《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34章 外部资源与语义单元的数据组织
34.1 外部资源与语义单元的数据组织问题
动态语义库需要持续获取外部信息,以补充知识、发现关系、核验事实、识别冲突并响应不断变化的语义需求。但外部信息并不是天然可以直接用于结构智能运算的知识。
网页、文档、公告、标准、数据库记录、公开接口返回的数据,以及外部 AI 系统给出的回答,都属于可能需要处理的外部材料。它们在内容形式、来源性质、表达方式、完整程度、适用条件和可信程度方面存在明显差异。
如果系统只是把获取到的内容保存为文本,后续处理仍然需要反复面对同样的问题:内容来自哪里,描述什么对象,表达什么主张,包含哪些条件,能够支持什么判断,与已有知识是什么关系,以及是否需要进一步核验。
如果系统直接把外部内容转换成所谓的事实,又会把信息获取、语义识别和事实确认混为一谈,使未经核验的内容进入知识体系,造成错误关联、错误判断和错误决策。
因此,动态语义库需要建立外部资源与语义单元之间的数据组织机制。
外部资源负责承载、提供和记录信息材料;语义单元负责从材料中识别具有特定语义意义的内容,并使这些内容能够与对象、属性、关系、条件、证据和现有知识建立联系。
两者既相互关联,又不能相互替代。
本章的核心原则是:外部资源提供信息依据,语义单元表达可识别的语义内容,结构关系使语义内容能够参与运算,验证机制决定这些内容在特定任务中可以被如何使用。
这一机制不依赖大模型逻辑,也不依赖固定行业字段模板,而是依据实际需求、资源内容和已有结构,动态组织外部信息。
34.2 外部资源与语义单元的基本定义
34.2.1 外部资源的定义
外部资源,是指动态语义库从其内部知识体系之外获取、引用或接入的、可能为当前需求提供信息或证据的材料及其承载载体。
外部资源可以包括:
-
公开网页及网页中的特定内容;
-
政府公告、法规、标准和政策文件;
-
企业发布的产品资料、技术文档和声明;
-
公开数据库中的记录;
-
通过合法公开接口获取的数据;
-
学术论文、研究报告及公开技术资料;
-
用户提供的外部文件;
-
外部 AI 系统生成的回答;
-
其他能够为特定需求提供候选信息的材料。
外部资源的判断依据是其在当前系统中的来源位置,而不是其内容是否可信。
一份权威机构发布的文件,对于当前系统而言仍然是外部资源;一份不可靠网页中的错误信息,同样可能作为外部资源被保存。
因此,外部资源的存在不代表其内容真实,来源权威也不代表其中每一项主张都自动适用于当前对象和任务。
外部资源首先是一种需要被管理和评价的信息材料。
34.2.2 语义单元的定义
语义单元,是指从外部资源或其他信息材料中识别出来、能够在特定语境下表达相对明确语义内容,并可参与后续结构组织与运算的基本语义材料。
语义单元可以表达一个事实主张、一个对象属性、一项规则、一种关系、一个事件、一项条件、一个状态、一种方法,或者其他与当前需求有关的语义内容。
例如,某份产品资料中表达了以下内容:
“该型号产品的额定输入电压为 5V。”
在适当保留上下文的情况下,可以将其识别为一个语义单元,涉及产品型号、额定输入电压、数值 5V 以及对应的来源位置。
但这个语义单元首先表达的是资料中的一项主张,不意味着该产品的真实输入电压已经得到独立验证。
如果该资料实际上描述的是另一个型号,或者该数值只适用于特定版本,那么脱离对象和条件的语义单元就可能产生误导。
因此,语义单元不能仅被理解为从长文本中切分出来的一段短文本。
它必须尽可能保留理解其语义所需的对象、关系、条件、上下文和来源联系。
34.2.3 外部资源与语义单元的区别
外部资源与语义单元之间存在明确的层次区别。
外部资源回答的是:
信息从哪里来,以什么形式存在,如何获取,以及如何追溯。
语义单元回答的是:
