享SKS的结构化基础,但应用逻辑可以保持独立。
八、核心产品功能
8.1 信息源管理
负责管理进入SKS的原始资料。
支持的信息源包括:
- URL
- 网页
- 文档
- 开放信息
- 本地文件
- 人工录入
- 后续扩展的数据源
每一个信息源都应保留独立记录。
系统应记录:
- 信息源ID
- 信息源类型
- 来源地址
- 标题
- 描述
- 原始内容
- 创建时间
- 更新时间
- 当前处理状态
原始资料与结构化结果分离保存。
这样可以避免结构化处理过程中破坏原始资料。
九、结构定义管理
结构定义是SKS的重要产品能力。
系统允许人工建立结构体系。
例如一个企业产品结构可以定义:
产品
├── 基本属性
│ ├── 名称
│ ├── 品牌
│ ├── 型号
│ └── 类型
│
├── 技术属性
│ ├── 功率
│ ├── 电池
│ ├── 防水等级
│ └── 工作模式
│
├── 使用属性
│ ├── 使用对象
│ ├── 使用场景
│ └── 使用方式
结构定义不是一次性固定的。
随着实际资料进入系统,可以继续增加、修改和完善。
十、规则管理
结构定义之后,需要规则将资料转换为结构。
规则可以用于:
- 元素识别
- 类型判断
- 分类
- 属性映射
- 状态识别
- 关系建立
- 内容清洗
- 内容转换
- 结构实例化
例如:
如果内容符合产品名称规则
→ 识别为对象名称
如果内容符合规格规则
→ 识别为产品属性
如果内容表达适用对象
→ 建立产品与使用对象之间的关系
规则由人工定义,系统负责执行。
这种方式使结构化过程具有明确的控制边界。
十一、自动结构化
自动结构化是SKS的核心运行功能之一。
其基本过程为:
读取信息源
↓
解析内容
↓
提取候选元素
↓
识别元素类型
↓
匹配结构规则
↓
形成结构元素
↓
形成结构实例
↓
保存结构化结果
系统可以对资料中的内容进行分解,而不是直接将整个页面作为一个知识对象。
例如:
原始内容:
某电动牙刷采用声波技术,
支持三种清洁模式,
续航时间约30天,
适合家庭日常使用。
结构化之后可以形成:
对象:
电动牙刷
属性:
技术 = 声波
属性:
清洁模式 = 3种
状态/属性:
续航 = 30天
关系:
产品 → 适用于 → 家庭日常使用
由此形成可以继续管理的数据。
十二、结构化结果管理
SKS不将第一次结构化结果视为最终结果。
系统需要保存结构化结果,并允许继续处理。
结构化结果至少包括:
- 原始内容
- 结构元素
- 元素类型
- 元素来源
- 所属对象
- 所属结构
- 使用规则
- 当前状态
- 修改记录
这样可以形成:
原始资料 → 初始结构结果 → 修正结果 → 最终结构结果
的完整过程。
十三、人工协同
SKS不是完全依赖自动处理。
在实际信息处理中,自动结构化不可避免地会出现:
- 内容重复
- 类型判断错误
- 无意义内容
- 上下文误判
- 信息缺失
- 结构归类错误
因此SKS建立人工协同机制。
人工可以对已经形成的结构化结果进行:
- 确认
- 修改
- 删除
- 合并
- 分类调整
- 类型调整
- 关系调整
重要原则是:
人工修改的是结构化结果,不应破坏原始信息。
十四、去噪与结构修正
SKS需要提供独立的结构修正机制。
典型流程:
初始结构化结果
↓
人工发现问题
↓
启用结构规则
↓
定位问题元素
↓
执行修改
↓
生成新结果
↓
保存修改历史
例如:
旧内容:
Electric toothbrushes are...
