前言：中文期刊網精心挑選了計算機輔助管理論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
計算機輔助管理論文范文1
隨著信息社會的到來，計算機的開發和應用正以前所未有的速度沖擊著我們這個時代。把計算機技術應用于教育領域，在國外稱為計算機輔助教學（CAI）和計算機管理教學（CMI）。我國有關CMI的研究剛剛起步，而對CAI的研究已進入推廣和使用階段，這標志著我國現代化教育技術手段的又一次飛躍。
CAI教學的發展，在國外始于60年代行為主義學習理論所倡導的程序教學法，即根據刺激反應—強化原則，及時獲取教學信息的反饋，有效地實行個別化教學。由于當時的計算機發展剛剛起步，軟件開發價格昂貴，操作難度大，并未受到廣泛關注。80年代，計算機技術的飛速發展，為CAI創造了有利條件，尤其是認知心理學的興起，使CAI軟件開發更側重于應用，注重知識的條理性和結構化，強調與學習者已有的認識結構相匹配，使其在原有認知結構基礎上，通過計算機的輔助達到同化和順應，從而形成新的認知結構。近幾年，由于認知心理學理論的日益成熟及多媒體計算機技術的開發，使CAI更注重于學生學習能力的形成、學習策略的掌握和提供更多的個別化教學選擇。CAI的發展趨勢，正順應了現代化教學的兩個基本趨勢，即強調教學的主體性，強調充分發展學生的個性，全面提高學生的整體素質。
目前，我國正處于“應試教育”向素質教育的轉軌時期，堅持素質教育的基本觀點，就要面向全體學生，即通過個體的發展，實現真正意義上的全面發展；同時，幫助學生具備各方面的基本素質，形成合理的素質結構，為學生未來發展奠定基礎，使學生終身受益。而要實現個性的全面發展，必須立足于學生個體差異、因材施教，這不僅要有雄厚的知識基礎，還必須掌握獲取知識技能的方法，形成自學能力，這樣才能適應未來社會不斷變化的需要。
CAI教學的主要特點，為我們進行素質教育目標的實施，提供了有益的幫助。首先，計算機信息存貯量大，處理迅速，方便的人機交互功能，提供了良好的個別化學習環境。學生能根據自己的學習能力理解和發展水平，調節學習進度和難度，真正實現因材施教。其次，計算機的模擬功能，可使抽象內容形象化，靜止內容動感化，為學生創造生動、活潑、直觀、有趣的教學條件；而教師的設問和強化刺激手段可極大地調動學生的學習熱情，激發學習動機，形成有意注意，消除學習的疲勞和緊張。這樣做既有助于學生良好的心理品質的形成，又使學生獲取準確、深刻的直觀感知，從而形成完整的理性認識，提高課堂教學質量。第三，CAI可以提供培養自學能力的條件。教師可根據學生已有的認識基礎，構建問題情境，指導學生獨立地上機學習，并輔之以必要反饋練習，及時肯定或解答，幫助學生總結學習方法，查找學習障礙，逐步提高學生自學能力和處理實際問題的能力。此外，CAI在提高課堂效率、增大課堂容量、進行全面即時性輔導、減輕學生課業負擔等方面，還具有很好的功能。
CAI的這些功能，決定了它在化學教學中會發揮日益重要的作用。近年來，雖然很多學校在計算機硬件的配置上下了很大功夫，但在軟件的開發和利用上明顯滯后于硬件的配置。而且，相當多的教師對CAI在化學教學中的應用認識不足，參與不夠，對CAI化學教學模式的研究更鮮為人知。為此，結合我校CAI化學教學的開發和實踐，我們對CAI化學教學模式提幾點看法。
二、計算機輔助化學教學的幾種模式
（一）計算機模擬教學模式
CAI的模擬功能，是計算機輔助教學中較早開發和利用的一種功能。目前，很多學校的軟件應用是這種教學模式。