材料中表达了什么语义内容,这些内容涉及什么对象和关系,具有什么适用条件,以及可以参与什么后续处理。
一个外部资源可能包含大量语义单元。
一个语义单元也可能同时关联多个资源,例如同一项主张分别出现在不同网页、公告或文件中。
此外,资源本身还可能具有文件格式、访问地址、获取时间、内容版本和解析状态等特征,而语义单元则可能具有语义类型、对象对应、关系结构、核验状态和适用范围等特征。
两者的数据组织不能完全合并。
如果只保存语义单元而丢失资源来源,系统将无法可靠追溯其依据;如果只保存外部资源而不识别语义单元,系统又难以直接开展精细化知识处理。
因此,动态语义库必须同时管理资源及其语义内容,并建立二者之间可追踪的关联。
34.3 外部资源的数据组织原则
外部资源的数据组织不是简单地保存网址、标题和正文,而是为后续解析、语义识别、来源评价、重复识别、关系分析和验证建立基础。
34.3.1 来源可追溯原则
每项外部资源都应当具有能够被系统识别和追踪的身份信息。
根据资源类型,可以记录来源地址、发布主体、文档标识、文件位置、数据记录标识或其他能够定位资源的信息。
对于网页,还可能需要记录具体页面地址、相关内容位置及获取方式;对于文档,则可能需要记录文件标识、页码、章节或段落位置。
并非所有资源都具有统一的地址形式。因此,来源追溯机制应当根据资源的实际性质组织,而不是要求所有资源都必须具备网址。
资源标识的作用,是使系统能够区分不同资源,并在必要时重新获取、核对或引用相应材料。
34.3.2 原始材料与处理结果分离原则
外部资源的原始内容与系统处理后的结果必须区分。
原始材料用于保留实际获取到的内容;解析结果用于表示系统从材料中提取出的可处理内容;语义识别结果用于表示系统识别出的语义单元;验证结果则用于表达相关主张在特定规则和证据条件下的核验状态。
这些结果处于不同的处理阶段。
例如,系统成功下载一份文件,只能说明获取过程成功;系统成功解析文件,只能说明相应内容已被读取;系统从文件中识别出一项主张,也不能证明该主张真实。
如果将这些阶段合并,系统就可能把“获取成功”误认为“事实确认”,或者把“解析成功”误认为“知识成立”。
因此,外部资源应当保留原始材料与处理过程之间的联系,使每项后续结果都能够追溯到其实际依据。
34.3.3 资源身份与内容版本分离原则
资源身份与资源内容版本并不是同一概念。
同一个网页地址可能在不同时间发布不同内容;同一份文件可能存在多个修订版本;同一项公告可能被更新、撤回或替换。
如果系统仅以网址或文件名识别资源,就可能将新旧内容混为一谈。
因此,需要根据资源的实际情况区分:
-
资源的逻辑身份;
-
某次获取到的具体内容;
-
内容对应的版本或修订状态;
-
内容获取时间;
-
内容发布或生效时间;
-
已知的更新、撤回或替代关系。
上述信息并非所有资源都必须具备,但在影响结论适用性时,应当尽可能保留。
尤其需要注意,获取时间不等于发布时间,发布时间也不等于生效时间。
系统不能把这些时间统一解释为一个含义模糊的“更新时间”。
34.3.4 资源状态独立管理原则
外部资源需要具有自身的处理状态。
例如,资源可能处于待获取、获取成功、获取失败、解析中、解析成功、解析失败、内容已变化、访问受限或已撤回等状态。
这些状态应当根据具体资源类型确定。
资源状态与语义单元状态、证据状态和结论状态必须分开管理。
某个资源无法访问,不代表其内容必然错误;某个资源已经成功解析,不代表内容已经得到验证;某项资源被撤回,也不意味着其历史内容应当自动从系统中删除。
资源状态描述的是资源的获取、处理和可用情况,而不是直接描述其语义内容是否真实。
34.3.5 来源依赖关系可识别原则
不同外部资源可能存在转载、引用、共同原始来源、共同数据基础或其他依赖关系。
系统应当尽可能识别这些关系,避免把同一信息的重复传播误认为多份独立证据。
例如,十个网页都引用同一份公告,可能只反映一条原始信息被传播了十次。
