《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
第二十四章 多维相关性指标与候选排序
24.1 多维相关性评价的提出
在动态语义库中,语义相关性不是单一维度的问题。候选资源可能与目标对象相符,却没有覆盖目标属性;可能包含目标属性,却不满足适用条件;可能提供与目标相关的证据线索,却无法直接支持待核验的事实主张。
如果仅使用一个关键词匹配率、一个文本相似度或者一个综合分数评价所有候选内容,就容易将不同性质的语义关系混为一谈,导致候选排序失去实际意义。
WSaiOS-SI 因此需要建立多维相关性评价机制。其基本思想是:先分别识别候选内容与目标之间的不同语义联系,再依据当前任务的实际要求综合判断,最后形成能够解释、追溯和动态调整的候选排序。
多维评价不是为了把语义问题复杂化,而是为了避免单一指标掩盖关键差异。
例如,在核验某款电动牙刷的认证状态时,候选资料可能具有以下不同特征:
-
候选资料甲:明确提到电动牙刷,但没有目标产品型号。
-
候选资料乙:包含目标产品型号及认证相关信息,但没有说明认证有效期。
-
候选资料丙:对应目标产品型号、认证机构和认证编号,并包含可供核查的有效状态记录。
-
候选资料丁:介绍同类产品的认证要求,但没有提供目标产品的直接证据。
这四类资料不能仅依据是否出现“电动牙刷”“认证”等词语进行排序。系统需要识别它们分别满足哪些语义要求、缺少哪些条件,以及各自在当前任务中的实际用途。
多维相关性评价就是对这些差异进行结构化表达与计算。
24.2 多维相关性评价的基本原则
多维相关性指标的建立必须遵循以下原则。
第一,目标明确原则。
所有指标必须服务于具体需求。系统不能先建立一组固定指标,再要求所有任务使用同一套评价方式。
目标可以是寻找某一对象的属性信息、确定对象之间的关系、补充缺失知识、发现支持证据、识别冲突,或者核验某项事实主张。不同目标需要的指标组合可能不同。
第二,语义可解释原则。
每个指标都必须说明自己判断什么关系、依据什么信息、如何形成结果,以及结果不能说明什么。
例如,对象对应程度高,只能说明候选内容与目标对象的对应关系较强,不能据此推断候选内容中的所有主张都是真实的。
第三,维度区分原则。
对象对应、属性覆盖、关系对应、条件适用、时间匹配、来源可追溯性和任务用途等评价维度,具有不同的语义含义。
它们可以相互关联,但不能未经分析就相互替代。
第四,必要条件优先原则。
如果某项任务要求候选资料必须对应特定型号,那么型号对应就是必要条件。其他维度得分再高,也不能弥补型号不对应的问题。
必要条件应当单独判断,不应被综合评分掩盖。
第五,未知状态保留原则。
系统无法判断某项条件是否满足时,应当保留未知状态,而不是自动将其认定为满足或不满足。
缺少信息、信息矛盾、信息无法解析和明确不符合条件,是不同情况。
第六,任务动态适应原则。
多维评价体系应当随着需求、知识结构、适用条件和核验目标的变化进行调整。调整过程需要保留规则版本和评价依据,以便解释候选排序为什么发生变化。
24.3 多维相关性指标的构成
WSaiOS-SI 不将以下指标规定为所有任务必须采用的固定字段,而是把它们视为可以根据真实语义需求动态选择的评价维度。
24.3.1 目标对象对应指标
目标对象对应指标用于判断候选内容指向的对象,是否与当前需求中的目标对象一致。
需要识别的内容可能包括对象名称、型号、身份标识、所属主体、版本或其他能够区分对象的结构信息。
对象名称相同不必然代表对象相同;名称不同也不必然代表对象不同。系统应当结合对象身份信息、关系信息和适用条件进行判断。
例如,两个产品都属于电动牙刷,不能因此认为它们是同一个产品。两个产品型号相近,也不能直接认定其认证记录可以互相适用。
目标对象对应指标主要回答:
候选内容所描述的对象,是否就是当前任务需要研究或核验的对象?