模擬教學模式，主要是指利用CAI的模擬功能把一些抽象的理論內容，或不易觀察清楚、危險性較大、難于操作的實驗內容，通過二維或三維動畫形式，進行信息處理和圖像輸出，在顯示屏幕上，進行微觀放大，宏觀縮小，瞬間變慢，短時間內調動學生多種感官參與活動，使學生獲取動態圖像信息，從而形成鮮明的感性認識，為進一步形成概念，上升為理性認識奠定基礎。
模擬教學只是教學過程中的一個環節，比傳統的掛圖、模型或錄像都更真實地接近于事物的本來面貌，而且可反復播放，因此更有利于學生理解知識的本質，培養他們的形象思維能力，也有助于抽象思維能力的提高。
CAI在化學教學中的模擬教學，主要適用于理論性和抽象性較強的內容：如原子核組成、電子云、核外電子運動、化學鍵中離子鍵、共價鍵形成、溶解和結晶、原電池、電解池、離子反應和離子方程式、NH3分子結構、有機官能團的結構等。另一方面適用于實驗難以操作、危險性大而觀察不明顯的內容，例如，溴苯制備、氫氣還原氧化銅、氨氧化、乙酸乙醋水解等。此外，工業生產知識內容，如硫酸、硝酸工業制法，煉鐵也可制成CAI課件進行教學。
（二）多媒體綜合教學模式
計算機可以控制多種教學媒體，這是其優于其它教學媒體的特殊功能。實際上，傳統教學模式的教學中，教師上課也有聲音、形象、板書、文字、掛圖和實物等，教師也可根據教學過程中學生的反映來調整教學策略。但我們這里所說的多媒體有二層含義，其一是把微機與其它教學媒體相互連接，賦于其它媒體交互性，同時使用幻燈、投影、錄像等手段，使多種媒體有機地貫穿于教學的全過程。其二是多媒體計算機技術的使用，即“利用計算機交互式地綜合處理文字、圖形、圖像、聲音等多種信息，使它們建立起邏輯連接，成為一個系統”，使之具有綜合性，即一機多用，同時又可形成人機互動，互相交流的操作環境，形成一種身臨其境的情境。
由于多媒體計算機技術是90年代在法國首先提出和使用的，我國高中配置多媒體計算機系統的學校不多。因此，主要的多媒體綜合教學模式還是指前一種，但未來的發展趨勢，應當是使用多媒體計算機平臺，設計課件，操作使用鼠標，簡單易行，而且教師并不需要有太多的計算機知識，因此具有更廣闊的發展前景。
實際上，進行CAI教學，應當逐漸從單純的CAI向多媒體組合的CAI發展。例如，在“原電池”一節的教學中，我們把原電池中原電池原理及形成條件作為本節課的重點，為了突出重點內容講授，讓學生從微觀本質理解原電池的形成，不僅采用了傳統的分組實驗教學，利用投影給出原電池實驗要求、觀察步驟，指導學生實驗，并利用微機模擬原電池所形成的閉合回路，通過電子轉移的流動過程和聲響，及兩極不同顏色的Zn2＋離解，H＋析出標示出內外電路所構成的閉合回路，使學生認識原電池本質；最后利用錄像播放不同新型原電池的工作情況，使學生最終形成對原電池比較深刻和全面的理解。
這種多媒體組合教學，可在一定程度上突破學生認識的時空限制，拓寬學生獲取信息的渠道，使學生的視覺、聽覺、觸覺等多種感覺系統參與信息的收集過程，形成教與學的雙向互動，更好地發揮學生思維的想象力和創造性，激發學習興趣，極大地提高學習效率。
（三）計算機個別輔導教學模式
我們目前采用的主要是班級授課制，很難在全班實現個別化教學，而實現個別化教學，又是化學教學由“應試教育”向素質教育轉化的重要途徑。由于CAI的課件，主要強調人機交互功能，因此實現一對一的個別化教學有得天獨厚的條件。
個別輔導模式，主要是用計算機部分地代替教師，按照程序教學的原則，設計不同的層次遞進的教學途徑，學生可根據自己的學習水平，選擇不同的學習程序，提出需要學習的內容；計算機可向學生提問，并對學生的問題進行分析，作出正確與否的判斷，給出高質量的反饋，如遇困難，還可以適當降低學習坡度，使學生循序漸進，得到知識的鞏固和自學能力的提高。個別輔導教學模式，是一種適合自學的個別化教學方式。如果程序設計的分支越多，預想情況越豐富，越能幫助反復學習，克服障礙，共同達到教學目標，優化學習過程。
