《WSaiOS结构智能(WSaiOS-SI)理论工程》
第十九卷:动态语义库理论与工程
第一篇 动态语义库的理论基础
第二章 结构智能中的语义与知识
2.1 研究问题:信息为什么不等于知识
动态语义库需要从外部环境获取信息,并将其转化为能够参与 WSaiOS-SI 结构智能运算的语义知识。但是,信息的获取并不意味着知识的形成,文本的解析也不意味着语义的理解。
系统可以获取一篇网页、一份技术文档、一条产品记录或一个数据接口的返回结果。这些内容可能包含大量文字、数字、符号和关系描述,但如果系统无法确定这些内容指向什么对象、描述什么属性、处于什么条件、与已有知识存在什么关系,就无法保证这些内容能够被正确地用于后续运算。
例如,系统获取到以下信息:
“额定电压为 5V。”
这句话包含一个属性描述和值,但如果没有其他上下文,系统仍然无法确定:
-
该电压属于哪个对象?
-
对应哪个产品型号或版本?
-
这里的电压是额定电压、输入电压,还是其他电压?
-
该值是否来自正式技术资料?
-
该值是否适用于当前任务中的目标对象?
-
是否存在其他来源提供不同的数值?
因此,单独保存这句话,并不等于系统已经形成了可以可靠使用的知识。
如果系统进一步获取到明确的对象信息、属性定义、适用条件和来源证据,就可以将其组织为一个具有明确指向的语义主张,并与已有知识建立关系。
由此可以提出本章的基本问题:
外部信息必须经过怎样的识别、解释、关联和结构化处理,才能成为 WSaiOS-SI 可以运算和验证的知识?
回答这个问题,需要区分信息、语义、知识元素、知识结构和可运算知识,并明确它们之间的转换条件。
本章不把语义简单等同于文字含义,也不把知识简单等同于数据库记录,而是从结构智能的元素、关系和运算出发,建立动态语义库所需要的基本概念体系。
2.2 信息的定义与边界
2.2.1 信息是语义处理的材料
在本卷中,信息是指系统能够获取、读取、记录或处理的内容及其变化。
信息可以表现为文字、数字、图像中的可识别内容、表格、符号、数据记录、设备状态、事件记录以及其他能够被系统处理的表达形式。
信息可能来自外部资源,也可能来自 WSaiOS-SI 系统内部的对象状态、运行记录、已有知识或执行反馈。
信息可以是完整的,也可以是不完整的;可以是真实的,也可以是错误的;可以与当前任务直接相关,也可以与当前任务无关。
因此,信息的存在只说明系统获得了某种内容,不足以说明该内容已经得到正确解释,更不能直接证明其内容真实。
例如:
一份网页可能记录某款产品的价格,但价格可能已经过期;一份文档可能记录某种方法的操作步骤,但其适用条件可能与当前任务不同;一个数据接口可能返回某个数值,但该数值可能来自缓存、错误配置或不完整的记录。
这些内容都可以作为信息被保存,却不能仅凭被保存这一事实而自动成为可靠知识。
2.2.2 信息的基本属性
为了让动态语义库能够正确处理外部信息,需要从多个方面描述信息。
第一,内容。信息实际表达了什么,包括文字、数值、符号或其他数据。
第二,来源。信息由哪个资源、系统、设备或记录产生。
第三,时间。信息在什么时候形成、获取或更新,是否存在有效期限。
第四,指向。信息可能描述哪个对象、事件、属性或关系。
第五,条件。信息是否依赖特定环境、型号、地区、时间、版本或其他约束。
第六,完整性。信息是否包含理解和使用它所需的必要内容。
第七,状态。信息是否已解析、待解析、存在异常、已失效或需要进一步核验。
这些属性不是要求所有信息都必须具有相同的一组固定字段。实际需要记录哪些属性,应由信息的类型、当前任务和已有结构定义决定。
例如,产品价格可能需要币种、报价时间和适用数量;技术参数可能需要单位、型号和版本;法规条款可能需要发布机构、生效时间和适用范围。