24.3.2 属性对应指标
属性对应指标用于判断候选内容是否涉及当前目标所需要的属性。
如果任务要求确定某个产品的认证状态,认证状态相关信息可能是核心属性;产品颜色、包装方式等信息可能与当前目标没有直接关系。
属性对应不能只看属性名称是否出现,还需要判断属性所描述的含义是否一致。
例如,“认证机构”与“生产厂家”可能同时出现在同一份资料中,但两者所描述的对象角色不同,不能因为都属于企业或机构信息就视为同一属性。
该指标主要回答:
候选内容提供的属性信息,是否对应当前需求所需要的属性?
24.3.3 属性值对应指标
属性值对应指标用于判断候选内容中的具体值与目标要求之间的关系。
这种关系可能包括值一致、值不同、范围包含、部分对应、条件性对应或者无法确定。
属性值不同不一定意味着冲突。例如,同一设备在不同时间的价格可能不同;同一认证记录在不同阶段的状态也可能发生变化。
因此,比较属性值时必须检查对象、时间、单位、范围、来源和适用条件。
属性值对应指标主要回答:
候选内容提供的具体值,是否符合当前目标对该属性值的要求?
24.3.4 语义关系对应指标
语义关系对应指标用于判断候选内容所表达的关系,是否与当前任务需要识别的关系一致。
候选内容可能描述:
-
对象与属性之间的关系;
-
两个对象之间的归属或关联关系;
-
事件之间的时间关系;
-
条件与结果之间的关系;
-
主张与证据之间的支持或反驳关系;
-
方法与执行结果之间的关系。
这些关系具有不同的含义,不能仅因涉及相同对象就被认定为相关程度相同。
例如,某企业与某产品存在生产关系,不等于该企业发布的所有材料都能证明该产品通过认证。
语义关系对应指标主要回答:
候选内容所表达的关系,是否就是当前任务需要识别或利用的关系?
24.3.5 条件适用指标
条件适用指标用于判断候选内容是否满足当前任务所规定的适用条件。
条件可以涉及时间、地区、对象范围、产品版本、业务场景、有效期限、执行前提或者其他由真实任务确定的限制。
条件适用尤其重要,因为一条内容即使在某个场景中真实,也不一定适用于另一个场景。
例如,某项认证信息可能只适用于特定型号或特定版本的产品。若当前目标产品不在其适用范围内,该资料就不能因为来源可靠、内容完整而直接用于当前产品的事实判断。
条件适用指标主要回答:
候选内容所描述的信息,能否在当前任务规定的条件下使用?
24.3.6 信息覆盖指标
信息覆盖指标用于判断候选内容覆盖了当前需求中的哪些知识要素,以及还有哪些要素缺失。
如果一项需求要求确认对象身份、认证编号、认证状态和有效期限,那么只包含对象身份与认证编号的资料,可以在部分方面提供帮助,但不能视为完整满足需求。
信息覆盖需要以真实需求的知识结构为依据,而不是预先规定所有任务都必须具备同样数量或类型的字段。
该指标主要回答:
候选内容覆盖了目标知识结构中的哪些部分,尚有哪些部分没有得到满足?
24.3.7 语义明确程度指标
语义明确程度指标用于判断候选内容是否能够被稳定地解释。
某些表达可能存在多义性、省略、指代不明、条件缺失或对象不清等问题。
例如,“该产品已获得认证”这句话,如果上下文没有明确说明“该产品”指向哪一个型号,就可能无法直接对应当前目标对象。
语义明确程度较低,并不必然意味着内容错误;它意味着系统需要更多上下文或补充证据,才能形成可靠的语义对应。
该指标主要回答:
候选内容是否足够明确,能够支持当前任务所需的语义判断?