這種教學模式，雖然主要是以學生為主體，但也不能忽視教師的主導作用；教師不僅要指導學生尋找解決問題的方法，而且要針對學生的實際，精心設計程序，使學生能用最短的時間找到解決問題的途徑，同時也可以幫助學生總結自己的個性特點、學習風格，從而幫助學生形成良好的學習品質和自學方法，真正實現個別化教育的目標。
個別輔導教學模式，由于受CAI課件的限制及學生計算機使用的熟練程度的影響，很難在短時間內得到大范圍的推廣，而現有的軟件局限性又較多，因此可嘗試在選修課教學中，進行小范圍的試點，當課件使用比較成熟時再做推廣應用。
以上我們只對現有的常用教學模式進行了歸類，除此之外，CAI的問題解決、教學游戲及查詢和問話等多種基本模式，在個別化教學的課件中都有所表現，在此我們限于篇幅，不再贅述。
三、計算機輔助教學的實踐和體會
我校開展計算機輔助教學的時間較長，不僅在化學學科，在其它各科教學中，都設計過豐富的CAI課件，這主要源于計算機硬件的配置和得力于一批對軟件開發興趣濃厚的中青年教師群體。這樣一個大的環境也在無形中推動了CAI化學教學的開發和應用。
在CAI化學教學實踐中，我們感到主要是CAI課件設計比較困難。現在市售的課件，模式單一，價格較高，教師個人的教學設計和風格不同，課件使教師選擇余地較小；教師本人又沒有更多時間和精力參與設計程序，而要編程序，難度更大，由此需要有一個CAI教師備課系統，使教師便于選擇、存儲、檢索加工組成課件。
計算機輔助管理論文范文2
關鍵詞：中醫藥 知識工程 知識庫 知識獲取 知識發現
分類號：TP182
引用格式：于彤. 中醫藥知識工程的理論體系構建和關鍵技術分析[J/OL]. 知識管理論壇， 2016， 1（5）： 336-343[引用日期]. http：///p/1/56/.
1 引言
中醫藥是中華民族的文化瑰寶，無論作為文化遺產還是作為醫學資源，都理應得到保護和傳承。對中醫藥理論知識與實踐經驗的總結、詮釋與研究，是中醫藥傳承的一項核心任務。知識工程（knowledge engineering）為中醫藥知識的組織、存儲、處理和利用提供了必要的理論、方法和工具，在中醫藥領域具有廣闊的應用前景[1-2]。
知識工程是隨著信息革命而出現的一種新興的知識管理和知識創造手段。知識工程源于人工智能領域，其最初的目標是構建基于知識的系統（或稱專家系統）[1，3]。為了構建基于知識的系統，需要獲取足夠的專業知識，并將這些知識表示為計算機可以理解的形式，以支持自動推理和問題求解[3]。因此，知識獲取、知識表示以及知識運用成為知識工程領域研究的主要問題。隨著知識工程在知識管理中應用的不斷深入，知識工程的研究范疇從知識庫和專家系統，擴展到自由文本、半結構性數據和多媒體內容的處理。時至今日，知識工程已發展為涉及知識表示與推理[4]、語義網[5-6]和數據挖掘[7]等多個技術領域的交叉學科，在電子科學、電子商務和電子政務等許多領域得到了廣泛的應用。
知識工程在中醫藥領域的應用起源于20世紀70年代。當代著名中醫學家關幼波與計算機專家合作，于1979年研制了首個實用的中醫專家系統DD中醫關幼波診療肝病的計算機系統，它在臨床應用中取得良好效果[8]。此后，全國興起了一股中醫專家系統研發與應用的熱潮[9]，知識工程作為專家系統的支撐技術也得到了中醫界的重視。近30年來，中醫藥工作者采用知識工程方法對中醫藥領域的知識遺產進行廣泛采集和永久保存，建成了大量的知識資源和智能系統，為中醫藥知識創新提供了有力的支持[10]。為此，本文對中醫藥知識工程進行系統總結和綜合論述，分析存在的問題和發展趨勢，為相關領域學者和知識工程師提供參考。
2 中醫藥知識工程的概念