动态语义库必须能够依据实际结构和处理需求组织这些信息,而不是预先假定所有领域都使用相同的字段集合。
2.2.3 信息的可获取性与可用性
信息能够被获取,不代表它能够被有效使用。
在动态语义库中,至少需要区分三个状态。
可获取,指系统能够从指定来源读取或接收信息。
可解析,指系统能够识别信息的表达形式,并提取后续处理所需的内容。
可用于特定任务,指信息的内容、对象指向、适用条件和其他必要属性满足当前任务的处理要求。
这三个状态存在联系,但不能合并为一个状态。
例如,一份 PDF 文件可以成功下载,却可能因为扫描质量过差而无法准确提取其中的技术参数;一段网页文字可以被正确解析,却可能描述的是另一个型号的产品;一条结构完整的记录可以准确表达某项历史价格,却不适用于当前采购决策。
因此,动态语义库应当记录信息处理所处的阶段,并允许系统在解析失败、对象不匹配或条件不满足时保留相应状态。
信息的可获取性解决的是资源访问问题,可解析性解决的是内容处理问题,可用性则必须结合具体语义需求进行判断。
2.3 语义的定义:信息指向什么
2.3.1 语义不是单纯的文字形式
在 WSaiOS-SI 的研究框架中,语义是信息所表达的内容及其指向对象、属性、值、关系、条件、状态或方法的含义。
语义处理的目的,不只是识别信息中出现了哪些词语,还要确定这些表达在当前知识结构和任务条件下意味着什么。
例如,“价格为 100”这一表达包含价格数值,但尚未明确币种、计价单位、产品型号和报价时间。
如果系统把“100”直接写入某个产品的价格属性,就可能把不同币种、不同包装数量或不同时间的报价错误地合并。
因此,语义的识别至少需要考虑两个方面:
一是表达本身所包含的内容;二是该内容与具体对象及其适用条件之间的关系。
语义不一定全部通过自然语言表达。一个结构化数据接口返回的字段、一个设备状态代码或一条事件记录,也可以具有明确语义。反过来,即使一段自然语言非常流畅,如果对象指向和适用条件不明确,它仍然可能无法支持可靠的知识运算。
2.3.2 语义具有结构依赖性
相同的信息表达,在不同的结构和条件下可能具有不同含义。
例如,“5”可以表示价格、数量、评分、电压数值或其他属性值。仅凭数字本身,系统不能确定它在当前任务中应当如何解释。
当“5”与特定属性、单位、对象和适用条件建立联系时,其语义才得到进一步限定。
因此,语义不能仅通过孤立的值来确定,而需要结合它所处的结构。
可以用下列关系表示语义解释的基本形式:
其中:
-
\(S\) 表示针对当前任务形成的语义解释。
-
\(I\) 表示待解释的信息内容。
-
\(C\) 表示解释所依赖的上下文和适用条件。
-
\(R\) 表示信息与对象、属性、值及其他知识元素之间的关系。
该表达式是本卷用于说明语义解释构成因素的概念模型,并非声称三个部分可以简单相加,也不是一个已经验证的通用计算公式。
在工程实现中,信息内容、上下文和关系都需要进一步表示为可处理的数据及规则。某些情况下,信息自身已经包含完整的上下文;另一些情况下,系统必须从已有结构、相邻记录或其他资源中补充相关条件。
如果必要条件无法获得,系统应保留语义不确定状态,而不能通过默认假设强行完成解释。
2.3.3 语义解释必须允许多种候选
在真实环境中,一项信息可能存在多种合理解释。
例如,某条记录中的“认证”可能指认证名称、认证状态、认证机构、认证编号或认证有效期限。
如果系统尚未掌握足够上下文,就不应立即将其固定解释为某一个属性。
动态语义库需要允许形成多个候选解释,并依据结构定义、上下文、来源证据和关系条件逐步排除不符合要求的候选。
这里需要区分两个过程。
候选生成,是提出可能的语义解释。
候选确认,是判断某个解释是否满足相应条件。