24.3.8 时间匹配指标
时间匹配指标用于判断候选内容的时间范围,是否与当前任务所需的时间范围一致。
时间相关信息至少应区分:
-
事件实际发生的时间;
-
内容发布或记录形成的时间;
-
系统获取该内容的时间;
-
内容所描述状态的有效时间;
-
系统进行当前判断的时间。
这些时间不能简单地相互替代。
一条历史记录可能适合解释过去的状态,却不能直接证明当前状态仍然有效。
时间匹配指标主要回答:
候选内容描述的时间状态,是否适用于当前需求所关注的时间范围?
24.3.9 来源可追溯指标
来源可追溯指标用于判断候选内容能否追溯到明确的来源及其原始位置。
来源可追溯涉及资源身份、内容位置、版本、获取记录和语义单元之间的对应关系。
来源清楚有助于后续核验,但来源清楚不等于来源可靠,更不等于内容真实。
例如,一份文件可以被完整保存并准确记录其来源,但其中的事实主张仍然可能错误。
因此,该指标主要回答:
候选内容是否具有足够明确的来源路径,使系统能够继续检查其依据?
24.3.10 任务用途适配指标
任务用途适配指标用于判断候选内容对当前处理阶段是否具有实际作用。
同一资料可能适合用于发现候选对象,却不适合用于确认事实;可能适合补充背景知识,却无法满足最终决策的证据要求。
例如,行业介绍资料可以帮助系统理解某类产品的认证制度,但未必能够证明某个具体产品已经通过认证。
任务用途适配指标主要回答:
候选内容是否适合用于当前处理阶段所要求的工作?
上述指标并不是必须同时启用的十项固定字段,也不构成穷尽所有可能的指标清单。系统应当根据任务目标、结构定义和判断规则,确定实际需要评价的维度。
24.4 指标之间的关系与区别
多维指标之间可能存在依赖、补充、约束或重叠关系。若不识别这些关系,就可能重复计算某种优势,或者把一个指标的结果错误地当成另一个指标的结论。
例如,目标对象对应与属性对应存在联系,但并不相同。对象对应较强,只能说明候选内容指向正确对象的可能性较高,并不能证明候选内容覆盖了目标所需要的全部属性。
属性覆盖与任务用途适配也存在联系,但两者不能合并。候选资料可能包含很多相关属性,却无法满足当前任务的核心用途。
来源可追溯与来源可靠性之间同样存在区别。前者关注是否能够追溯来源,后者关注来源在特定用途下是否具有足够的可靠性。
时间匹配与事实核验也不能互相替代。资料的时间范围符合要求,不代表其中的主张已经得到证实。
因此,系统需要建立指标之间的语义联系,并明确各项指标的判断边界。
指标关系至少应当区分以下情况:
-
互补关系:不同指标分别描述候选内容的不同方面。
-
依赖关系:某项评价需要以另一项评价结果为前提。
-
约束关系:某项条件决定候选内容是否可以进入后续处理。
-
重叠关系:多个指标可能使用部分相同的信息,需要避免重复计算。
-
冲突关系:不同指标或相关判断出现不一致,需要进一步分析。
-
未知关系:现有信息不足以判断指标之间是否成立某种关系。
指标之间的联系本身也属于动态语义库可以组织和计算的知识对象。其具体结构应当由实际评价任务决定,而不应通过预设行业模板固定下来。
24.5 从多维评价到综合相关性结果
多维评价的目的不是简单地把所有指标相加,而是形成能够服务于当前任务的整体判断。
在不同任务中,多维评价结果可以采用不同的表达形式。
第一种:分维度描述。
系统分别给出目标对象对应、属性覆盖、条件适用、时间匹配等评价结果。
这种形式适用于需要解释候选资料优缺点、识别知识缺口或检查复杂条件的任务。
第二种:规则判断。
系统依据明确的规则,判断候选内容是否满足必要条件、是否存在禁止性条件,以及是否允许进入下一处理阶段。
这种形式适用于必须满足特定对象、时间、范围或其他关键约束的任务。