中醫藥知識工程是指將中醫藥知識整合存入計算機系統，以使計算機能夠利用這些知識來解決中醫藥領域復雜問題的工程學科[1-2]。旨在實現中醫藥知識的“計算機化”，并將計算機技術融入中醫藥知識的收集、挖掘、整理、更新、傳播及轉化等環節，從而豐富和完善中醫藥知識體系，提升中醫信息系統的智能水平。之所以稱之為一項“工程”，是因為這項工作涉及系統性的方法、大規模的協作、嚴密的流程以及復雜的產品（本體、知識庫、專家系統等），這些都是系統工程的顯著特征。
中醫藥知識來自中醫專家的頭腦，以及書籍、論文、病案等各種專業資料。為使中醫藥知識“計算機化”，需要從各種知識源中廣泛獲取知識，將知識進行編碼并錄入計算機系統；還要按照一定的結構和方案對知識進行組織和存儲；最終實現專家系統、知識發現等各種計算機應用。中醫藥知識工程的關鍵環節，包括中醫藥知識表示方法的研究、中醫藥領域知識的獲取、中醫藥知識庫系統的構建、中醫藥知識發現研究以及中醫藥智能系統（如臨床決策支持系統）的研發等。
中醫藥知識工程是中醫藥與信息科學（包括人工智能）相結合的產物，是多學科交叉的研究領域。它也是中醫藥知識管理的一項關鍵支撐技術，有助于實現中醫藥知識管理與服務模式的創新。
3 中醫藥知識工程的意義
中醫藥知識工程有利于開拓臨床思路，支持臨床決策，研究中醫理論，豐富教學內容，指導實驗研究，促進中醫藥知識傳承與創新[1-2]。具體而言，中醫藥知識工程可在以下三大方面發揮積極作用。
3.1 梳理知識體系，保護知識遺產
中醫藥知識遺產具有很高的科學和文化價值，但其知識體系尚存在模糊籠統之處。只有對中醫藥知識遺產進行系統梳理，去蕪存菁，才能凸顯中醫藥知識的精華之處。使用語義網絡、描述邏輯等知識表示方法，能夠精確描述中醫思維邏輯，建立數字化的中醫藥知識體系，這對中醫藥學科發展具有十分重要的意義。
3.2 促進知識傳承，加速人才培養
中醫傳承的核心問題是如何將中醫名家的個人經驗轉化成普遍的知識，從而培養更多經驗豐富的名醫，提升中醫界的整體水平。中醫藥知識工程旨在系統總結前人經驗，將歷代醫家的智慧結晶轉化為全面、系統的領域知識庫，研發中醫輔助學習系統，以提升初學者的學習效率，促M專業醫師之間的交流，從而突破中醫傳承的瓶頸。
3.3 發現新知識，促進學科發展
通過實施中醫藥知識工程，可對中醫藥信息化過程中積累的海量數據進行分析與挖掘，建立跨越年代、流派、學說和病證的整體性知識模型，從而加深我們對中醫辨證論治規律的認識，使中醫藥領域兩千多年來積累的知識遺產得到有效整理和挖掘。
4 中醫藥知識工程的理論體系構建
中醫藥知識工程研究的核心任務是利用信息科學的理論和方法，對中醫藥知識體系的全部內容進行系統梳理和準確表達。可以說，中醫藥知識工程所研究和處理的核心對象就是中醫藥知識體系。兩千多年以前的《黃帝內經》奠定了中醫學的理論基礎；經過兩千年的發展，至今已經形成了一個以中國古代哲學為基礎，以中醫藥學理論為架構，以臨床實踐經驗為主體的知識體系[2]。
中醫藥知識體系有其自身特點和復雜性，對知識工程技術產生了獨特的需求。中醫特色的思想方法、含義模糊的中醫概念以及中醫專家的隱性知識都對知識表達、知識獲取和知識利用產生重大影響和制約。因此，面向西醫等其他領域的知識工程方法并不完全適用于中醫藥領域。中醫藥知識工程領域迫切需要一套符合自身特點的理論和方法，從而有效處理中醫藥知識的模糊性和復雜性，支持標準化知識體系的建設。因此，有必要對中醫藥知識工程的理論思想進行深入研究和系統總結，從而指導中醫藥知識的建模、獲取、組織、存儲、共享與服務等一系列工程實踐活動。建立中醫藥知識工程的理論體系是一項繁重、長期的工作。本文主要圍繞思維模擬、知識表示、知識獲取、知識發現等4個主要方面，對中醫藥知識工程的理論思想、研究熱點以及核心概念意涵進行簡要論述，為今后的理論研究工作提供參考。