候选的相关性评分可以帮助安排处理顺序,但不能单独证明候选解释正确。即使某个候选与当前需求高度相关,只要对象指向或必要条件仍不明确,就应当保留待确认状态。
因此,语义解释不是一次性的文本转换,而是一个可以随着新信息、新关系和新证据持续修正的过程。
2.4 从语义到知识元素
2.4.1 知识元素的基本地位
WSaiOS-SI 以元素和关系作为结构构成的基本基础。
元素不是单纯的文字片段,也不等同于数据库中的任意字段。元素是结构中能够被识别、区分、引用和参与关系建立的基本单元。
在动态语义库中,知识元素可以涉及对象、属性、值、状态、条件、方法以及其他由实际知识结构定义的内容。
一个元素必须具有可识别的身份和明确的结构位置,才能与其他元素建立稳定关系。
例如,某个产品对象与它的价格属性是两个不同的元素;价格属性与具体报价值也不是同一个元素;某个值对应的时间、单位和适用条件,可能还需要通过其他元素或关系进行表达。
如果系统将对象、属性和值混为一体,就难以准确处理属性更新、对象区分和证据对应问题。
因此,动态语义库必须维持知识元素之间的概念边界。
2.4.2 元素与关系构成结构
WSaiOS-SI 的基本结构关系可以表达为:
这里的“+”表示构成关系,而不是普通的数值加法。
元素提供结构中的参与单元,关系说明这些单元之间如何关联,结构则表达由这些元素和关系形成的组织形式。
在动态语义库中,外部信息即使已经被拆分为若干元素,如果这些元素之间没有明确关系,也仍然可能无法形成完整的知识结构。
例如,系统分别识别出:
-
一个产品对象;
-
一个价格属性;
-
一个数值;
-
一个报价时间;
-
一个来源资源。
如果系统没有建立产品与价格属性、价格属性与数值、数值与报价时间,以及相关主张与来源证据之间的关系,就无法充分确定这个数值究竟描述什么。
当这些关系得到明确表达后,系统才具备进一步判断该报价是否适用于当前任务的基础。
由此可见,元素识别与关系建立是两个相互联系但不可相互替代的过程。
2.4.3 知识元素必须保留身份与上下文
动态语义库需要处理外部信息与已有知识之间的对应关系,因此必须避免将语义内容相同误认为元素身份相同。
两个来源都出现“电动牙刷”,并不意味着它们指向同一产品对象。
两个对象都具有“价格”属性,也不意味着这两个属性在所有业务条件下都可以直接合并。
两个记录都包含数值“100”,更不意味着它们表达同一项事实。
知识元素的识别需要考虑元素类型、所属对象、属性定义、适用条件及其他能够区分元素身份的结构信息。
当两个元素可能对应同一对象或同一属性时,系统可以建立候选对应关系;只有在满足既定规则后,才应确认相应关系。
如果证据不足,系统应允许多个候选对象继续存在,而不是强制合并。
这一原则对后续的数据更新、语义冲突处理和知识版本管理尤其重要。错误的元素合并可能导致不同对象的属性、证据和结论相互污染,使后续运算建立在错误的结构基础上。
2.5 从知识元素到知识结构
2.5.1 知识结构的定义
在本卷中,知识结构是由具有明确身份和含义的知识元素,以及这些元素之间有定义、有条件的关系所形成的可识别组织。
知识结构不仅描述有哪些元素,还描述元素之间的联系、约束、适用条件和必要的状态。
一个知识结构可以围绕单一对象建立,也可以跨越多个对象、方法和条件,形成更复杂的关系网络。
例如,一个产品知识结构可以包含产品对象、品牌、型号、价格、功能和认证等信息。围绕这些信息,还可能存在价格与报价时间的关系、认证与有效期限的关系、功能与适用条件的关系,以及产品与来源证据之间的关系。
这些关系使系统能够回答比“有哪些字段”更复杂的问题。
例如:
某项价格是否对应当前型号?某项认证是否适用于目标市场?某项功能是否满足指定条件?某个结论由哪些证据支持?某项知识变化会影响哪些下游判断?
