WSaiOS结构智能(WSaiOS-SI)语义理解功能实施规划
一、建设目标
基于现有 WSaiOS-SI 结构化知识系统,建立从动态结构字段组合搜索到语义预内容生成,再到语义库建设和语义理解的完整处理流程。
本规划确定两个核心组合搜索方式:
-
行业 + 字段组合搜索
-
分类 + 字段组合搜索
系统以现有结构定义和已结构化的知识元素为基础,动态生成搜索组合,积累语义预内容,再利用语义预内容建立语义库,为后续语义关系分析、知识理解及能力结构匹配提供基础。
本规划是实施方案,不代表现有程序已经具备这些功能。
二、总体架构
现有结构化知识
结构定义、行业、分类、对象、字段及知识元素
第一阶段:动态组合搜索
行业 + 字段 | 分类 + 字段
第二阶段:语义预内容生成
整理搜索组合、候选内容、字段上下文、来源和证据
第三阶段:语义库建设
组织语义素材、上下文、关联线索与验证状态
第四阶段:语义理解
语义分析、关系识别、证据验证、冲突处理
语义理解成果
形成可检索、可关联、可运算的知识结构,供后续能力结构匹配使用
三、第一阶段:行业与分类组合搜索
3.1 数据来源
依据项目现有 StructureDefinitionModel.php,结构定义中已有以下信息:
| 数据 | 现有定义位置 | 作用 |
|---|---|---|
| 行业 | industry |
生成行业组合搜索词 |
| 分类 | category |
生成分类组合搜索词 |
| 对象 | objects[] |
遍历实际定义的对象及其字段 |
| 字段名称 | objects[].fields[].name |
生成动态组合搜索词 |
| 字段类型 | objects[].fields[].type |
提供字段解释的辅助上下文 |
| 字段描述 | objects[].fields[].description |
为后续语义分析提供解释线索 |
以上字段名称是现有结构定义的存储格式,并不意味着语义引擎只能理解这些固定业务字段。
3.2 组合生成规则
假设某个实际结构定义为:
-
行业:口腔护理
-
分类:电动牙刷
-
字段:制造商、产品规格、适用场景
系统动态生成两组搜索词:
| 组合类型 | 搜索词示例 |
|---|---|
| 行业组合 | 口腔护理 + 制造商 |
| 行业组合 | 口腔护理 + 产品规格 |
| 行业组合 | 口腔护理 + 适用场景 |
| 分类组合 | 电动牙刷 + 制造商 |
| 分类组合 | 电动牙刷 + 产品规格 |
| 分类组合 | 电动牙刷 + 适用场景 |
这里的字段只是演示数据,不应在代码中写死。
3.3 生成规则
-
实时读取有效结构定义。
-
遍历结构中实际存在的对象及其字段。
-
分别生成行业组合和分类组合。
-
保留组合来源、对应结构定义、对象和字段的关联。
-
对空行业、空分类或空字段进行合理处理,不生成无效组合。
-
结构定义变化后,后续搜索使用更新后的定义,不依赖旧的固定组合。
本阶段的产物是搜索组合,不是语义理解结果。
四、第二阶段:生成语义预内容
组合搜索产生的内容需要经过整理,才能作为后续语义理解的输入。
4.1 预内容组成
| 内容类别 | 目的 |
|---|---|
| 搜索组合 | 记录本次使用的行业或分类组合词 |
| 结构上下文 | 记录搜索组合所属的结构定义 |
| 对象与字段上下文 | 确认搜索针对哪个对象、哪个字段 |
| 候选内容 | 保存找到的相关内容 |
| 原始来源 | 支持追溯和复核 |
| 证据片段 | 保留支持候选关系的原文 |
| 匹配依据 | 说明内容为何被选为候选 |
| 验证状态 | 区分未验证、已验证、冲突及无法确定的内容 |
字段名称、行业和分类是搜索条件;实际搜索所得的内容才是语义预内容的主要素材。不能仅把搜索词复制一遍,就认为已经建立了语义库。
4.2 预内容处理流程
组合词生成 → 执行搜索 → 获取候选内容 → 清理和分段 → 关联结构上下文 → 保存语义预内容
搜索来源可以按后续确定的范围实现,例如已有本地资料、已登记的外部资源或互联网搜索。三者的接口和数据来源不同,应分别验证,不能把访问已知 URL 等同于互联网搜索。