第三种:综合评分。
当任务确实需要对候选内容进行数值排序,而且指标可以合理比较时,可以依据经过定义的评价规则形成综合分数。
例如,可采用以下概念表达:
其中:
-
\(C\) 为候选对象;
-
\(Q\) 为当前目标;
-
\(I_1,\ldots,I_n\) 为当前任务选用的相关性指标;
-
\(R\) 为指标之间的关系与约束;
-
\(T\) 为任务适用条件;
-
\(F\) 为具体评价规则;
-
\(S(C\mid Q)\) 为候选对象在该任务下的综合评价结果。
该模型不要求所有指标都采用数值表达,也不意味着任何任务都必须计算综合分数。
如果需要使用加权模型,可以采用:
其中,\(s_i\) 是经过明确规则计算的第 \(i\) 项指标结果,\(w_i\) 是与当前任务相适应的权重。
若采用归一化权重,通常要求权重非负且总和为一。但这只是在特定评分设计中的一种选择,不是 WSaiOS-SI 语义相关性必须遵守的普遍定律。
使用加权模型之前,还必须确认:
-
各项指标的含义已经明确;
-
各项结果具有可比较的表达尺度;
-
指标之间的重复计算风险已经处理;
-
权重具有可解释的任务依据;
-
必要条件不会被其他高分指标抵消;
-
缺失值、未知值和冲突值有明确的处理规则。
若这些条件不满足,分维度判断或规则判断可能比综合评分更合适。
24.6 必要条件、否决条件与未知状态
多维评价中最容易出现的错误,是把所有指标都当作可以相互补偿的分数。
实际上,不同指标在任务中的地位可能完全不同。
某些指标属于参考指标,只影响候选内容的优先级;某些指标属于必要条件,决定候选内容是否符合任务要求;另一些指标属于风险约束,可能决定候选内容是否应当暂停使用或进入进一步核验。
例如,核验某一具体产品的认证状态时,产品型号对应可能是必要条件。如果候选资料明确属于另一个型号,那么即使它具有完整的认证文件、清楚的来源和很高的内容覆盖度,也不能直接用于证明目标型号的认证状态。
这说明,多维相关性评价需要区分三个层次。
参考指标用于描述候选内容与目标的联系程度,可以参与排序。
必要条件用于判断候选内容是否具备进入指定处理阶段的基本资格。必要条件未满足时,不能仅凭综合分数将候选内容认定为合格。
风险约束条件用于识别来源异常、适用范围冲突、重要信息缺失或其他可能影响后续判断的问题。具体如何处理,应当由任务规则决定。
此外,未知状态必须独立保留。
如果候选资料没有说明产品型号,系统不能自动认为型号匹配,也不能直接认定型号一定不匹配。合理的结果是记录为“对象对应尚未确定”,并判断是否需要补充信息。
同理,资料没有提供有效期限,不等于认证已经过期,也不等于认证仍然有效。
多维评分可以描述已知的评价结果,但不能把未知信息变成已知事实。
24.7 候选排序的定义
候选排序,是指系统依据当前任务的目标、约束条件、多维评价结果及排序规则,对候选对象进行有依据的优先级排列。
候选排序与相关性计算之间存在直接联系,但二者承担不同职责。
相关性计算用于判断候选对象与目标之间的语义联系及其任务适用程度。
候选排序则进一步回答:在当前处理目标下,哪些候选对象应当优先处理,哪些应当暂缓处理,哪些需要补充信息,哪些不应进入当前处理流程。
因此,排序结果不仅可能受到相关性分数影响,还可能受到必要条件、来源可追溯性、时间适用性、核验需求、处理成本和任务风险等因素影响。
候选排序不是对候选内容真实性的排名,也不是对来源权威性的绝对排名。
一个候选对象排在第一位,只意味着在当前任务和当前规则下,它具有较高的处理优先级;并不意味着它一定正确,更不意味着它可以直接成为系统的最终结论。
24.8 候选排序的基本机制
WSaiOS-SI 的候选排序可以按照以下逻辑组织。