新内容:
Electric toothbrush
系统不仅保存新内容,还应记录:
修改前
修改后
修改时间
修改原因
使用规则
操作人员
这样可以保证结构化知识具备可追踪性。
十五、知识管理
经过结构化处理之后,SKS可以形成统一知识库。
知识不再只是连续文本,而可以按照结构进行管理。
例如:
产品A
│
├── 属性
│ ├── 品牌
│ ├── 型号
│ ├── 功率
│ └── 续航
│
├── 状态
│ └── 当前可用
│
├── 关系
│ ├── 属于产品分类
│ ├── 适用于家庭
│ └── 服务于目标用户
│
└── 方法
└── 使用方法
这种结构使知识能够进一步进入其他系统。
十六、知识关系管理
SKS不仅保存单个知识元素,还负责建立元素之间的关系。
例如:
企业
↓生产
产品
↓属于
产品分类
↓适用于
用户
↓使用于
场景
关系建立之后,系统能够形成具有结构意义的知识网络。
这种网络不是单纯的文本链接,而是明确描述:
谁、是什么、具有什么、处于什么状态、与谁存在什么关系、发生于什么场景。
十七、方法体系
方法是SKS的高级知识组织能力。
方法不是简单的操作说明文本。
在SKS中,方法可以被结构化描述。
例如:
方法:
产品资料结构化
输入:
产品网页
条件:
存在产品名称
存在产品属性
处理:
识别对象
提取属性
建立关系
输出:
产品结构对象
方法因此可以进一步成为系统可管理、可调用的结构对象。
但方法体系属于SKS的扩展能力。
SKS产品名称仍然以“结构化知识系统”为核心,不将方法概念直接写入产品名称。
十八、能力管理
能力与方法保持区分。
例如:
能力:
产品信息结构化
表示系统可以完成某项任务。
而:
方法:
产品信息结构化方法
表示完成这项任务所采用的具体过程。
因此:
能力回答“能做什么”。
方法回答“怎么做”。
进一步可以形成:
对象
↓
能力
↓
方法
↓
方法实例
↓
执行结果
这一结构为后续认知应用提供基础。
十九、知识版本与历史
知识不是静态数据。
同一资料经过不同阶段处理后,可能形成多个版本。
SKS因此需要支持:
- 版本
- 修改历史
- 规则历史
- 结构历史
- 数据变化记录
- 人工操作记录
- 回滚
例如:
V1
原始结构化结果
V2
人工去噪
V3
结构分类调整
V4
关系补充
用户可以查看结构变化过程。
必要时可以恢复到此前版本。
二十、产品的数据组织方式
SKS可以形成多层数据结构:
Information Source
↓
Raw Information
↓
Structured Element
↓
Structure Instance
↓
Knowledge
↓
Relation
↓
Method / Capability
↓
Application
不同层次承担不同责任。
这样可以避免把:
原始资料、结构化结果、知识、应用结果
全部混合在同一个数据层中。
二十一、应用系统关系
SKS不是一个只能用于学习的软件。
它可以作为基础结构化知识平台。
整体关系可以表示为:
SKS
│
┌─────────────┼─────────────┐
│ │ │
学习系统 企业知识系统 行业知识系统
│ │ │
学习知识 企业知识 行业知识
因此当前正在建设的WSaiOS-ICAI Learning System,可以作为SKS的一个具体应用。
其功能重点可以是:
学习资料
↓
资料结构化
↓
知识元素
↓
学习知识
↓
学习记忆
↓
后续认知分析
而企业应用可以采用:
企业资料
↓
企业结构
↓
产品/服务/客户/场景
↓
企业知识
↓
知识匹配
行业应用则可以形成:
行业资料
↓
行业结构
↓
行业对象
↓
行业知识
↓
行业分析
这些应用共享SKS的结构化基础,但不需要成为同一个业务系统。
二十二、典型应用场景
22.1 学习知识结构化
将学习资料转化为:
- 学习对象
- 知识元素
- 属性
- 关系
- 方法
- 场景
为后续学习分析提供结构基础。
22.2 企业知识结构化
将企业网站、产品资料、服务资料、内部文档等形成企业知识结构。
22.3 产品知识结构化
将产品页面、规格书、说明书等转换为:
- 产品对象
- 产品属性
- 产品状态
- 产品关系
- 产品场景
22.4 行业知识结构化
针对某个行业建立专属结构。
例如:
行业
├── 企业
├── 产品
├── 服务
├── 技术
├── 客户
├── 场景
└── 关系
22.5 技术资料结构化
将技术文档转换成可查询、可关联、可继续处理的技术知识。
22.6 内容知识结构化
将大量内容资料转换成结构化对象,而不是继续以单纯文章形式存储。
二十三、产品技术路线
SKS采用模块化软件架构。
产品核心模块可以包括:
InformationSource
│
↓
ElementExtractor
│
↓
StructureRuleEngine
│
↓
StructureModel
│
↓
KnowledgeModel
│
↓
Memory / History
│
↓
Application Layer
其中:
InformationSource
负责信息来源管理。
ElementExtractor
负责从信息中提取结构候选元素。
StructureRuleEngine
负责执行人工定义的结构规则。
StructureModel
负责管理结构和结构实例。
KnowledgeModel
负责知识对象及其关系。