五、第三阶段:建立语义库
语义库用于组织和复用预内容,不应只是搜索结果的简单堆积。
核心建设任务:
-
统一组织不同来源的语义预内容。
-
保留每条内容与行业、分类、对象及字段的来源关联。
-
识别重复内容,同时保留必要的来源证据。
-
建立候选语义之间的关联线索。
-
保存关系的依据和验证状态。
-
支持按搜索组合、来源、内容和关系检索。
-
支持后续新增预内容进入同一套组织机制。
语义库必须保留候选和确定知识之间的区别。两个词语共同出现、两个内容相似,均不能单独证明它们存在真实的语义关系。
六、第四阶段:建立语义理解机制
这是整个规划中最关键的阶段。
6.1 语义分析
利用语义库中已有的内容及上下文,分析候选内容表达的含义,发现可能存在的关系。
分析对象不局限于某个固定字段,而是根据实际知识结构及其内容动态确定。
6.2 关系识别
对候选内容分析:
-
其表达的主体和关系是什么;
-
关系指向什么内容;
-
相关表达是否处于同一上下文;
-
是否存在否定、条件、时间限制或适用范围;
-
证据是否足以支持该关系。
6.3 关系验证
语义理解结果至少需要区分:
-
候选关系: 发现了可能的联系,但尚未确认。
-
有依据的关系: 存在可追溯的支持证据。
-
冲突关系: 不同来源提供互相矛盾的信息。
-
未知关系: 当前材料不足以作出判断。
只有经过相应验证的内容,才能按其实际可信程度进入后续知识运算。
6.4 可运算语义结构
最终输出应能够被程序继续处理,而不仅仅是一段自然语言解释。结构中应保存语义内容、关联对象、关系、上下文、证据及验证状态,供后续知识检索、关系比较和能力结构匹配使用。
需要明确技术边界:如果不使用大语言模型、Transformer、Embedding、向量相似度或概率预测,就需要采用可执行的语法规则、关系模式和证据推理机制。其理解能力取决于实际实现和规则覆盖范围,不能宣称仅靠 PHP 字符串匹配就能理解任意自然语言。
七、与现有项目的衔接
根据目前已经检查的代码,实施应遵循以下边界:
| 现有文件或模块 | 规划中的职责 |
|---|---|
StructureDefinitionModel.php |
提供现有结构定义及行业、分类、对象、字段信息 |
KnowledgeModel.php |
需要进一步核实实际知识元素的数据格式与关联关系 |
SemanticUnderstandingEngine.php |
作为现有语义理解入口,评估后扩展其处理机制 |
LearningKernel.php |
协调已结构化知识与后续语义处理阶段 |
SemanticResourceModel.php |
现有资源管理模型;是否接入以及如何接入,需结合资源搜索方案确定 |
实施约束:
-
不修改原始结构化提取逻辑。
-
不针对某类业务字段编写专用逻辑。
-
不擅自改变已有数据格式和调用接口。
-
不将资源读取、搜索、语义分析混成一个不可区分的步骤。
-
不把候选匹配结果直接标记为已理解或已验证。
以上是依据目前已提供代码所做的职责规划;具体修改点仍需根据完整模型代码核实。
八、分阶段实施与验收
01
行业与分类组合搜索
验收:能根据实时结构定义动态生成两类组合;新增或修改字段后无需修改搜索代码。
02
语义预内容生成
验收:搜索结果能够保存,且可追溯到搜索组合、来源和相关结构字段。
03
语义库建设
验收:预内容可重复检索、关联、追溯来源,并区分重复和冲突内容。
04
语义理解机制
验收:系统能对新内容进行语义关联分析,输出带依据的关系判断,并在证据不足时保留未知状态。
九、实施前的必要核实
下一步应先检查 KnowledgeModel.php,确认知识元素的真实存储格式、字段值及结构关联方式。然后按上述顺序实施,不跳过第一阶段,也不直接将当前字符串匹配引擎包装成完整的语义理解系统。
最终目标: 行业与分类组合搜索负责发现语义素材,语义预内容负责承载素材,语义库负责组织与关联知识,语义理解机制负责分析关系和证据,最终形成可供 WSaiOS-SI 后续能力结构匹配使用的可运算知识结构。