第一步:确定排序目标。
系统需要明确本次排序是为了发现相关资料、补齐知识结构、寻找证据、检查冲突,还是为某一决策准备候选依据。
排序目标不同,候选评价的重点就可能不同。
第二步:确定候选对象范围。
候选对象可以是资源、语义单元、知识元素、主张或证据,但必须明确当前排序所针对的对象层次。
不能把资源层面的排序结果直接当成事实主张层面的排序结果。例如,一份文件可能与任务高度相关,但其中某一段内容可能与目标主张无关。
第三步:检查必要条件。
在计算或使用综合分数之前,先检查当前任务的关键条件。
必要条件明确不满足的候选对象,应当按照任务规则排除、降级或转入其他处理路径;必要条件未知的候选对象,应当保留未知状态,不能直接视为合格。
第四步:形成多维评价结果。
依据当前任务所需的指标,对候选对象进行分别评价,保留各项结果及其依据。
第五步:应用排序规则。
根据当前任务选择合适的排序方式。可以使用综合分数,也可以采用分层排序、规则优先级、条件分组或其他能够解释的排序机制。
第六步:形成排序结果。
输出候选对象的顺序、分组、处理状态及必要的排序理由。对于无法区分优先级的候选对象,可以保留同级结果,而不是为了形成严格顺序而制造没有依据的差异。
第七步:进入后续处理。
排在前面的候选对象可以优先进入内容解析、知识对应、证据核验或其他适当流程。排序本身不代表后续处理已经完成。
第八步:根据反馈重新排序。
当新的资源、知识、证据、需求条件或评价规则出现时,系统应重新检查相关候选对象的评价结果,并在必要时更新排序。
这一过程使候选排序成为动态语义库中的可追溯运算,而不是一次性生成后永久不变的列表。
24.9 候选排序的主要方法
多维相关性评价不要求所有候选对象都采用同一种排序方法。根据任务性质,可以使用以下方法。
24.9.1 综合分数排序
当评价指标已经统一到可比较的尺度,权重也具有明确依据时,可以按照综合评分从高到低排列候选对象。
这种方法适用于需要快速处理大量候选对象的场景。
但综合分数必须保留分项评价依据,不能只保存一个最终数字。否则,系统无法解释候选对象为何排在某个位置,也难以在条件变化时准确更新结果。
24.9.2 必要条件优先排序
对于存在明确准入条件的任务,应先按必要条件区分候选对象,再对符合条件的候选对象进行进一步排序。
例如,可以把候选对象分为:
-
必要条件已满足;
-
必要条件尚未确定;
-
必要条件明确不满足。
在具体任务中,这些类别是否进入同一排序序列,应由任务规则确定。未知状态不能被无条件排在已满足状态之前,也不能被直接等同于明确不满足状态。
24.9.3 分层排序
分层排序是先依据任务约束或关键语义关系划分候选对象,再在各层内部执行排序。
例如,在认证核验任务中,可以先区分对象对应情况,再区分资料是否包含直接认证信息,最后比较时间范围和来源可追溯性。
分层排序能够避免一个非关键指标的高分掩盖核心条件缺失。
但分层规则必须有任务依据。如果把某项指标固定设为所有任务的第一排序标准,就会重新引入僵化的评价逻辑。
24.9.4 规则优先级排序
当任务具有明确的处理规则时,可以根据规则决定候选对象的优先级。
例如,任务可能规定:先处理能够直接对应目标对象的记录,再处理用于解释背景关系的资料;先处理能够核验当前状态的证据,再处理仅用于描述历史情况的资料。
规则优先级适合需要明确业务逻辑和执行顺序的任务。
规则本身也应当具有适用范围、判断依据和版本记录,避免规则发生变化后,系统仍使用旧规则形成排序。
24.9.5 同级排序与不确定排序
当多个候选对象在现有信息下无法区分优先级时,系统应当允许它们处于同一排序层级。
