首页 理论 架构 工程 规划 文档 白皮书 著作 研究 规范 下载 博客 关于 联系 开始使用 →

第43章 语义知识与比较运算

《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43章 语义知识与比较运算

43.1 语义知识与比较运算的理论定位

比较运算是WSaiOS结构智能处理语义知识、识别知识差异、建立语义关系、发现知识缺口和形成认知判断的基础运算之一。

动态语义库持续获取外部资料,识别语义单元,形成对象、属性、取值、关系、条件、证据和结论等知识内容。这些内容进入系统之后,并不能仅通过存储和关联自动形成有效认知。系统还需要判断新旧知识之间有什么联系、是否存在差异、差异产生于何处,以及这些差异是否会影响当前任务和已有结论。

比较运算承担的正是这一基础职责。

在WSaiOS-SI理论中,比较不是简单的字符串比较、数值大小比较或文本相似度计算,而是以明确的比较目标为基础,以语义结构为对象,依据适用条件和比较规则,确定两个或多个知识对象之间的相同、差异、包含、补充、冲突及其他关系的结构运算。

例如,系统获得两份电动牙刷资料时,不能只判断它们是否包含相同的产品名称。系统还需要比较产品型号、属性取值、认证信息、适用条件、资料时间和证据对应关系。

如果两份资料描述的是同一产品的不同型号,即使文本非常相似,也不能直接合并。如果两份资料描述同一型号在不同时间的状态,也不能简单地将差异认定为事实冲突。

因此,语义比较的关键不在于表面内容是否相似,而在于比较对象是否明确、语义结构是否可对应、比较条件是否成立,以及比较结果能够支持什么判断。

本章从WSaiOS结构智能的理论基础出发,建立语义知识与比较运算之间的关系,说明比较对象、比较条件、比较类型、比较过程、比较结果和工程实现机制。

43.2 语义知识的基本结构

43.2.1 语义知识不是孤立的信息片段

信息可以描述某个对象、属性、状态或事件,但信息只有经过语义识别、对象关联、关系组织和必要的条件限定,才能成为适合系统运算的知识内容。

例如:

“电动牙刷,价格为199元。”

这段信息至少包含一个产品对象、一个价格属性和一个属性值。但是,如果系统不知道该产品具体对应哪个型号,也不知道价格来自什么资料、适用于什么时间和交易条件,那么这条信息的可比较范围仍然受到限制。

如果另一份资料显示价格为159元,系统不能仅凭两个数值不同,就判断两份资料互相矛盾。

它需要进一步确认:

  • 两份资料是否针对同一产品对象。

  • 产品型号是否一致。

  • 价格是否属于同一种价格类型。

  • 价格适用时间是否一致。

  • 是否存在促销、地区或采购数量等条件差异。

  • 两个价格分别来自什么来源。

  • 两个数值是否已经过必要核验。

由此可见,比较运算必须建立在语义知识结构之上。

43.2.2 语义知识的基本组成

为了支持比较运算,语义知识可以根据具体任务组织以下内容:

对象。 确定知识描述的主体,包括实际对象、概念对象、事件对象或其他可识别对象。

属性。 描述对象具有的特征、状态或可计算内容。

值。 表示属性在特定条件下的具体取值。

关系。 表示对象之间、对象与属性之间、主张与证据之间以及其他知识单元之间的联系。

条件。 说明知识成立或适用所依赖的限制。

时间。 表示事实发生时间、资料发布时间、获取时间、记录时间或结论适用时间等。

来源。 记录知识来自何种资料,以及相应内容在资料中的位置。

证据。 表示支持、反驳、限制或补充某项主张的材料。

规则。 提供比较、判断、计算、匹配和验证所依据的明确条件。

状态。 描述知识当前处于候选、待核验、得到支持、存在冲突、已失效或其他状态。

以上内容并不是所有语义知识都必须具有的固定字段集合,而是比较运算可以根据任务需要调用的结构要素。

系统应当根据实际比较目标确定所需内容,不能预先为所有行业和所有知识对象强制规定完全相同的字段。

43.2.3 语义知识的结构化表达

可以将一个待比较的语义知识对象抽象表达为:

\[ K=(O,A,V,R,C,T,E,S) \]

其中:

  • \(O\):对象。

  • \(A\):属性。

  • \(V\):属性值。

  • \(R\):语义关系。

  • \(C\):适用条件。

  • \(T\):时间信息。

  • \(E\):证据及来源关联。

  • \(S\):知识状态。

这一表达是用于解释比较运算的概念模型,不是要求系统将所有知识存储为固定格式,也不是所有知识类型的完整通用定义。

例如,比较两个对象的价格时,系统可能主要使用对象、属性、值、条件和时间;比较两个认证结论时,则可能重点使用对象对应关系、认证范围、证据、规则和结论状态。

比较对象不同,所需要参与运算的结构内容也不同。

43.3 比较运算的定义

43.3.1 比较运算的基本定义

比较运算是指系统针对明确的目标,将两个或多个语义知识对象按照规定的比较维度、对应关系、适用条件和判断规则进行分析,形成可解释的比较结果的过程。

可以将比较运算抽象表示为:

\[ Cmp(K_1,K_2\mid Q,R_c) \]

其中:

  • \(K_1\)、\(K_2\):参与比较的语义知识对象。

  • \(Q\):比较目标及任务约束。

  • \(R_c\):本次比较所采用的比较规则。

  • \(Cmp\):比较运算。

  • 输出:比较结果、适用条件、依据及尚未解决的不确定性。

这一表达说明,比较结果不仅取决于参与比较的知识,也取决于比较目标和比较规则。

同样两个知识对象,在不同任务下可能需要进行不同的比较。

例如,对两个电动牙刷进行采购比较时,可能重点比较采购价格、数量条件、认证要求和供货能力;对两个型号进行技术差异比较时,则可能重点比较电机参数、刷头规格、电池性能和技术条件。

比较目标不同,比较维度和结果解释也会不同。

43.3.2 比较不等于判断

比较与判断具有密切关系,但不能混为一谈。

比较负责识别对象之间的关系和差异。

判断则根据比较结果、适用条件及明确规则,确定某项主张是否成立、某个条件是否满足,或者某种状态应当如何认定。

例如,系统比较发现两个认证编号不同,这是比较结果。

至于两个编号不同是否意味着产品不符合采购要求,则需要根据产品型号、认证要求和相关判断规则进一步判断。

比较可以为判断提供依据,但不能代替判断。

43.3.3 比较不等于匹配

匹配用于确定候选知识与目标对象之间是否存在所需的对应关系。

比较则用于分析两个或多个知识对象在指定维度上的关系和差异。

二者可能连续执行:

首先通过匹配识别两份资料是否可能针对同一产品型号;随后通过比较分析它们的价格、规格和认证信息是否一致。

匹配成功不意味着所有属性一致,比较发现差异也不意味着对象一定无法匹配。

43.3.4 比较不等于验证

验证是依据适用规则、证据和必要条件,检查某项主张、关系或结论是否满足规定要求。

比较可以识别待验证的差异和疑点,但比较本身不能证明事实真实性。

例如,两个网站均记载同一认证编号,只能说明它们提供了相同或相近的信息。系统还需要检查这些网站是否引用同一原始材料,以及材料是否适用于目标产品。

如果两份资料实际来自同一来源,表面上的一致不能直接构成独立验证。

43.4 比较运算的前置条件

语义比较不是任何两个知识对象都可以直接进行的操作。

在比较之前,系统需要明确比较目的,并确定哪些内容可以比较、哪些内容需要先匹配、哪些条件尚不满足。

43.4.1 比较目标明确

系统首先需要确定比较是为了回答什么问题。

可能的目标包括:

  • 判断两个对象是否相同。

  • 识别同一对象的属性差异。

  • 检查两项主张是否一致。

  • 分析两个知识结构的覆盖范围。

  • 比较两种方法的适用条件。

  • 识别证据之间的支持或冲突关系。

  • 检查知识变化是否影响原有结论。

  • 发现已有结构中的知识缺口。

没有明确目标时,系统可以进行探索性比较,但不能将探索结果直接作为某项任务的最终判断。

43.4.2 比较对象可识别

系统需要确定参与比较的知识对象是什么。

如果两个产品名称相同,但具体型号未知,系统只能在有限条件下比较名称或描述内容,不能直接认定两个对象完全相同。

如果两份认证资料没有明确对应的产品型号,系统可以比较其认证编号和文本内容,但不能因此确认它们适用于同一产品。

对象识别不足时,比较结果应明确标记其限制,并在必要时生成对象识别需求。

43.4.3 比较维度可对应

两个知识对象只有在相应维度具有明确的语义对应关系时,才能进行有意义的比较。

例如:

  • 价格可以与价格比较。

  • 重量可以与重量比较。

  • 认证有效期可以与认证有效期比较。

  • 产品型号可以与产品型号比较。

  • 方法的适用条件可以与另一方法的适用条件比较。

但是,不同单位、不同定义或不同含义的属性不能未经转换和语义确认就直接比较。

例如,一项资料记录的是单支产品的价格,另一项记录的是包含多个产品的采购总价。即使两个字段都叫“价格”,也需要先统一计量对象和价格口径。

43.4.4 时间与条件明确

同一知识对象在不同时间或不同条件下,可能具有不同取值。

因此,比较时需要区分:

  • 同一时点的状态比较。

  • 不同时点的状态变化比较。

  • 相同条件下的结果比较。

  • 不同条件下的适用范围比较。

  • 历史结论与当前结论的比较。

如果两份资料描述的是不同时间的真实状态,差异不一定意味着矛盾。

系统应根据比较目标决定时间和条件是否必须一致,以及差异本身是否就是本次比较的对象。

43.4.5 比较规则明确

系统需要明确采用什么规则解释比较结果。

对于数值比较,可以采用大小、差值、比例或区间关系等规则。

对于结构比较,可以检查元素、属性、关系和条件的对应与缺失。

对于证据比较,可以检查证据所支持的主张、适用范围、来源依赖和有效性条件。

对于结论比较,则需要先确认目标主张、对象、时间和条件是否具有可比性。

比较规则必须与比较目标相适应,不能用一种简单的统一规则处理所有类型的语义知识。

43.5 语义比较的基本类型

语义比较可以按照比较目标和输出关系进行分类。

这些类型是比较运算的逻辑分类,不要求系统为每种类型建立完全独立的工程模块。

43.5.1 相同性比较

相同性比较用于判断两个知识对象是否指向同一对象、同一属性值、同一主张或同一语义内容。

相同性必须明确比较层次。

两个产品名称相同,不代表产品型号相同;两个型号相同,也不代表不同时间的价格相同;两份资料表达相同主张,也不代表来源和证据相同。

因此,系统需要分别判断对象相同、属性相同、取值相同、主张相同或证据相同,不能用单一的“相同”状态覆盖所有情况。

43.5.2 差异比较

差异比较用于识别两个知识对象在哪些维度上存在不同。

差异可以表现为:

  • 对象不同。

  • 属性定义不同。

  • 属性值不同。

  • 关系方向不同。

  • 适用条件不同。

  • 时间范围不同。

  • 证据来源不同。

  • 结论状态不同。

  • 结构覆盖范围不同。

  • 规则版本不同。

差异识别的目的不是立即判定谁对谁错,而是明确差异发生的位置及其可能影响。

43.5.3 包含关系比较

包含关系比较用于判断一个知识结构是否包含另一个结构的全部或部分内容。

例如,一份产品技术资料可能包含另一份简要介绍中的全部技术指标,同时增加了测试条件和规格限制。

如果只比较文本长度,系统无法准确判断结构包含关系。

正确做法是比较语义单元、属性、关系、条件及其对应范围。

包含关系也不代表被包含的内容一定真实。结构包含与事实验证仍然是两个不同的问题。

43.5.4 补充关系比较

补充关系比较用于识别新知识是否填补了已有知识中的部分缺口。

例如,已有资料提供了产品型号,新资料补充了该型号的生产厂家。

如果新资料提供的厂家信息能够与目标对象建立可靠的对应关系,那么它可以补充已有知识结构。

但如果厂家信息无法确定对应型号,系统就只能将其记录为候选信息,不能直接填入目标对象的已确认知识。

43.5.5 条件差异比较

条件差异比较用于识别两项知识的差异是否由适用条件不同造成。

例如,同一产品在零售采购和批量采购条件下可能具有不同价格。

如果系统忽略采购数量和交易条件,就可能错误地将两项价格记录判定为冲突。

条件差异比较需要明确哪些条件会影响当前判断,并检查这些条件是否已经获得充分描述。

43.5.6 关系比较

关系比较用于判断两个知识结构中的关系是否一致、相反、补充或存在适用条件差异。

例如:

  • 产品A属于某个产品系列。

  • 产品A采用某项技术。

  • 某项认证适用于产品A。

  • 某份证据支持某项认证主张。

这些关系的语义含义不同,不能仅凭两个关系都连接同一对象,就认为它们可以互相替代。

关系比较必须考虑关系类型、方向、参与对象、成立条件、时间和依据。

43.5.7 证据比较

证据比较用于分析不同材料对同一主张提供了什么支持、限制或反驳。

证据比较需要关注:

  • 证据是否针对同一主张。

  • 证据对象是否一致。

  • 证据是否处于适用范围内。

  • 证据是否具有时间效力。

  • 不同证据之间是否存在来源依赖。

  • 证据是否直接支持主张。

  • 证据之间是否存在真实矛盾。

证据比较的结果可能是相互支持、互为补充、条件不同、支持与反驳并存、适用范围不一致或无法确定。

不能仅以证据数量决定哪一项主张正确。

43.5.8 结论比较

结论比较用于分析不同结论之间的关系。

在比较结论之前,必须明确各结论针对什么对象、什么主张、什么时间和什么条件。

如果两个结论针对不同型号或不同时间,就不能直接视为相互矛盾。

如果两个结论针对同一主张,但使用了不同证据或不同规则,则需要进一步比较其判断依据。

结论比较可以识别一致、互补、条件不同、部分冲突、直接冲突和暂时无法比较等关系,但不能仅凭比较结果自动决定最终结论。

43.5.9 结构比较

结构比较用于分析两个知识结构在元素、对象、属性、关系、条件、规则和状态方面的对应关系。

结构比较不仅识别已有内容的差异,也可以识别:

  • 一方缺少另一方的必要元素。

  • 一方缺少必要关系。

  • 双方对同一关系采用了不同定义。

  • 某一结构无法表达新的条件。

  • 某一结构中的属性值缺乏必要证据。

  • 某一结构的结论依赖关系不完整。

结构比较是发现知识缺口和生成新需求的重要基础。

43.6 比较结果的语义表达

比较运算必须产生可以解释和追溯的结果,而不能只返回一个无法说明含义的数字或布尔值。

43.6.1 比较结果的基本内容

一项完整的比较结果,可以包含以下逻辑内容:

  1. 比较目标。

  2. 参与比较的知识对象。

  3. 实际参与比较的结构要素。

  4. 对象和属性的对应关系。

  5. 比较所使用的规则。

  6. 识别出的相同点。

  7. 识别出的差异点。

  8. 适用条件和时间范围。

  9. 比较依据及其来源。

  10. 结果的确定程度与限制。

  11. 需要进一步验证的问题。

  12. 结果产生的版本和时间记录。

并不是每次比较都必须输出所有内容。简单的数值比较可以使用简化结果,复杂的知识冲突分析则需要更完整的依据。

关键是比较结果必须足以支持当前任务要求的后续判断。

43.6.2 比较结果的状态

系统可以根据实际比较任务,将结果表达为:

  • 相同。

  • 不同。

  • 部分相同。

  • 包含。

  • 被包含。

  • 相互补充。

  • 条件不同。

  • 关系一致。

  • 关系不一致。

  • 存在冲突。

  • 无法直接比较。

  • 对象对应不确定。

  • 证据不足。

  • 暂时无法判断。

这些状态不是所有比较任务都必须使用的固定枚举。

系统应当根据具体比较类型确定适用结果,并明确每种状态的含义。

例如,“不同”只说明发现差异;“存在冲突”则需要进一步满足相关主张具有可比性且差异不能仅由已知条件解释等要求。

43.6.3 比较结果不应掩盖未知

如果系统无法确定两个对象是否相同,就不能把它们标记为相同,也不应直接标记为不同对象。

正确的结果应是对象对应关系尚不确定。

如果系统知道两个数值不同,却不知道它们适用的条件是否一致,则可以记录数值差异,同时将差异原因标记为待确认。

这意味着比较结果可以同时包含已知差异和未知原因。

系统不必为了输出一个单一结果,而将复杂情况强行压缩为“相同”或“不同”。

43.7 比较运算与相关性、评分及概率的区别

动态语义库需要综合使用比较、相关性分析、评分和概率估计,但这些运算的目标不同。

43.7.1 比较与相关性

比较回答的是两个或多个知识对象之间有什么关系和差异。

相关性分析回答的是某个候选对象与当前任务目标之间具有多大关联,以及这种关联是否足以支持进一步处理。

两个知识对象可以高度相关,但具体取值不同。

例如,两款电动牙刷具有相似的产品功能,但属于不同型号。它们在技术主题上高度相关,却不能据此认定为同一个对象。

反过来,两个数值记录可能表面差异很大,但由于单位不同,转换后可能表示同一个实际值。

因此,相关性不能替代比较,比较也不能直接代替相关性评估。

43.7.2 比较与评分

评分是依据明确的评价维度和规则,对对象或结果进行评价。

比较可以为评分提供输入,但比较结果不必然形成分数。

例如,系统比较两份资料后,发现一份资料具有明确来源和完整的适用条件,另一份资料缺少关键条件。系统可以根据任务规则对资料质量进行评分,但必须说明评分依据。

如果没有明确的评价规则,系统不能仅凭主观印象生成精确分值。

43.7.3 比较与概率估计

概率估计针对明确事件的发生可能性,依赖相应的样本、条件和计算方法。

比较可以识别样本之间的差异,帮助系统判断数据是否适合用于概率估计,但比较结果本身不是概率。

例如,十份资料中有九份记载相同的产品认证信息,并不意味着该认证有百分之九十的概率真实有效。

这些资料可能全部转载自同一份原始材料,也可能都没有正确对应目标型号。

因此,语义比较必须先识别来源依赖、对象对应关系和证据适用性,才能为后续概率估计提供可靠的结构基础。

43.7.4 比较与事实确认

事实确认需要根据明确主张、适用条件、证据和验证规则作出判断。

比较只能说明材料之间是否一致、存在什么差异以及有哪些需要进一步核验的问题。

即使多份独立材料之间高度一致,如果它们都不具备确认目标主张所需的证据能力,也不能直接认定事实成立。

同样,即使两份材料存在差异,也不代表其中必然有一份错误。差异可能源于时间、条件、对象或定义不同。

43.8 多来源语义知识的比较

动态语义库中的知识可能来自网页、公开文件、数据库、技术文档、公告以及外部人工智能回答等不同渠道。

多来源比较的目标不是简单统计相同内容出现了多少次,而是识别不同来源提供了哪些知识、这些知识之间有什么关系,以及它们是否能够共同支持某项判断。

43.8.1 来源不同不等于证据独立

两个网页可能使用不同的网址,但都转载自同一份公告。

两份报告可能具有不同标题,却引用同一个原始数据集。

多个外部人工智能回答也可能基于相同的公开材料,或者共同受到相同错误信息的影响。

因此,系统需要区分:

  • 来源标识不同。

  • 资料内容不同。

  • 语义主张不同。

  • 原始证据基础不同。

  • 验证路径不同。

  • 证据具有独立性。

这些概念不能互相替代。

如果来源依赖关系尚不清楚,系统应保留未知状态,而不是直接认定来源相互独立。

43.8.2 多来源比较的处理过程

多来源语义比较可以按照以下顺序执行:

第一,明确需要比较的主张和目标对象。

第二,提取各来源中与该主张有关的语义单元。

第三,建立语义单元与对象、属性、关系及条件之间的对应关系。

第四,比较各来源的主张内容和适用范围。

第五,识别来源之间的引用、转载、共同数据基础等依赖关系。

第六,分析各材料对目标主张的支持、反驳或限制作用。

第七,判断哪些差异能够由时间、条件或对象差异解释。

第八,将仍然无法解释的差异保留为待核验问题。

第九,根据比较结果更新知识关系、证据关联和结论状态。

第十,如果仍存在关键缺口,则生成新的语义需求。

43.8.3 外部人工智能回答的比较

外部人工智能回答可以作为动态语义库的候选信息来源,但必须遵循与其他来源相同的语义比较和证据管理原则。

系统可以比较不同回答中的主张、对象、条件和解释,但不能把回答数量当作事实正确性的直接依据。

例如,多个回答都认为某产品具有某项认证,系统仍需查明认证对应的产品型号、认证适用范围和有效状态。

如果不同回答之间存在差异,系统应将其转化为可比较的主张和条件,而不是简单地选择出现次数最多的答案。

回答之间的一致性是比较结果,不是事实成立的充分证明。

43.9 比较运算驱动的知识冲突识别

比较运算是知识冲突识别的基础,但差异并不必然构成冲突。

系统需要先判断差异的性质,再决定是否启动冲突处理。

43.9.1 表达差异

不同来源可能使用不同表达描述同一个对象或事实。

如果经过语义识别后,能够确认它们表达的主张相同,就不应仅因文本表达不同而认定存在事实冲突。

但是,表达相近也不代表语义完全相同。系统必须检查其中的对象、条件、否定关系和限定范围。

43.9.2 对象差异

两项知识可能分别描述不同型号、不同主体或不同对象。

这种情况下,即使属性值不同,也不一定构成冲突。

如果系统无法确定对象是否相同,应先生成对象对应关系核验需求,而不是立即对事实作出裁决。

43.9.3 时间差异

同一对象的状态可能随时间发生变化。

例如,某项认证在过去有效,后来已经到期。

历史资料与当前资料分别描述不同时间的状态,二者可以同时成立。

系统需要明确比较的是历史状态、当前状态还是变化过程。

43.9.4 条件差异

同一对象在不同条件下可能具有不同属性值或状态。

例如,不同采购数量对应不同报价。

如果条件差异能够解释结果差异,系统应当建立条件关系,而不是将其强行归类为事实矛盾。

43.9.5 真实主张冲突

如果两项主张针对同一对象、同一属性或事实、相同时间和兼容条件,却给出了不能同时成立的结果,就可能形成真实主张冲突。

系统需要进一步检查证据来源、适用范围、依赖关系和验证规则。

即使已经识别出真实冲突,也不能直接依据来源数量、发布时间或表达方式确定哪项主张正确。

冲突识别的输出应当是明确的冲突对象、冲突内容、相关证据及尚待解决的问题。

43.10 比较运算与新知识驱动的新需求生成

比较运算不仅用于分析已知知识,也可以帮助系统发现尚未解决的知识缺口。

当新知识进入动态语义库时,系统通过比较识别新旧知识之间的差异,并进一步判断这些差异是否影响当前任务、已有结论或知识结构。

这一过程可以形成如下逻辑:

新知识进入 → 结构匹配 → 新旧比较 → 差异分类 → 影响分析 → 缺口识别 → 新需求生成。

43.10.1 缺失信息触发需求

如果比较发现某个任务必需的属性在已有知识中缺失,系统可以生成属性获取需求。

例如,采购任务要求确认某型号产品的生产厂家,但现有资料只记录了品牌和产品型号。

如果生产厂家信息是当前任务的必要条件,系统可以生成查找和核验生产厂家信息的需求。

如果生产厂家与当前任务无关,则不应仅因为该属性未知就自动生成任务。

43.10.2 关系差异触发需求

如果比较发现新资料中的对象关系与已有结构不一致,系统可以生成关系核验需求。

例如,原有知识将某认证材料对应到型号A,新资料却显示该材料可能对应型号B。

系统需要核验认证材料与产品型号之间的关系,而不是直接将型号A改为型号B。

43.10.3 证据差异触发需求

如果不同材料对同一主张提供了不同支持,系统可以生成证据比较或重新核验需求。

此时,需求应明确需要核验的主张、证据差异和完成条件,而不是笼统地要求继续搜索。

43.10.4 结构差异触发需求

如果新知识具有现有结构无法表达的属性或关系,系统可以生成结构补充需求。

但系统必须先判断现有结构是否真的不足,还是新知识的语义识别或对象匹配尚未完成。

不能将每一次匹配失败都自动视为结构设计错误。

43.10.5 比较结果不充分时的需求生成

有些比较可以确定存在差异,却无法确定差异原因。

例如,系统知道两份资料中的认证有效期不同,但尚不清楚一份资料是否已经过期,或者两份资料是否针对同一证书版本。

此时,系统可以保留已经确认的差异,并生成针对有效期、证书版本或来源适用性的核验需求。

这说明比较运算的输出不一定是最终判断,也可以是下一轮学习的输入。

43.11 比较运算的工程处理流程

比较运算应当具有明确的输入、处理步骤、结果和后续关联。

其基本流程如下:

#chatgpt-mermaid-_r_6ie_{font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;font-size:16px;fill:rgb(13, 13, 13);}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#chatgpt-mermaid-_r_6ie_ .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#chatgpt-mermaid-_r_6ie_ .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#chatgpt-mermaid-_r_6ie_ .error-icon{fill:rgb(243, 243, 243);}#chatgpt-mermaid-_r_6ie_ .error-text{fill:rgb(13, 13, 13);stroke:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ .edge-thickness-normal{stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .edge-thickness-thick{stroke-width:3.5px;}#chatgpt-mermaid-_r_6ie_ .edge-pattern-solid{stroke-dasharray:0;}#chatgpt-mermaid-_r_6ie_ .edge-thickness-invisible{stroke-width:0;fill:none;}#chatgpt-mermaid-_r_6ie_ .edge-pattern-dashed{stroke-dasharray:3;}#chatgpt-mermaid-_r_6ie_ .edge-pattern-dotted{stroke-dasharray:2;}#chatgpt-mermaid-_r_6ie_ .marker{fill:rgb(143, 143, 143);stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6ie_ .marker.cross{stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6ie_ svg{font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;font-size:16px;}#chatgpt-mermaid-_r_6ie_ p{margin:0;}#chatgpt-mermaid-_r_6ie_ .label{font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ .cluster-label text{fill:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ .cluster-label span{color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ .cluster-label span p{background-color:transparent;}#chatgpt-mermaid-_r_6ie_ .label text,#chatgpt-mermaid-_r_6ie_ span{fill:rgb(13, 13, 13);color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ .node rect,#chatgpt-mermaid-_r_6ie_ .node circle,#chatgpt-mermaid-_r_6ie_ .node ellipse,#chatgpt-mermaid-_r_6ie_ .node polygon,#chatgpt-mermaid-_r_6ie_ .node path{fill:rgb(222, 234, 251);stroke:rgb(83, 154, 248);stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .rough-node .label text,#chatgpt-mermaid-_r_6ie_ .node .label text,#chatgpt-mermaid-_r_6ie_ .image-shape .label,#chatgpt-mermaid-_r_6ie_ .icon-shape .label{text-anchor:middle;}#chatgpt-mermaid-_r_6ie_ .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .rough-node .label,#chatgpt-mermaid-_r_6ie_ .node .label,#chatgpt-mermaid-_r_6ie_ .image-shape .label,#chatgpt-mermaid-_r_6ie_ .icon-shape .label{text-align:center;}#chatgpt-mermaid-_r_6ie_ .node.clickable{cursor:pointer;}#chatgpt-mermaid-_r_6ie_ .root .anchor path{fill:rgb(143, 143, 143)!important;stroke-width:0;stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6ie_ .arrowheadPath{fill:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6ie_ .edgePath .path{stroke:rgb(143, 143, 143);stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .flowchart-link{stroke:rgb(143, 143, 143);fill:none;}#chatgpt-mermaid-_r_6ie_ .edgeLabel{background-color:rgb(252, 252, 252);text-align:center;}#chatgpt-mermaid-_r_6ie_ .edgeLabel p{background-color:rgb(252, 252, 252);}#chatgpt-mermaid-_r_6ie_ .edgeLabel rect{opacity:0.5;background-color:rgb(252, 252, 252);fill:rgb(252, 252, 252);}#chatgpt-mermaid-_r_6ie_ .labelBkg{background-color:rgba(252, 252, 252, 0.5);}#chatgpt-mermaid-_r_6ie_ .cluster rect{fill:rgb(243, 243, 243);stroke:rgba(0, 0, 0, 0.1);stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .cluster text{fill:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ .cluster span{color:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;font-size:12px;background:rgb(243, 243, 243);border:1px solid rgba(0, 0, 0, 0.1);border-radius:2px;pointer-events:none;z-index:100;}#chatgpt-mermaid-_r_6ie_ .flowchartTitleText{text-anchor:middle;font-size:18px;fill:rgb(13, 13, 13);}#chatgpt-mermaid-_r_6ie_ rect.text{fill:none;stroke-width:0;}#chatgpt-mermaid-_r_6ie_ .icon-shape,#chatgpt-mermaid-_r_6ie_ .image-shape{background-color:rgb(252, 252, 252);text-align:center;}#chatgpt-mermaid-_r_6ie_ .icon-shape p,#chatgpt-mermaid-_r_6ie_ .image-shape p{background-color:rgb(252, 252, 252);padding:2px;}#chatgpt-mermaid-_r_6ie_ .icon-shape .label rect,#chatgpt-mermaid-_r_6ie_ .image-shape .label rect{opacity:0.5;background-color:rgb(252, 252, 252);fill:rgb(252, 252, 252);}#chatgpt-mermaid-_r_6ie_ .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#chatgpt-mermaid-_r_6ie_ .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#chatgpt-mermaid-_r_6ie_ .node .neo-node{stroke:rgb(83, 154, 248);}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node rect,#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].cluster rect,#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node polygon{stroke:url(#chatgpt-mermaid-_r_6ie_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].swimlane.cluster rect{filter:none;}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node path{stroke:url(#chatgpt-mermaid-_r_6ie_-gradient);stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node .outer-path{filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node .neo-line path{stroke:rgb(83, 154, 248);filter:none;}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node circle{stroke:url(#chatgpt-mermaid-_r_6ie_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].node circle .state-start{fill:#000000;}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].icon-shape .icon{fill:url(#chatgpt-mermaid-_r_6ie_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6ie_ [data-look=”neo”].icon-shape .icon-neo path{stroke:url(#chatgpt-mermaid-_r_6ie_-gradient);filter:drop-shadow( 1px 2px 2px rgba(185,185,185,1));}#chatgpt-mermaid-_r_6ie_ .node text{font-size:14px;font-weight:600;letter-spacing:normal;fill:rgb(0, 79, 153);}#chatgpt-mermaid-_r_6ie_ .edgeLabels text{font-size:13px;font-weight:600;letter-spacing:-0.08px;fill:rgb(0, 79, 153);}#chatgpt-mermaid-_r_6ie_ .node tspan[font-weight=”normal”],#chatgpt-mermaid-_r_6ie_ .edgeLabels tspan[font-weight=”normal”]{font-weight:600;}#chatgpt-mermaid-_r_6ie_ .edgeLabel .label rect{opacity:1;rx:13px;ry:13px;fill:rgb(245, 250, 255);stroke:rgb(206, 219, 229);stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .node rect,#chatgpt-mermaid-_r_6ie_ .node circle,#chatgpt-mermaid-_r_6ie_ .node ellipse,#chatgpt-mermaid-_r_6ie_ .node polygon,#chatgpt-mermaid-_r_6ie_ .node path{fill:rgb(229, 243, 255);stroke:rgba(0, 0, 0, 0.1);stroke-width:1px;}#chatgpt-mermaid-_r_6ie_ .node rect{rx:16px;ry:16px;}#chatgpt-mermaid-_r_6ie_ .node.mermaid-decision .label-container{fill:rgb(245, 250, 255);stroke:rgb(206, 219, 229);stroke-dasharray:2,2;}#chatgpt-mermaid-_r_6ie_ .edgePaths .flowchart-link{stroke:rgb(143, 143, 143);stroke-width:1px;stroke-linecap:round;stroke-linejoin:round;}#chatgpt-mermaid-_r_6ie_ .marker{fill:rgb(143, 143, 143);stroke:rgb(143, 143, 143);}#chatgpt-mermaid-_r_6ie_ :root{–mermaid-font-family:-apple-system-body,ui-sans-serif,-apple-system,system-ui,”Segoe UI”,Helvetica,”Apple Color Emoji”,Arial,sans-serif,”Segoe UI Emoji”,”Segoe UI Symbol”;}接收比较任务明确比较目标识别参与比较的知识对象确定语义结构与比较维度对象和维度是否可比较?记录限制或生成澄清需求加载适用条件与比较规则执行结构比较识别相同点与差异点分析时间、条件和来源依赖形成可追溯的比较结果是否存在需要解决的缺口?更新比较记录及相关关系生成核验、补充或结构修订需求执行后续任务根据结果更新知识结构否是否是