这十个网页可以构成十项资源,但不能因此被视为十份相互独立的事实依据。
来源依赖关系应当作为资源组织的一部分,为后续证据质量分析和交叉验证提供支持。
无法确定来源之间是否独立时,应当保留未知状态,而不是默认独立。
34.4 语义单元的数据组织原则
语义单元是外部材料进入知识结构的重要接口。
如果语义单元组织不合理,后续匹配、关系判断、证据分析和事实核验都会受到影响。
34.4.1 语义独立性原则
语义单元应当具有足够明确的语义内容,使其能够被单独识别和关联。
但语义独立性不等于必须将每个句子拆成一个单元,也不意味着每个单元都能够脱离上下文理解。
例如:
“如果设备处于高温环境,电池续航时间可能缩短。”
如果仅提取“电池续航时间可能缩短”,就可能丢失高温环境这一关键条件。
相反,如果将整个章节合并成一个语义单元,又可能使不同对象、主张和条件难以分别处理。
因此,语义单元的划分应当以语义内容及其处理需要为依据。
当一个表达包含多个能够分别判断的主张时,可以考虑将其分解;当一个表达中的条件、否定、因果关系或限定语不可分割时,则应当保留必要的整体联系。
34.4.2 语境保留原则
语义单元必须保留理解其意义所需的上下文。
上下文可能包括:
-
所涉及的对象及其版本;
-
主张成立的时间;
-
适用范围;
-
条件与限制;
-
否定、例外和限定关系;
-
指代对象;
-
相关章节或前后文;
-
表达该内容的主体。
这些内容应当根据实际语义需要确定。
例如,“不适用于该型号”与“适用于该型号”只存在一个否定表达的差别,但二者的语义结果完全相反。
如果语义单元处理过程删除否定词,或者将限制条件从原文中剥离,就可能导致错误结论。
因此,语义单元组织应当优先保证语义完整,而不是一味追求文本长度最短。
34.4.3 对象明确原则
语义单元应当尽可能明确其描述的对象。
如果原文通过“该产品”“上述标准”“本公司”或其他指代表达对象,系统应当结合上下文判断其指向。
当存在多个可能对象时,应当保留候选对应或待确认状态。
不能因为某个对象与当前任务最相关,就直接认定它是原文所指对象。
对象明确性是后续属性匹配、关系判断和证据适用性分析的重要前提。
34.4.4 关系保留原则
语义单元不能只保存孤立的实体名称和属性值,还应当尽可能表达内容之间的关系。
例如:
“该产品通过某项测试,但测试结果不代表其满足全部适用要求。”
这一表达同时包含测试结果与整体符合性之间的限制关系。
如果系统只提取“产品通过测试”,就可能把局部测试结果错误地扩展为全面符合性结论。
因此,应当根据语义内容保留支持、限制、否定、条件、因果、比较、引用和其他相关关系。
关系的识别结果也需要区分明确关系、候选关系和待验证关系,不能因为系统识别出某种关系,就认定该关系已经在现实中成立。
34.4.5 原文与结构表达并存原则
语义单元应当尽可能同时保留原始表达和结构化解释。
原文用于核对系统是否准确理解材料;结构化表达用于执行匹配、比较、计算和验证。
两者之间应当保持可追溯关系。
如果后续发现结构化解释错误,系统可以重新分析原文,而不必重新寻找整份资源。
如果原文发生变化,系统也可以判断相关语义单元是否需要重新生成或核验。
34.5 外部资源的数据组织模型
从逻辑上看,外部资源可以按照资源身份、内容版本、获取记录、解析结果、来源关系和处理状态等方面进行组织。
可以将一个资源的逻辑表示抽象为:
其中:
-
\(R\):外部资源的逻辑对象。
-
\(I\):资源身份。
-
\(V\):资源内容版本或修订信息。
-
\(C\):获取到的原始内容或其可追溯引用。
-
\(L\):资源定位信息。
-
\(P\):来源主体及发布相关信息。
-
\(D\):获取、解析及相关处理记录。
-
\(S\):资源当前的处理与可用状态。
-
\(H\):资源历史及其与其他资源的关系。