如果某些指标未知,或者候选对象之间存在尚未解决的冲突,系统可以标记为“排序依据不足”“需要补充信息”或其他符合实际任务的状态。
这种方式比强制生成从第一名到最后一名的严格序列更符合结构智能的运算原则。
排序的目标是支持正确处理,而不是追求形式上的完整排名。
24.10 候选排序中的冲突处理
多维评价可能产生看似矛盾的结果。
例如,候选资料甲与目标对象高度对应,但来源记录不完整;候选资料乙来源清楚、内容完整,却没有明确对应目标对象。
如果只看对象对应,甲可能优先;如果只看来源可追溯性,乙可能优先。
此时不能简单地选择一个总分较高者,而应当先明确当前任务最关键的约束是什么。
如果任务要求先确认具体对象,甲可能更适合作为进一步核验的候选,但来源问题仍然需要处理。
如果任务要求直接取得可追溯的证据,乙可能更适合用于背景分析,却不能因此被认定为目标对象的直接证据。
因此,冲突处理至少需要区分:
-
指标之间的真实冲突;
-
指标衡量对象不同而造成的表面冲突;
-
必要条件与参考指标之间的优先级冲突;
-
现有信息不足造成的排序不确定;
-
评价规则本身不明确或相互矛盾。
只有先明确冲突类型,系统才能决定是调整排序规则、补充知识、获取新资源,还是暂停当前判断。
候选排序不应掩盖冲突,而应当把冲突转化为可以进一步处理的语义问题。
24.11 排序结果的解释与追溯
候选排序必须能够回答三个基本问题:
为什么这个候选对象排在前面?
它在哪些方面满足了当前任务要求?
它还有哪些条件未满足,或者哪些问题尚未确定?
因此,排序结果的工程表达不应只包含对象及其名次,还应当能够关联以下信息:
-
当前排序对应的需求与目标;
-
候选对象的身份及其来源;
-
实际使用的评价维度;
-
各项指标的判断结果;
-
必要条件的检查结果;
-
综合评价或排序规则;
-
未知状态与冲突情况;
-
形成排序时使用的知识及规则版本;
-
排序形成时间及后续更新原因。
这些内容是排序可解释性所需的信息类别,不是要求所有系统都建立一套名称固定、字段固定的数据表。具体存储方式应当由现有结构定义和工程需要决定。
排序解释还应当区分直接依据与推导依据。
直接依据来自候选内容本身及其可追溯记录;推导依据来自系统运用明确规则形成的判断。两者可以共同参与排序,但必须能够区分,不能将系统推导结果伪装成原始资料直接陈述的事实。
24.12 多维相关性评价与动态语义需求库的协同
多维评价和候选排序不是孤立过程,而是动态语义需求管理的重要组成。
动态语义需求库记录当前任务需要解决的问题、所需知识结构、必要条件、处理状态和完成要求。
动态语义库则围绕候选资源、语义单元、知识元素、语义关系及证据建立组织关系,并形成相关性评价结果。
两者之间形成双向协同。
当动态语义需求发生变化时,系统需要重新检查已有评价指标是否仍然适用。例如,原任务只是寻找产品背景资料,后来变为核验产品当前认证状态,排序重点就应从背景相关性转向对象对应、时间适用性和证据用途。
当候选资料补充了新的知识或证据时,系统也应检查需求是否已经部分满足,是否还存在缺失条件,以及是否需要生成新的语义需求。
如果所有候选资料都不能满足必要条件,系统不应强行选择一个“最高分候选”作为最终答案,而应识别缺口并生成进一步获取资源或核验信息的需求。
由此形成以下处理链:
需求明确 → 目标结构确定 → 候选对象发现 → 多维评价 → 必要条件检查 → 候选排序 → 后续处理 → 反馈 → 需求更新。
这条链路体现了结构智能的基本思想:评价结果必须进入后续运算和任务处理,而不是停留在一个分数或列表上。
24.13 多维相关性与事实核验的边界
多维相关性指标可以帮助系统发现值得处理的资料,却不能直接证明其中的事实主张成立。
必须区分以下四个层次。
