WSaiOS EOM模拟人工认知工程理论
第十九章：认知匹配理论——知识库如何形成理解能力
19.1 为什么研究认知匹配
前面的章节建立了EOM人工认知结构：
信息
↓
元素
↓
对象
↓
关系
↓
知识
↓
方法
↓
行动
↓
经验
↓
记忆但是：
知识保存以后，并不代表系统具有认知能力。
例如：
知识库中保存：
供应商A
生产电动牙刷
位于深圳
具有OEM能力这些只是：
信息结构。
当用户提出：
寻找美国市场电动牙刷供应商系统需要回答：
哪些知识与当前需求有关？
为什么相关？
如何选择？
这个过程：
就是：
认知匹配（Cognitive Matching）
19.2 什么是认知匹配
传统搜索：
匹配关键词。
例如：
搜索：
电动牙刷供应商寻找：
包含这些文字的信息。
但是：
人的理解不是关键词匹配。
人看到：
寻找牙刷厂家可以理解：
牙刷供应商
OEM工厂
生产企业
制造商因为：
人匹配的是：
意义。
因此EOM定义：
认知匹配是基于对象、关系、属性、状态和经验，对信息进行意义关联的过程。
模型：
Cognitive Matching
=
Object
+
Relationship
+
Context
+
Memory19.3 关键词匹配与认知匹配区别
关键词匹配
结构：
输入文字
↓
查找相同文字
↓
返回结果特点：
关注：
字符串。
认知匹配
结构：
输入需求
↓
形成需求对象
↓
分析对象属性
↓
寻找相关对象
↓
分析关系
↓
结合经验
↓
形成结果特点：
关注：
意义关系。
19.4 需求对象形成
用户输入：
寻找美国电动牙刷供应商首先：
不是直接搜索。
而是形成：
需求对象。
结构：
Demand Object
{
产品:
电动牙刷
角色:
供应商
地区:
美国
目标:
采购
}这个对象：
代表用户认知需求。
19.5 知识对象匹配
知识库：
保存：
对象。
例如：
供应商对象：
Supplier Object
{
名称:
A公司
产品:
电动牙刷
地区:
深圳
能力:
OEM
认证:
FDA
}系统比较：
需求对象：
美国
电动牙刷
供应商供应商对象：
深圳
电动牙刷
OEM产生：
匹配关系。
19.6 属性匹配
对象匹配：
首先比较属性。
例如：
需求：
产品:
电动牙刷供应商：
产品:
电动牙刷匹配：
成功。
模型：
Attribute Matching
=
Demand Attribute
+
Object Attribute例如：
产品
地区
认证
产能
价格19.7 关系匹配
仅属性匹配：
还不够。
因为：
对象之间关系更重要。
例如：
两个厂家：
A：
生产电动牙刷B：
生产电池虽然都有：
“电子产品”。
但是：
关系不同。
EOM分析：
供应商
↓
生产
↓
产品关系决定：
是否理解。
19.8 上下文匹配
对象不能脱离环境。
例如：
“苹果”。
可能：
水果苹果也可能：
苹果公司区别：
来自：
上下文。
因此：
认知匹配需要：
Object
+
Context公式：
Match
=
F(Object, Context)19.9 记忆参与认知匹配
同一个对象：
不同经验：
产生不同判断。
例如：
两个供应商：
供应商A：
历史：
成功合作20次供应商B：
历史：
失败多次即使属性相同。
系统也会：
优先选择A。
因为：
调用：
长期记忆。
模型：
Final Match
=
Knowledge Match
+
Experience Weight19.10 概率匹配
现实不存在绝对判断。
因此：
EOM引入：
概率记忆。
例如：
供应商A：
属性匹配：
90%
经验成功：
85%
综合：
认知匹配度：
87%模型：
Match Score
=
Attribute
+
Relation
+
Experience
+
Probability19.11 Cognitive Matching Engine设计
WSaiOS设计：
认知匹配引擎。
结构：
Cognitive Matching Engine
|
----------------------
Object Matcher
Relation Matcher
Context Matcher
Memory Matcher
Score Calculator
----------------------
Object Matcher
对象匹配。
判断：
是不是同类对象。
Relation Matcher
关系匹配。
判断：
是否存在有效关系。
Context Matcher
上下文匹配。
判断：
当前环境。
Memory Matcher
经验匹配。
调用历史。
19.12 PHP OOP实现
匹配引擎：
class CognitiveMatcher
{
public function match($demand,$object)
{
}
public function score()
{
}
}对象匹配：
class ObjectMatcher
{
public function compare($a,$b)
{
}
}关系匹配：
class RelationMatcher
{
public function analyze($relation)
{
}
}19.13 MVC中的认知匹配流程
用户：
输入：
寻找供应商Controller：
接收。
调用：
CognitiveMatcher流程：
Controller
↓
Demand Object
↓
Knowledge Model
↓
Matching Engine
↓
Result Object
↓
Smarty19.14 WSaiOS认知匹配流程实例
输入：
美国电动牙刷采购需求第一步：
元素：
美国
电动牙刷
采购第二步：
形成对象：
采购需求对象第三步：
知识库寻找：
供应商对象第四步：
关系分析：
供应商
生产
电动牙刷第五步：
经验调用：
历史合作记录第六步：
形成判断：
推荐供应商A这不是：
搜索结果。
而是：
认知匹配结果。
19.15 EOM认知匹配与传统搜索区别
传统搜索：
关键词
↓
网页
↓
排序EOM：
需求
↓
对象
↓
关系
↓
知识
↓
经验
↓
判断搜索：
找到信息。
认知匹配：
形成理解。
19.16 本章核心结论
EOM认为：
知识本身不会产生智能，只有当知识结构与当前认知需求产生匹配关系时，系统才形成理解能力。
认知匹配公式：
Cognitive Ability
=
Knowledge
×
Matching
×
MemoryWSaiOS实现：
PHP OOP
↓
Cognitive Matcher
↓
Knowledge Base
↓
Memory System
↓
Decision完整认知流程：
信息
↓
元素
↓
对象
↓
关系
↓
知识
↓
匹配
↓
理解
↓
方法
↓
行动
↓
经验
↓
记忆下一章：
第二十章：WSaiOS EOM人工认知闭环理论——从感知到学习的完整模型
重点研究：
- EOM完整认知循环；
- 信息如何经过认知处理形成能力；
- 经验如何反向更新认知结构；
- 人工认知系统如何持续运行；
- WSaiOS最终工程模型。