上述表达用于解释资源数据的组织维度,并非固定数据库字段清单。
不同资源可能缺少某些信息,也可能需要其他专门信息。例如,网页可能需要内容位置,标准文件可能需要版本和条款编号,数据库记录可能需要记录标识和查询条件。
系统应当依据资源实际性质决定如何组织数据。
对于尚未获取到完整内容的资源,可以先建立资源候选记录,并标明获取状态;对于内容已经发生变化的资源,应当保留能够区分不同版本的必要信息;对于已撤回的资源,则应当记录撤回状态及相关依据。
资源模型的重点不在于字段数量,而在于确保资源身份、实际内容、来源信息和处理状态之间具有明确联系。
34.6 语义单元的数据组织模型
语义单元的数据组织应当围绕语义内容、对象关系、条件范围、来源依据和处理状态展开。
可以将一个语义单元抽象表示为:
其中:
-
\(U\):语义单元。
-
\(M\):语义内容及其原始表达。
-
\(O\):相关对象及对象对应信息。
-
\(R\):语义单元涉及的关系。
-
\(C\):成立条件、限制条件及适用范围。
-
\(T\):时间信息。
-
\(E\):来源及证据关联。
-
\(S\):语义识别、匹配或验证等处理状态。
-
\(H\):版本及历史关系。
这个模型同样属于理论抽象,不要求所有语义单元都具有相同的固定字段。
对于表达一个产品属性值的单元,属性和数值可能是关键内容;对于表达一项规则的单元,适用范围、条件和规则版本可能更重要;对于表达一个事件的单元,事件主体、发生时间和相关对象之间的关系可能更重要。
某些语义单元尚不能确定具体对象,也可能尚未找到充分证据。系统应当允许这些内容以候选状态或未知状态存在。
语义单元的数据组织应当能够回答以下问题:
这项内容表达什么?
它涉及什么对象?
它与其他内容存在什么关系?
这些关系是在什么条件下成立?
内容来自哪里?
系统对其进行了什么处理?
哪些结论可以使用它?
它发生变化后会影响哪些知识或需求?
如果这些问题无法回答,系统就应当明确指出缺失的部分,而不是把语义单元包装成已经完整的事实。
34.7 外部资源与语义单元的关联组织
外部资源与语义单元之间通常存在多对多关系。
一个资源可能包含多个语义单元;一个语义单元也可能关联多个资源。
因此,二者之间不应当只建立一个简单的“资源对应一个语义单元”的关系。
34.7.1 一个资源对应多个语义单元
例如,一份产品技术文档可能包含产品型号、技术参数、使用条件、警告信息和测试结果等内容。
系统可以根据实际处理目标,从中识别多个语义单元。
这些语义单元应当分别关联到原始资源中对应的内容位置。
这样,后续需要核验某项技术参数时,系统可以定位到具体的原始材料,而不必把整份文档作为一个不可分割的知识对象处理。
34.7.2 多个资源对应同一语义主张
不同网页或文档可能表达同一项主张。
系统可以识别它们在语义内容上的对应关系,并将其组织为同一主张的多个来源表达。
但需要注意,语义内容相同不意味着来源独立,也不意味着这些表达都是真实的。
因此,系统应当保留各来源的独立记录、原文位置和依赖关系,而不能只保留一条合并后的文本并删除全部来源信息。
34.7.3 一个资源支持多个不同主张
同一资源可能包含多个相互独立的主张,也可能同时包含支持和限制某项结论的内容。
系统不能因为资源整体被认为具有较高可信度,就默认其全部语义单元都具有同样的证据效力。
应当根据具体主张判断相应内容的适用性。
34.7.4 一个语义单元关联多个证据
一个语义主张可能需要多项材料共同支持。
例如,某项产品属性的判断可能涉及产品说明书、检测报告和具体型号记录。
系统需要明确各材料分别支持什么内容,以及它们之间是否存在依赖关系。
多份材料并不一定构成多份独立证据,也不一定共同支持同一个结论。
因此,关联组织应当保留证据与主张之间的具体关系,而不是仅记录“存在多个来源”。
34.7.5 关联关系本身也需要管理
资源与语义单元之间的关联可能经历创建、确认、修正和撤销等变化。