4.1 中醫思維模擬研究
中醫思維模擬是指在對中醫思維進行深入分析的基礎上，用計算機系統對中醫的思維過程進行模擬，從而完成計算機輔助診療等復雜任務。中醫深受中華傳統哲學和文化的影響，產生了獨特的思想方法和思維模式，包括“天人合一”“取象比類”以及“辨證論治”等等。中醫藥知識體系是中醫思S的直接產物。開展中醫藥知識工程研究，首先需要深入理解中醫的核心思維模式。
中醫思維是一個復雜的思維過程，具有形象性、模糊性和整體性等特點，需要針對這些特點提出創新性的思維模擬方法。例如，“取象比類”是貫穿中醫知識體系的思維模式，與中醫其他的思想方法共同構成了中醫“象思維”。在中醫藥知識工程領域，需要追溯中醫“象思維”的思想源流，并采用認知語言學等學科方法對其進行分析，據此提出與之相適應的計算機模擬方法[11]。又如，中醫辨證思維是一個涉及分析、綜合、推理、歸類、鑒別的復雜思維過程，需要將中醫辨證理論與實際的病案結合起來進行分析，總結中醫辨證思維的規律，從而建立合理、準確的中醫辨證計算模型[12]。思維模擬研究在中醫臨床診療等領域具有潛在的應用價值。但首先需要在臨床實踐中對計算機建立的中醫思維模型加以檢驗，以驗證其準確性和實用性。
4.2 中醫藥知識表示研究
知識表示（knowledge representation）是指通過某種方案、數據格式或語言，將領域知識表達為計算機可直接處理的數據。知識表示處于知識工程的中心地位，它既是知識獲取的基礎，又是知識存儲和運用的前提。為實現基于知識的系統，必須將領域知識表示為某種計算機可處理的形式，并錄入到計算機系統中去，存儲于知識庫之中。知識表示的合理性直接決定知識處理的效率，對知識獲取和應用的效果也有很大的影響。
廣義上，知識表示的目標就是實現人類知識的顯性化、機讀化和結構化，從而支持自動推理，知識檢索和知識發現等應用。知識表示方法有很多種，包括狀態空間、謂詞邏輯、框架、產生式、語義網絡、與或圖、Petri網等。這些方法適用于表示不同類型的知識，從而被用于各種不同的應用領域。如何選取或提出合理的知識表示方法，用最恰當的形式來表示中醫證候、中藥、針灸、溫病、養生等各方面的知識，是中醫藥知識表示研究的重點問題。
目前，知識工程領域的一種主流觀點是將建立一個知識系統的過程視為一種“建模”活動。知識建模（knowledge modeling）是指采用某種計算機方法構建一個“知識模型”，它在特定領域中能像專家那樣解決問題。其本質是通過模型來表示知識，因此屬于一種形式化的知識表示方法。近年來，采用本體等技術建立知識模型，已成為中醫藥知識分析的一種常用手段，也是中醫藥知識表示研究的一個主要方向[13-14]。
4.3 中醫藥知識獲取研究
知識獲?。╧nowledge acquisition）是指從專門的知識源中全面、系統地獲取知識，并將其轉換為某種計算機可處理的形式（如程序、規則、本體等）[15-16]。這里的知識源可以是人類專家，也可以是案例、教科書、論文、數據庫、網站等知識載體。一般情況下，知識獲取需要由“知識工程師（knowledge engineer）”與領域專家配合，共同來完成工作。知識工程師的任務是幫助領域專家激活隱性知識，完成知識的轉換，建立基于知識的系統。
知識工程的一個典型場景是：一組知識工程師找到并訪問特定領域的專家，聽取專家的介紹，記錄專家的經驗性知識并將其表達為計算機可處理的形式，存入知識庫中。將知識庫與推理引擎結合起來，也就構成了一個新的專家系統。知識獲取也必然涉及知識驗證的問題：知識工程師需要對知識進行評審和驗證，以確保知識的準確性。