相关性回答候选内容与当前目标是否存在有意义的联系。
证据适用性回答候选内容是否适合用于支持、反驳或限定某项具体主张。
证据充分性回答现有证据是否满足当前核验规则规定的要求。
事实核验回答在明确对象、时间、条件和证据依据下,当前主张能够形成什么结论状态。
这四个层次彼此关联,但不能互相替代。
一份资料可能与目标高度相关,却不包含任何能够直接支持目标主张的证据。一份证据可能具有较强的证明作用,但仅适用于特定时间或对象。一组资料可能覆盖了大部分目标信息,却仍然缺少某项必要证明。
因此,候选排序完成后,系统仍然需要按照任务要求执行后续核验。
即使某个候选对象在多维评价中排名第一,也只能说明它在当前规则下具有较高的处理优先级。最终结论仍需根据相应的证据关系、适用条件和核验规则形成。
24.14 多维相关性指标与结构智能运算体系
多维评价与候选排序可以由 WSaiOS-SI 的基础运算协同完成,但不能把所有工作都归结为一个评分函数。
比较():比较目标与候选对象在对象身份、属性、值、关系、时间和条件等方面的差异。
计算():依据明确的指标定义和规则计算相关性分项结果、覆盖程度或综合分数。
判断():依据必要条件、适用规则和当前状态,判断候选对象是否满足特定要求。
匹配():识别候选对象与目标结构之间的对应关系,包括完全对应、部分对应、补充对应、冲突对应和未知对应等情况。
概率():在具有明确概率对象、依据和解释范围时,对相应的不确定性进行概率表达。概率不能直接替代相关性,也不能把综合相关性分数未经校准就解释为事实为真的概率。
排序():依据当前任务的评价结果、约束规则和优先级规则形成候选处理顺序。
验证():检查评价规则、对应关系、计算结果和排序过程是否符合其定义及适用条件。
这些运算可以组成相互协作的过程,但不要求每项任务都以固定顺序调用全部运算。具体过程应当由任务结构和处理目标决定。
例如,若候选对象已经明确不满足某项必要条件,系统可能不必继续计算所有非关键指标;若当前任务只需要发现潜在关联,则可以先完成匹配和初步排序,再对重点候选对象执行深入验证。
这体现了 WSaiOS-SI 中运算与方法之间的区别:运算是对特定问题执行的逻辑操作,方法则是根据任务目标组织多个运算、条件判断和后续行动的处理方案。
24.15 工程示例:电动牙刷认证资料的多维评价与排序
假设动态语义需求库收到一项任务:
核验某一具体型号的电动牙刷,在指定时间范围内是否具有某项认证,并要求结论能够追溯到相应依据。
系统首先从任务中识别目标对象、待核验主张、时间范围、认证要求及证据要求。这些内容来自当前任务,而不是预设的电动牙刷行业字段模板。
随后,系统发现三类候选资料。
候选资料甲:产品介绍页面。
页面包含产品名称、部分产品参数和认证相关文字,但没有足够信息明确对应目标型号,也没有可核验的认证记录。
其评价结果可能是:产品类别相关性较高,部分属性信息具有参考价值;目标对象对应尚未确定;直接证据用途不足。
候选资料乙:认证信息记录。
记录包含产品型号、认证编号及状态信息,但当前还需要检查来源、有效时间和认证范围。
其评价结果可能是:目标对象对应较强,认证属性对应较强;时间适用性和来源可靠性仍需核查;适合作为重点核验候选。
候选资料丙:认证机构公开发布的文件。
文件能够追溯到明确的发布来源,并包含认证对象及相关记录,但仍需检查文件中的具体产品型号、认证范围和有效状态是否符合任务要求。
其评价结果可能是:来源可追溯性较强,认证用途适配程度较高;最终对象对应和事实支持作用仍需根据文件内容核查。
系统不能仅凭上述描述直接宣布乙或丙已经证明认证成立。合理的处理方式是先检查必要条件,再结合各维度评价确定后续处理顺序。