因此,知识结构的作用不只是组织内容,还在于提供可以参与运算的关系基础。
2.5.2 知识结构必须区分定义、实例与事实主张
为了避免不同层次的信息相互混淆,动态语义库需要区分结构定义、对象实例和事实主张。
结构定义规定某类对象可以具有哪些属性、关系和约束,以及相关元素应如何组织。
对象实例表示某个具体对象及其可识别身份。
事实主张表示关于某个对象、属性、值、关系或条件的一项具体陈述,它可能来自外部资源,也可能来自内部运算结果。
例如,产品结构定义可以规定电动牙刷对象具有型号、价格和认证等属性。这只是规定知识应该如何组织,并不说明任何具体产品的价格是多少,也不证明某个产品已经获得某项认证。
某个具体产品对象可以依据该定义建立实例记录,但实例中某项属性尚未填写时,不能因此自动推断其实际值。
外部网页提出“该产品已获得某项认证”,则形成一项需要关联来源并视情况核验的事实主张。
这三个层次相互关联,却具有不同的作用。
如果把结构定义当作事实,就会把“允许记录某项属性”误解为“该属性已经存在某个确定值”。
如果把对象实例当作已核验事实,就可能把未经验证的录入内容直接用于决策。
如果把外部主张直接写成确定属性值,就可能丢失原始来源、适用条件和核验状态。
因此,动态语义库应当分别管理这些对象及其关系,并根据实际结构定义决定如何关联。
2.5.3 知识结构具有适用范围
知识结构不是脱离条件而普遍成立的描述。
某项知识可能只适用于特定对象、时间、地点、版本、环境或任务范围。
例如,某产品的价格可能仅适用于特定采购数量和报价日期;某个方法可能只适用于特定设备版本;某项规则可能只在特定地区和生效期限内成立。
因此,动态语义库不仅要建立知识元素之间的关系,还需要在必要时明确关系的适用条件。
当两个来源的内容看似冲突时,系统应首先检查它们是否针对相同对象、相同时间、相同版本和相同条件。
如果适用范围不同,二者可能并不构成真正的事实冲突。
如果适用范围相同,而两项主张仍然无法同时成立,则需要进一步进入证据比较和冲突核验流程。
这种处理方式可以减少因忽略上下文而产生的错误冲突,也能避免将本来不一致的事实强行合并。
2.6 从知识结构到可运算知识
2.6.1 知识存在不等于知识可运算
知识结构能够保存对象、属性、值和关系,但只有当相关元素和关系满足特定运算的要求时,系统才能对其开展有效计算。
例如,两个产品对象都保存了价格值,但如果一个价格以人民币计价,另一个以美元计价,系统就不能直接比较它们的数值大小并据此确定哪一个更便宜。
同样,两个技术参数都保存了数字,如果单位不同、测量条件不同或对应型号不同,也不能未经处理就直接比较。
因此,可运算知识并不是另一种与知识结构无关的数据,而是指其元素、关系、适用条件和状态满足特定运算要求的知识结构。
可运算性具有任务相关性。
某个知识结构可能足以支持对象分类,却不足以支持精确数值比较;可能足以生成候选匹配结果,却不足以作出事实确认;也可能足以提出一个决策候选,却缺少执行该决策所需的必要条件。
因此,系统不能简单地将知识标记为绝对的“可运算”或“不可运算”,而应当结合运算类型和当前任务判断其可用范围。
2.6.2 可运算知识的基本条件
动态语义库向结构智能运算提供知识时,需要检查以下条件。
第一,元素可识别。运算涉及的对象、属性和值能够被明确区分。
第二,关系明确。元素之间需要建立哪些关系,以及这些关系的含义,必须有清晰定义。
第三,类型适当。参与运算的值必须满足运算规则要求的数据类型和表达形式。
第四,条件符合。知识的适用范围必须与当前任务的条件相符。
第五,状态可知。系统需要知道相关知识是否存在缺失、冲突、过期或待核验情况。
第六,运算规则明确。比较、计算、判断、匹配、排序或验证必须依据可说明的规则执行。