例如,初次解析时,系统可能将某段内容关联到一个候选对象;后续发现原文中的指代实际指向另一个对象,就需要修正关联关系。
系统应当保留重要关联变化的依据,避免错误关联在后续知识复用过程中持续传播。
34.8 外部资源与语义单元的处理状态分离
外部资源、语义单元、证据和结论处于不同的处理层次,因此需要分别管理状态。
以下表格说明这些状态之间的区别。
| 管理对象 | 主要回答的问题 | 状态示例 |
|---|---|---|
| 外部资源 | 资源是否获取、解析和可用? | 待获取、获取成功、解析失败、内容已变化 |
| 语义单元 | 内容是否已识别、理解和建立对应? | 待识别、候选、已识别、对象待确认 |
| 证据关系 | 材料是否适用于支持或反驳某项主张? | 待评估、部分支持、不适用、关系待确认 |
| 事实主张或结论 | 在当前证据与规则下,主张处于什么核验状态? | 待核验、证据不足、得到支持、已确认、存在冲突 |
表中的状态仅用于说明逻辑区别,并不是要求工程系统固定采用这些状态名称。
尤其需要避免以下错误推断:
资源获取成功,不代表语义单元识别正确。
语义单元识别成功,不代表对象匹配正确。
对象匹配成功,不代表材料能够支持当前主张。
材料与主张相关,不代表证据充分。
证据得到支持,也不意味着所有适用条件下的结论都已经确认。
状态分离使系统能够明确识别处理过程中的真实进展与剩余问题。
34.9 外部资源与语义单元的动态更新
动态语义库不仅需要组织当前资源和语义单元,还需要处理资源内容变化、语义解释修正和知识关系演化。
资源更新与语义单元更新不能被视为同一个动作。
当资源内容发生变化时,系统应当识别哪些语义单元可能受到影响。
当语义单元的对象对应、关系或适用条件发生变化时,系统还需要判断相关知识、证据关系、结论和需求是否需要重新处理。
例如,一份技术文档更新了某款产品的规格参数。
系统首先应当确认获取到的是原有资源的新版本,还是一个新的资源对象。
随后,应当比较新旧内容,识别实际发生变化的语义部分。
如果某项参数发生变化,系统需要检查依赖该参数的知识结构、产品比较结果和相关需求。
如果文档仅修改了不影响目标判断的描述,系统就不必重新处理所有相关知识。
如果文档更新改变了关键适用条件,则应当识别可能需要重新核验的主张。
这种处理方式使资源更新能够沿着明确的语义关系传播,而不是依赖全库无差别刷新。
34.9.1 更新类型
外部资源与语义单元的变化可以包括:
-
新资源进入;
-
已有资源内容更新;
-
资源访问状态变化;
-
资源被撤回或替代;
-
新语义单元被识别;
-
旧语义单元被拆分或合并;
-
对象对应关系发生变化;
-
语义关系得到补充或修正;
-
适用条件发生变化;
-
来源依赖关系得到确认;
-
原有证据关联失效;
-
相关主张需要重新核验。
这些变化的影响范围不同,系统应当根据变化性质确定后续处理,而不能统一采取覆盖旧数据的方式。
34.9.2 更新历史与版本关联
对于重要变化,系统应当保留必要的版本关系和变更依据。
原始资源的历史版本、语义单元的修订记录和相关结论的历史状态,可以相互关联,但不应当被混为同一份记录。
例如,语义单元的修订可能来自资源内容更新,也可能来自系统发现原有语义解释错误。
前者属于源材料发生变化,后者属于系统对已有材料的解释发生变化。
区分这两种情况,有助于定位问题发生在哪个环节,并防止把解释修正误认为外部事实发生了变化。
34.10 外部资源与语义单元的重复识别
重复识别是资源数据组织与语义单元数据组织之间的重要联系。
但资源重复与语义重复并不是同一个问题。
34.10.1 资源重复
资源重复是指系统获取到的多个资源记录,实际上可能对应同一资源、同一内容版本或同一份材料。
例如,同一网页通过不同入口被多次获取,或者同一文件以不同文件名重复保存。