Memory / History
负责保存历史、版本和变化过程。
Application Layer
负责不同应用场景。
二十四、产品运行机制
SKS的运行可以概括为:
采集 → 解析 → 提取 → 识别 → 匹配 → 实例化 → 保存 → 校验 → 修正 → 应用
其中系统自动执行的是规则明确的工作。
人工负责的是:
- 结构定义
- 规则定义
- 结果判断
- 异常处理
- 知识确认
- 结构调整
因此形成:
人工定义结构 + 系统执行规则 + 人工校验结果
的产品运行模式。
二十五、数据安全与可控性
SKS在产品设计上强调数据的可控性。
核心原则包括:
原始资料保留
结构化过程不直接覆盖原始资料。
结构结果独立保存
原始内容与结构化结果分离。
修改可追踪
每次人工修改具有记录。
规则可管理
规则不是不可见的系统行为。
版本可恢复
结构化结果能够保留历史版本。
应用与数据分离
知识数据不应被某一个具体应用锁死。
这些设计使SKS适合逐步建设长期知识资产。
二十六、产品与人工智能系统的关系
SKS不是一个以生成模型为核心的产品。
其核心工作是:
结构化信息。
因此SKS可以作为其他智能应用的基础知识层。
例如:
外部信息
↓
SKS
↓
结构化知识
↓
认知分析
↓
知识匹配
↓
应用结果
这种架构将知识建设与具体智能应用分开。
知识可以独立积累。
应用可以独立变化。
二十七、与传统资料管理方式的区别
传统资料管理通常强调:
保存 → 分类 → 搜索 → 阅读
SKS进一步增加:
提取 → 结构 → 关系 → 知识 → 应用
传统系统中的核心对象通常是:
文件、页面、记录。
SKS进一步增加:
对象、属性、状态、关系、场景、知识、方法、能力。
因此SKS的重点不是取代传统文件管理,而是在传统信息管理之上增加结构化知识层。
二十八、产品建设路线
SKS可以采用渐进式产品建设方式。
第一阶段:信息源管理
完成:
- URL管理
- 文档管理
- 开放信息管理
- 原始资料保存
建立统一信息入口。
第二阶段:自动结构化
完成:
- 元素提取
- 类型识别
- 结构规则
- 结构化结果保存
形成基本结构化能力。
第三阶段:人工协同
完成:
- 结构审核
- 去噪
- 修改
- 规则调整
- 修改历史
- 版本管理
建立人工控制机制。
第四阶段:知识体系
完善:
- 对象
- 属性
- 状态
- 关系
- 场景
- 知识
形成完整知识管理能力。
第五阶段:方法与能力
进一步增加:
- 方法
- 方法实例
- 能力
- 条件
- 结果
- 执行记录
形成知识到应用的连接。
第六阶段:应用平台
在SKS基础上形成不同应用:
- 学习系统
- 企业知识系统
- 行业知识系统
- 产品知识系统
- 技术知识系统
- 其他专业知识应用
二十九、SKS与WSaiOS-ICAI的关系
SKS来源于WSaiOS-ICAI所强调的结构化对象、关系、状态、知识、方法和能力等设计思想。
但产品定位必须保持独立。
因此:
SKS不是WSaiOS-ICAI理论本身。
也不是:
SAI理论工程的软件化名称。
它是一个独立的软件产品。
可以理解为:
SAI
结构型人工智能理论背景
↓
ICAI
个体认知概念
↓
WSaiOS
系统架构来源
↓
SKS
结构化知识软件产品
↓
各种应用系统
其中SKS具有独立的产品边界、功能边界和应用边界。
三十、产品价值
SKS建设的核心价值不在于简单增加一个资料库,而在于建立一个可以持续积累和继续使用的结构化知识基础。
通过SKS:
信息可以被结构化。
结构可以被管理。
知识可以被组织。
关系可以被建立。
修改可以被追踪。
规则可以被调整。
知识可以继续进入不同应用。
因此,SKS最终形成的不是一次性的资料处理结果,而是一套可以持续增长的结构化知识资产。
三十一、产品最终形态
SKS最终希望形成一个完整的结构化知识基础平台:
SKS
│
┌────────────┼────────────┐
│ │ │
信息管理 结构管理 知识管理
│ │ │
└────────────┼────────────┘
│
规则与结构化
│
┌────────────┼────────────┐
│ │ │
方法 能力 关系
│ │ │
└────────────┼────────────┘
│
知识应用
│
┌────────────┼────────────┐
│ │ │
学习 企业知识 行业知识
SKS的产品边界由“结构化知识”确定。
具体应用可以不断增加,但底层结构化能力保持独立。
三十二、结语
WSaiOS-ICAI 结构化知识系统(SKS)的核心任务,是建立从信息到结构化知识之间的一套软件化处理能力。
它不以资料数量作为最终目标,也不以某一种具体应用作为产品边界。
其核心路径是:
信息进入系统 → 信息被解析 → 元素被提取 → 结构被识别 → 规则被执行 → 结构实例形成 → 知识被组织 → 人工进行校验 → 知识持续积累 → 不同应用继续使用。
在这一产品体系中,学习系统只是SKS的一个实际应用。
随着结构定义、规则管理、知识管理、方法管理、能力管理和应用接口逐步完善,SKS可以进一步成为多个独立应用系统共同使用的结构化知识基础。
因此,WSaiOS-ICAI 结构化知识系统(SKS)的产品定位可以归纳为:
以结构化为核心,以知识为对象,以规则为处理机制,以人工协同为控制方式,以多种应用为输出方向的信息与知识基础软件系统。