第七,结果可追溯。重要运算结果应能够追溯到所使用的知识元素、关系、证据和规则。
这些条件并不要求所有任务采用相同的核验门槛。不同任务对知识完整性和证据强度的要求可能不同,但这种差异必须由明确的任务规则决定,而不能通过隐含假设随意处理。
2.6.3 可运算知识与能力形成
在 WSaiOS-SI 中,知识、能力、方法和行为具有不同的概念地位。
知识提供运算所需的元素、关系、事实主张及适用条件。
运算依据明确规则处理这些知识,形成判断、比较结果、匹配结果或其他可识别结果。
能力表示系统在特定任务范围内能够完成某类问题解决过程的结构化能力,不等同于单条知识记录。
方法规定完成某项任务或执行某类操作的步骤、条件和规则。
行为则是系统或执行主体在具体条件下表现出来的活动。
因此,动态语义库获取了一条操作方法,并不意味着系统已经具备执行该方法的能力;系统保存了一项知识,也不意味着它已经能够独立完成依赖该知识的复杂任务。
知识能否转化为能力,需要后续的知识运算、能力结构匹配、方法形成或选择、执行条件检查及反馈机制共同发挥作用。
动态语义库的职责,是为这些过程提供组织清楚、来源可追溯、状态明确并能够参与运算的知识材料。
2.7 语义知识形成的完整过程
2.7.1 形成过程的基本阶段
从外部信息到可运算知识,至少需要经过以下阶段:
第一阶段:信息获取。
系统根据任务或既有需求获取外部资源,记录必要的来源与获取信息。
第二阶段:内容解析。
系统识别资源中的文字、数值、表格、记录及其他可处理内容,确定内容是否足以进入后续语义处理。
第三阶段:语义候选识别。
系统识别可能涉及的对象、属性、值、状态、条件、方法和关系,并形成候选解释。
第四阶段:知识元素对应。
系统将候选语义与现有结构定义及知识元素进行比较,确定可能的对应关系,并保留尚未解决的歧义。
第五阶段:语义关系建立。
系统依据明确的关系定义和成立条件,建立对象、属性、值、主张、证据及其他元素之间的关系。
第六阶段:证据与状态处理。
系统关联来源证据,检查适用范围、来源依赖和潜在冲突,并记录当前核验状态。
第七阶段:可运算性判断。
系统依据当前任务的运算要求,判断相关知识能否用于比较、计算、判断、匹配、排序或验证。
第八阶段:知识应用与反馈。
满足相应条件的知识进入后续结构智能运算;运算结果、执行反馈和新发现的问题,则可能触发进一步的语义需求。
这些阶段构成逻辑上的处理层次,并不意味着工程系统必须将它们实现为八个独立的软件模块。具体实现可以合并部分模块,但不能因此混淆各阶段的职责和状态。
2.7.2 语义知识形成的状态管理
在上述过程中,系统可能遇到多种情况:
资源无法获取,内容解析失败,语义解释存在歧义,知识元素无法匹配,关系缺少成立依据,证据不足,或者新旧主张之间存在冲突。
如果系统只允许成功和失败两种状态,就可能无法准确表达知识处理过程中的实际情况。
例如,系统可能已经准确识别某项产品参数,却仍然无法确认该参数是否适用于当前型号。此时,语义识别可以视为完成,但事实核验仍然处于待处理状态。
又例如,系统可能找到多个相关来源,但这些来源均来自同一原始发布者。此时,资源发现可以视为完成,但独立证据的要求仍然没有满足。
因此,动态语义库需要分别记录资源处理状态、语义对应状态、关系状态和核验状态。不能用一个总状态覆盖所有阶段,也不能把某一阶段的完成自动视为整个知识形成过程的完成。
2.7.3 语义知识形成的结果
一个完成必要处理的语义知识单元,应当能够回答以下问题:
它表达什么内容?它指向哪个对象?它涉及哪个属性、值或关系?它适用于什么条件?它来自什么资源?它与已有知识如何对应?有哪些证据支持或反驳它?当前核验状态是什么?在什么条件下可以参与后续运算?