资源重复识别有助于减少不必要的重复处理,但系统仍需保留必要的来源和获取记录。
34.10.2 语义单元重复
语义单元重复是指多个语义单元表达相同或高度重合的语义内容。
重复可能来自:
-
同一资源中的重复表达;
-
不同资源中的直接转载;
-
不同文字对同一主张的表达;
-
多个来源对同一结论的重复引用;
-
系统在不同时间重复提取同一内容。
语义重复识别不能只依赖文字是否完全相同。
两段文字即使表达不同,也可能具有相同的语义目标;反之,两段文字即使非常相似,也可能因为对象、时间、否定或条件不同而表达不同的主张。
34.10.3 重复合并的边界
系统可以为相同语义内容建立统一的语义视图,但不应因此删除全部原始表达和来源关系。
尤其当不同来源具有不同的发布时间、适用条件、对象范围或证据价值时,这些差异可能直接影响判断。
例如,同一产品的两份资料都出现“符合某项要求”的表述,但一份针对旧型号,另一份针对新型号。即使文本高度相似,也不能直接将二者合并为一项不区分型号的结论。
因此,重复识别应当先判断语义内容是否一致,再判断是否可以合并其知识表达,同时保留必要的来源差异和条件差异。
去重的目标是减少无意义的重复处理,而不是消除可能影响事实判断的差异。
34.11 外部资源与语义单元的数据组织实例
假设动态语义库需要处理一项需求:
“核实某款电动牙刷的额定电压,并判断现有资料是否能够支持该参数。”
系统获取了三个外部资源:
第一份是企业产品说明书。
第二份是某经销商发布的产品页面。
第三份是另一份产品技术资料。
系统不能因为三份资源都提到相同型号和相同电压,就直接把参数认定为已经确认的事实。
首先,系统分别建立资源记录,保留来源、获取时间、具体内容版本和相关原文位置。
其次,从各资源中识别相关语义单元,例如:
-
资源一表达该型号产品的额定输入电压;
-
资源二表达经销商页面所列的产品参数;
-
资源三表达技术资料中对应型号的电气参数。
接下来,系统需要核对三个语义单元所描述的对象是否确实一致。
如果其中一份资料没有明确型号,系统应当保留对象对应的不确定性。
如果两份资料实际引用同一份企业说明书,则需要记录来源依赖关系,不能把两份材料当作完全独立的依据。
如果三份材料描述的是不同版本,系统应当保留版本差异,不能简单合并。
随后,系统分析各材料与待核实主张之间的关系,判断它们是直接支持、间接支持、仅提供线索,还是因为对象或条件不一致而暂时不适用。
如果材料能够相互印证,但都缺乏足够的对象识别信息,系统仍然不能直接认定参数已经确认。
如果一份材料明确描述目标型号,而另一份材料对应其他型号,则应当将其作为对象不一致的情况处理,而不是简单统计两种参数各出现了多少次。
最终,系统可能形成以下结果:
-
目标型号与参数之间的对应关系已经得到充分支持;
-
参数存在多个候选值,需要补充型号或版本信息;
-
多份资料实际上依赖同一原始来源,独立支持程度有限;
-
部分资料与目标对象不一致,不能用于当前判断;
-
当前证据不足,暂时无法确认参数。
该实例说明,外部资源与语义单元的数据组织,不是简单地把多个来源的内容放在一起,而是建立资源、语义主张、对象、条件、证据和核验状态之间的明确联系。
这一机制同样适用于标准核验、供应商信息分析、软件技术资料处理、公开政策研究和其他动态知识任务。
34.12 外部资源与语义单元的数据组织与 WSaiOS-SI 的关系
外部资源与语义单元的数据组织,是 WSaiOS-SI 从外部信息进入内部结构化知识体系的重要环节。
从结构理论看,外部资源提供可处理的信息材料,语义单元使材料中的内容能够被识别为具有特定语义意义的元素,而对象与关系组织则使这些元素形成可以参与运算的结构。
从 EOM 角度看,语义单元涉及的元素、对象和方法需要形成明确联系。系统不仅需要识别某项内容是什么,还需要判断它属于什么对象、与其他内容存在什么关系,以及在什么条件下可以采用相应方法处理。