43.11.1 输入组织

比较运算的输入可以来自:

  • 用户或任务提出的比较目标。

  • 动态语义库中的已有知识。

  • 新获取的语义单元。

  • 对象、属性、关系及条件定义。

  • 证据和来源关联。

  • 适用的比较规则。

  • 当前结论和需求状态。

系统不需要在每次比较时读取全部知识库,而应根据比较目标选择必要的知识对象和依赖信息。

43.11.2 结构对应

执行比较之前,系统需要确定双方哪些结构要素能够对应。

如果比较对象存在属性名称差异,但语义定义相同,可以在有依据的情况下建立对应关系。

如果两个属性名称相同,但实际含义不同,则需要先澄清其语义定义。

结构对应不应依赖预先硬编码的行业字段映射,而应根据当前任务、结构定义和实际知识内容建立。

43.11.3 比较执行

系统依据选定的比较维度执行相应运算。

不同维度可以采用不同规则:

  • 对象比较用于识别对象身份和对应关系。

  • 属性比较用于识别属性定义及其取值差异。

  • 关系比较用于识别关系类型、方向和条件差异。

  • 时间比较用于识别历史状态和当前状态之间的变化。

  • 证据比较用于识别支持、反驳、限制及来源依赖。

  • 结构比较用于识别元素、关系和条件的缺失与扩展。

这些运算可以组合执行,但必须保留各自的语义含义。

43.11.4 结果组织

比较完成后,系统应记录比较目标、参与对象、比较维度、采用规则、识别出的差异、适用条件及结果限制。

如果比较结果涉及事实主张,还应保留与证据和来源的关联。

如果比较结果可能影响既有结论,则需要建立与相关结论的实际依赖关系。

43.11.5 结果反馈

比较结果可以进入不同的后续流程:

  • 直接更新已确认的结构对应关系。

  • 补充属性或关系信息。

  • 生成证据核验需求。

  • 生成冲突处理需求。

  • 触发已有结论重新核验。

  • 生成结构修订需求。

  • 将暂时无法比较的内容保留为待处理状态。

系统应根据结果类型和当前任务决定下一步,而不是让所有比较结果都进入同一个处理流程。

43.12 比较运算的历史追溯与动态更新

比较结果依赖于当时使用的知识、结构定义、比较规则和适用条件。

如果这些内容后来发生变化,系统可能需要重新解释历史比较结果。

例如,原先系统认为两个产品型号相同,后来发现对象映射规则存在错误。此时,受影响的比较记录需要被识别,并在必要时重新执行。

但是,重新执行比较不等于修改历史记录。

系统需要区分:

  • 当时实际执行的比较。

  • 后来发现的知识变化。

  • 新规则下重新执行的比较。

  • 当前采用的比较结果。

  • 历史比较结论被修正的原因。

43.12.1 比较版本

在重要场景下,系统需要记录比较所依据的知识版本、结构版本和规则版本。

当这些内容发生变化时,可以形成新的比较结果版本。

不同版本的比较结果可能不同,但必须能够解释差异来自何处。

43.12.2 比较结果失效

如果比较所依赖的对象对应关系、属性定义或规则已经失效,原比较结果可能不再适用于当前任务。

此时应当将其标记为需要复核或不再适用于当前条件,而不是直接删除历史结果。

比较结果失效不意味着原来执行的比较从未发生,也不意味着当时的处理必然错误。

43.12.3 影响范围控制

如果一项结构定义变化影响多个比较结果,系统可以沿实际依赖关系识别受影响的结果。

但不应因为某个规则发生变化,就重新执行所有比较。

影响范围应由比较记录与知识结构、规则和结论之间的真实依赖关系决定。

43.13 比较运算的边界与常见错误

43.13.1 将文本相似误认为语义相同

两段文本可能使用大量相同词语,却描述不同对象或不同条件。

相反,两段文本也可能使用不同表达,却描述同一个事实。

因此,文本表达可以成为语义识别的输入,但不能直接替代语义结构比较。

43.13.2 将属性值不同误认为事实冲突

如果两个属性值针对不同对象、不同时间或不同条件,就不一定构成冲突。

系统必须先识别差异的适用范围,再决定是否需要冲突处理。

43.13.3 将匹配成功误认为所有内容一致

两个知识对象可以在对象身份上成功匹配,但在属性值、证据状态和适用条件上存在明显差异。

匹配只解决指定层次的对应关系,不能自动扩展为全部内容一致。

43.13.4 将比较结果误认为事实验证

比较只能说明知识对象之间的关系和差异。

即使两项主张完全一致,也仍然需要根据任务要求判断它们是否有充分依据。

43.13.5 将来源数量误认为证据强度

大量相同信息可能来自同一个原始来源。

系统必须分析来源依赖、证据适用范围和独立性,而不是单纯统计重复内容的数量。

43.13.6 将未知强行转换为相同或不同

当对象对应关系或适用条件不明确时,系统应保留不确定状态。

未知不是相同,也不必然是不同。

43.13.7 只比较结果,不保留比较依据

如果系统只记录“相同”“不同”或某个分数,而没有记录参与对象、比较维度和适用规则,就无法解释结果,也无法在知识变化后准确复核。

因此,比较结果必须具有与任务复杂程度相适应的可追溯性。

43.13.8 使用固定字段替代动态结构比较

如果系统预先为每个行业设置固定字段映射,就可能无法处理新的对象类型、未知属性和动态出现的关系。

WSaiOS-SI应当根据实际任务与结构定义确定比较维度。当现有结构无法表达新的语义内容时,应当识别结构缺口,而不是无条件地将新知识塞入已有字段。

43.14 比较运算的质量评价

比较运算的质量不能只看计算速度或输出数量,还需要考察比较结果是否准确表达了语义关系,以及能否支持后续处理。

对象识别质量。 能否准确识别参与比较的对象,并区分相同名称下的不同对象。

结构对应质量。 能否识别属性、关系和条件之间的实际对应关系。

差异识别质量。 能否发现真实差异,并避免将表达差异错误解释为事实差异。

条件处理质量。 能否正确处理时间、范围、定义和适用条件不同的情况。

来源分析质量。 能否识别重复转载、共同证据基础及尚不明确的来源依赖。

结果解释质量。 能否说明比较依据、结果范围及无法确定的部分。

需求触发质量。 能否根据实际缺口生成必要需求,同时避免无关需求和重复任务。

历史追溯质量。 能否在知识或规则变化后定位受影响的历史比较结果。

执行成本控制。 能否根据比较目标选择必要的知识对象和比较维度,避免无差别处理全部知识。

认知边界管理。 能否区分比较发现、证据支持和事实确认,避免将比较结果过度解释。

这些评价维度可以根据实际系统任务形成具体的检查规则,但不应在缺少依据时人为指定一个看似精确的通用评分公式。

43.15 比较运算在WSaiOS结构智能中的整体作用

在WSaiOS-SI中,比较运算不是独立于知识结构之外的辅助工具,而是连接知识、关系、判断、验证和需求演化的重要基础运算。

它至少承担五项核心作用。

第一,识别知识之间的对应关系,使系统能够判断新知识应当与哪个对象、属性、关系或结构建立联系。

第二,识别知识差异,使系统能够区分真实变化、条件差异、对象差异和表达差异。

第三,为判断和验证提供依据,使系统能够根据明确规则处理主张、证据和结论。

第四,发现知识缺口,使系统能够从已有知识的差异和不完整性中识别需要进一步解决的问题。

第五,推动动态演化,使比较结果能够反馈到知识结构、需求管理、结论维护和方法改进中。

在这一过程中,比较、计算、判断、匹配、概率、排序和验证各有职责。

比较负责识别关系和差异;计算负责执行可定义的数值或逻辑计算;判断负责依据条件形成判断;匹配负责确定对应关系;概率负责估计明确事件的不确定性;排序负责组织处理次序;验证负责检查主张、关系或结果是否满足规定条件。

这些运算可以相互配合,但不能因为它们都参与知识处理,就将它们合并为一个含义不明的“智能评分”。

43.16 本章总结

语义知识与比较运算构成动态语义库实现结构化认知的重要基础。

语义知识为比较提供对象、属性、值、关系、条件、时间、证据、来源和状态等结构内容;比较运算则通过明确的目标、对应关系和比较规则,识别知识之间的相同、差异、包含、补充、条件变化、关系变化及冲突。

有效的语义比较必须先明确比较对象和目标,再确定可比较的结构维度、适用条件和判断规则。比较结果需要能够说明参与比较的知识、实际发现的差异、采用的依据以及尚未解决的问题。

比较不等于匹配、判断、验证、相关性分析、评分或概率估计。它能够为这些运算提供依据,却不能单独证明事实真实性。特别是在多来源知识处理中,来源数量、文本一致性和语义相似度都不能直接代替证据独立性与事实核验。

在工程层面,比较运算需要与动态语义库中的对象管理、结构定义、关系管理、证据组织、结论维护、需求生成和版本追溯建立明确联系。当新知识与已有知识存在差异时,系统应当先识别差异类型,再判断是否需要补充知识、核验关系、修正结构或重新验证结论。

本章的核心理论可以概括为:

语义知识为比较提供结构基础,比较运算揭示知识之间的关系与差异,比较结果为判断、验证、知识更新和新需求生成提供可追溯的依据。

由此,WSaiOS结构智能能够将比较运算纳入完整的结构认知过程,使知识处理不再停留于内容存储和表面相似,而是建立在对象明确、关系可识别、条件可判断、结果可解释和历史可追溯的结构运算之上。

这一机制进一步支撑动态语义库从知识获取走向知识组织,从知识组织走向关系判断,从关系判断走向验证与认知,并最终推动系统根据真实知识变化形成新的需求和学习方向。

Leave a Reply

Your email address will not be published. Required fields are marked *

客服咨询
● 欢迎咨询与合作
您好!欢迎咨询。 我可以帮助您了解人工智能技术研发、智能软件系统开发、网站建设、搜索优化及项目定制等相关信息。 请问有什么可以帮您?
免费申请
请填写以下信息,方便我们进一步沟通。
欢迎咨询 AI 系统开发、网站建设、搜索优化、项目定制合作
电话:15089196448
邮箱:1602401899@qq.com
地址:陕西省渭南市
服务时间:周一至周五 09:00 - 18:00 | 7×24小时技术值守