并不是每条语义记录都必须包含所有可能的信息。某些内容可能不适用,某些属性可能暂时未知,某些关系可能仍然需要确认。
关键在于,系统必须明确区分已知、未知、未提供、不适用和存在冲突等不同状态,不能用一个空值代表所有情况。
当知识的身份、含义、关系和必要条件足够明确时,系统才具备将其用于特定运算的基础。
2.8 动态语义库中的未知、缺失与冲突
2.8.1 未知不等于不存在
如果系统没有获取到某项知识,只能说明当前系统没有掌握足够信息,不能直接证明该知识在现实中不存在。
例如,某个产品对象的认证信息为空,可能是因为尚未搜索、资源暂时不可访问、相关资料没有公开,或者现有资料中确实没有找到认证记录。
这些情况具有不同的含义,不能统一解释为“没有认证”。
因此,动态语义库应当区分:
-
尚未查询。
-
已经查询但没有找到可用资料。
-
已找到相关资料但内容不足。
-
已找到互相冲突的资料。
-
已有证据支持某项明确结论。
-
在规定的检索范围和条件下,没有发现相关记录。
最后一种状态仍然不等于对现实中不存在某项事实作出了普遍证明。系统需要明确查询范围、来源范围和处理条件。
2.8.2 缺失不等于错误
知识结构中某个属性没有值,可能是尚未获取,也可能是该属性不适用于当前对象,还可能是结构定义本身尚未完整。
因此,系统应当根据实际原因判断是否产生新的语义需求。
如果缺失属性是完成当前任务的必要条件,就需要生成补充需求;如果属性与当前任务无关,则不一定需要立即处理;如果属性不适用于该对象,则应按照结构定义记录相应状态,而不是持续重复检索。
这种区分可以使动态语义需求由实际问题驱动,而不是由所有空字段无差别地驱动。
2.8.3 冲突必须保留来源与条件
当两个来源对同一对象提出不同主张时,系统不能仅根据发布时间较新、文本长度较长或相关性评分较高就直接覆盖旧主张。
正确的处理需要先确认对象身份、属性定义、单位、时间、版本和适用条件是否一致,再比较来源与证据。
如果差异来自不同适用范围,可以分别保留两项知识。
如果两项主张确实针对同一条件且无法同时成立,就应记录冲突,并根据任务重要性决定是否启动进一步核验。
在冲突解决之前,系统可以继续使用不受该冲突影响的其他知识,但不能把存在争议的内容无条件当作确定事实。
这也是动态语义库与普通信息汇总机制之间的重要区别:动态语义库不仅保存结论,还必须能够保存结论形成的依据及其尚未解决的问题。
2.9 信息、语义、知识结构与可运算知识的关系模型
本章的概念关系可以归纳为以下过程:
信息
可获取的内容与记录
语义解释
确定内容、指向、上下文与适用条件
知识元素
识别对象、属性、值、状态、条件、方法等
知识结构
通过有定义的关系组织元素,并关联证据
特定任务下的可运算知识
满足相应类型、关系、条件和状态要求
比较、计算、判断、匹配、排序与验证
需要强调,这不是一条所有信息都必然成功通过的自动流水线。
某条信息可能无法解析;某个语义候选可能存在多种解释;某个元素可能无法对应已有对象;某项关系可能缺乏成立条件;某个知识结构可能仍然存在冲突。
因此,实际系统应允许在各阶段返回上一步、保留多个候选、生成补充需求或标记暂时无法解决的状态。
这一过程也不是简单地把文字不断转换成更复杂的数据形式。每一个阶段都必须产生明确的知识增量:语义解释增加对内容指向的确定性,元素识别建立可区分的处理单元,关系建立增加元素之间的联系,证据处理明确主张的依据,可运算性判断则明确知识在当前任务下的使用边界。
只有这些处理真正完成,知识结构才具备支持后续智能运算的基础。
2.10 本章结论
本章从 WSaiOS-SI 的结构理论出发,建立了信息、语义、知识元素、知识结构与可运算知识之间的概念关系。
信息是语义处理的材料,但信息的存在不代表其内容真实;语义解释需要明确内容的指向、上下文和适用条件;知识元素提供结构的基本单元;元素与关系共同构成知识结构;可运算知识则是在特定任务下满足相应运算要求的知识结构。
在这一理论框架中,动态语义库不能只负责信息获取和内容保存,还必须负责知识元素的对应、语义关系的建立、证据与状态的管理,以及知识在具体任务下的可用性判断。
本章还确立了三项重要原则。
第一,结构定义不等于具体事实,语义候选不等于已确认知识。
第二,知识结构的存在不等于其可以用于所有运算,知识的可用性必须结合任务、条件和状态判断。
第三,未知、缺失和冲突必须能够被明确表达,不能通过默认值或未经验证的假设将其掩盖。
由此,动态语义库获得了后续理论研究所需要的概念基础。下一章将在此基础上进一步界定动态语义需求库与实时语义库,明确二者各自管理什么、如何连接,以及它们如何共同形成动态语义知识的持续演化机制。
第二章完成。
下一章:第三章《动态语义需求库与实时语义库的定义》。