从知识形成过程看,外部资源的获取并不意味着知识已经形成。系统还需要经历资源解析、语义识别、结构建立、对象匹配、关系判断、证据关联和必要验证等过程。
从运算体系看,资源和语义单元为比较、计算、判断、匹配、概率、排序和验证提供输入,但每种运算都需要满足自身条件。
从动态演化看,外部资源的变化可以触发语义单元更新,语义关系的变化可以影响已有知识结构,知识结构的变化又可能产生新的需求。
因此,资源与语义单元之间的组织关系应当服务于完整的结构智能链条:
需求 → 知识 → 结构 → 运算 → 能力 → 认知 → 决策 → 方法 → 执行 → 反馈 → 学习 → 演化 → 新需求。
在这一链条中,外部资源与语义单元主要承担信息进入、语义识别和结构化知识形成的基础职责,但它们并不等于整个知识体系,更不等于认知、决策或执行能力本身。
34.13 外部资源与语义单元的数据组织的适用边界
本章提出的数据组织机制,不能被理解为只要完成资源采集与语义切分,就可以自动获得正确知识。
首先,资源可访问性不代表资源可信度。资源是否能够获取,与其发布主体是否可靠、内容是否真实是不同问题。
其次,语义识别成功不代表语义解释一定正确。指代、否定、条件和对象映射都可能出现错误,需要保留原文和修正机制。
再次,语义单元与需求相关,不代表其内容能够直接作为证据。相关性只表明内容与目标存在一定联系,证据效力仍然需要根据主张、对象、条件和规则判断。
此外,多来源一致不能自动证明事实成立。如果多个来源依赖同一原始材料,它们之间的表达一致可能只是重复传播的结果。
同样,多个来源之间存在差异,也不能直接认定其中一方错误。差异可能来自对象不同、版本变化、适用条件不同、统计口径不同,或者实际存在尚未解决的事实冲突。
最后,动态更新也不意味着系统能够在任何时刻掌握全部最新事实。资源可能无法访问,外部发布可能存在延迟,部分信息可能缺乏公开证据。因此,系统必须能够表达当前未知、暂时无法获取、尚未核验和存在冲突等状态。
本章的数据组织机制所要解决的,是如何使外部材料及其语义内容具有清晰的身份、结构、关系和追溯路径,从而为后续知识运算提供可靠的处理基础,而不是通过组织形式本身保证事实正确。
34.14 本章总结
外部资源与语义单元的数据组织,是动态语义库从外部材料获取知识候选内容,并将其转化为可识别、可关联、可运算和可追溯的语义结构的关键机制。
本章确立以下结论。
第一,外部资源与语义单元承担不同职责。资源负责承载和提供信息材料,语义单元负责表达材料中的具体语义内容。
第二,资源、语义单元、证据和结论属于不同的逻辑对象,必须分别组织和管理,不能相互替代。
第三,外部资源应当保留必要的身份、来源、内容版本、获取记录、处理状态和历史关系,以支持来源追溯和变化分析。
第四,语义单元应当根据语义内容进行划分,保留理解内容所必需的对象、关系、条件、时间、上下文和原始表达。
第五,资源与语义单元之间需要建立可追踪的多对多关系,使每项语义内容能够关联到其实际来源,并使每项资源能够支持相应的语义分析。
第六,资源获取状态、语义识别状态、证据状态和结论状态必须分开管理,防止处理成功被错误地理解为事实确认。
第七,资源更新、语义解释修正和知识结论变化属于不同类型的变化,应当分别记录,并根据实际依赖关系判断影响范围。
第八,资源重复与语义重复必须分别识别。语义合并不能破坏来源差异、对象差异、时间差异和适用条件。
第九,数据组织应当为后续匹配、比较、判断、计算和验证提供明确的结构基础,但不能代替证据评价和事实核验。
第十,整个机制应当根据实际需求与语义结构动态运行,不依赖固定行业字段模板,也不使用大模型逻辑作为语义组织的基础。
本章的核心结论是:外部资源提供可追溯的信息材料,语义单元形成可处理的语义内容,二者通过明确的来源、对象、关系、条件和状态关联,构成动态语义库进行知识组织与验证运算的基础结构。