如果候选资料丙能够明确对应目标型号并覆盖任务要求的时间范围,它可能优先进入证据核验流程;候选资料乙可以用于交叉核对记录;候选资料甲则可以补充产品背景,但不应被直接当作认证成立的证明。
如果候选资料乙与丙对认证状态的描述存在冲突,系统应当建立冲突关系,检查记录时间、认证范围、来源依赖及其他适用条件,而不是通过简单取平均分数来消除矛盾。
如果所有资料都没有提供足以判断当前认证状态的信息,系统应当保留“证据不足”或其他符合实际情况的结论状态,并产生进一步检索或核验需求。
这个示例说明,多维相关性评价与候选排序的目标不是尽快挑选一个看起来最好的资料,而是使后续处理能够更准确地识别对象、利用证据、发现缺口并形成可追溯结论。
24.16 工程实现原则与动态更新机制
在工程实现中,多维相关性指标和候选排序必须服从 WSaiOS-SI 的结构定义、任务规则和动态知识管理机制。
首先,评价指标应当根据真实需求动态确定。不能把某一行业的固定字段列表直接写入通用相关性计算逻辑,也不能假设所有任务都必须使用同样的指标及权重。
其次,指标计算必须有明确依据。系统应当能够说明某项指标为什么得到当前结果,哪些信息参与了判断,哪些信息仍然未知。
再次,评分与约束必须分开处理。必要条件、禁止性条件和风险约束不能被综合评分随意抵消。
第四,排序规则必须具有可追溯性。系统应当能够识别本次排序采用了什么规则,以及规则变化是否影响已有候选顺序。
第五,候选排序必须支持动态更新。出现以下情况时,应当检查是否需要重新评价:
-
动态语义需求的目标或范围发生变化;
-
新增候选资源或新的语义单元;
-
目标对象的身份对应关系发生变化;
-
新增证据改变了候选资料的适用程度;
-
原有资料发生更新或失效;
-
时间条件或其他适用条件发生变化;
-
评价指标、必要条件或排序规则发生变化;
-
原有候选之间出现新的冲突。
第六,更新不能只覆盖当前分数。系统应当保留必要的历史结果,使后续能够区分候选对象自身发生变化、任务条件发生变化和评价规则发生变化这几种情况。
第七,排序结果不能直接取代认知、决策和执行。排序只是结构智能处理链中的一个运算环节,其结果必须结合当前任务、知识状态、证据状态和执行条件进入后续方法。
第八,系统应当允许无法排序、同级排序和暂缓排序。信息不足时,明确表达不确定性比制造没有依据的排名更重要。
24.17 本章总结
多维相关性指标与候选排序,是动态语义库将语义联系转化为可计算、可比较和可执行处理顺序的重要机制。
多维评价通过目标对象对应、属性对应、属性值对应、语义关系对应、条件适用、信息覆盖、语义明确程度、时间匹配、来源可追溯性和任务用途适配等维度,描述候选对象与当前任务之间的不同联系。
这些维度不是所有任务都必须采用的固定字段,而是根据需求、结构定义和判断规则动态选择的评价依据。
候选排序则根据多维评价结果、必要条件、风险约束和任务优先级,确定候选对象的处理顺序。排序可以采用综合评分、必要条件优先、分层排序、规则优先级或同级排序等方法,但必须保持依据可解释、状态可区分、规则可追溯。
本章的核心结论是:
相关性评价解决候选对象与目标之间的语义联系如何判断;多维指标解决这种联系应当从哪些方面评价;候选排序解决在当前任务条件下应当优先处理什么。三者共同服务于动态语义库,但都不能代替证据充分性判断与事实核验。
在 WSaiOS-SI 的整体体系中,多维相关性评价与候选排序连接了动态语义需求、外部资源发现、知识结构对应、证据核验和后续处理。它们使系统能够根据实际需求组织运算,并通过反馈持续调整知识获取和处理过程,而不依赖大模型逻辑,也不依赖固定行业字段模板。
下一章可进一步研究语义相关性评价规则的形成、指标权重的确定、规则适用条件以及相关性评价机制的动态调整。