知識獲取是任何知識管理和知識工程的基礎性工作。在中醫藥領域，知名老中醫的經驗和古籍文獻占有重要地位，是知識獲取的重點對象。一方面，知名老中醫知識和經驗的獲取，是中醫藥知識獲取的重要環節。它屬于專家認知獲取的范疇，也就是將專家頭腦中隱含的知識轉換為某種形式的顯性知識的過程。另一方面，中醫藥領域產生了海量的古籍文獻。古籍數字化對于中醫藥信息的快捷傳播和永久保存具有重要意義。如何從數字化的古籍文本中有效提取中醫藥知識，則是知識工程所關注的問題。無論是通過專家訪談等方法獲取領域專家的經驗和實踐方法，還是查閱大量文獻搜集領域知識，都是復雜的、繁瑣的工作，且多數情況下只能通過人工方法完成。因此，知識獲取是中醫藥知識工程領域中面臨的關鍵瓶頸[16]。如何突破“知識獲取”瓶頸，也就成為知識工程研究的一個熱點問題。
4.4 中醫藥知識運用研究
知識運用是指將領域知識庫以及機器推理、知識發現等技術運用于科研、臨床、教學等領域，輔助中醫藥工作者解決復雜問題并提升工作效率。知識工程在中醫藥領域的具體應用包括：四診客觀化研究、中醫辨證規范化研究、方劑量效關系分析、中藥新藥發現、中醫臨床診療、中醫教學等等。為使知識工程的成果產生社會效益和經濟效益，促進中醫藥知識創新和學科發展，必須研究如何運用知識的問題。知識工程學不能逐一研究具體應用的過程或方法，而是研究在各種應用中都可能用到的共性方法，包括知識推理、知識搜索、知識發現、知識服務等。
傳統上知識運用研究的一個中心問題是如何構建專家系y。中醫專家系統是指用計算機人工智能技術來模擬著名老中醫診療病人的臨床經驗，從而使該軟件具有專家診治病人的水平[8]。如前文所述，隨著“中醫關幼波診療肝病的計算機系統”的出現，全國興起了一股研發中醫專家系統的熱潮。據陸志平等[9] 估計，中醫專家系統已不下300個，并遍及中醫的內、外、婦、兒、五官以及針灸等各科。專家系統能對中醫四診信息進行處理和解釋，并產生臨床推薦意見和臨床警示，可用于輔助職業醫師進行臨床決策。該系統的構建涉及知識獲取、機器學習、知識推理、知識搜索等多方面的理論和方法學研究。
自20世紀90年代開始，隨著數據庫技術的普及以及數據庫內容的不斷積累，使業務人員產生了從數據庫中挖掘知識的愿望。為此，學者們將數據庫技術與人工智能、統計學、機器學習等傳統技術相互融合，產生了知識發現這一交叉學科[17]。知識發現（knowledge discovery in database，KDD），可被理解為“數據庫中的知識發現”。近年來，中醫團體探索將各種KDD方法應用于中醫藥領域。KDD被用于研究方劑配伍規律[18]，輔助中醫開具中藥處方[19]，解釋中醫證候的本質[20-21]，以及輔助基于中醫藥的新藥研發[22]，都取得了良好的效果。KDD作為中醫藥知識分析和科研創新的一種新方法，也成為中醫藥知識運用研究的一個熱點。
5 中醫藥知識工程的關鍵技術分析
中醫藥知識工程將本體（ontology）、文本挖掘（text mining）、語義網（semantic Web）等多種信息技術與中醫藥領域知識相結合，以促進中醫藥知識的創造、管理和運用。在下文中，圍繞知識建模、知識獲取、知識存儲、知識發現等4個主要方面，對中醫藥知識工程中涉及的關鍵技術進行具體分析。
5.1 中醫藥知識建模技術
知識建模是將領域知識表達為計算機可處理模型（即知識模型）的過程，它是知識工程的基礎。中醫藥知識體系與中華傳統文化息息相關，具有鮮明的文化和語言特色，這決定了中醫藥知識建模的獨特性。歷代中醫普遍采用“取向比類”等形象思維方法，中醫藥概念之間的關系錯綜復雜，中醫文獻中包含大量古漢語成分，這些因素導致中醫藥知識難于精確描述和定量刻畫。需要對知識建模的方法和技術進行創新，并研究出一套符合中醫藥特點的知識建?？蚣?，以支持中醫藥知識工程的實施以及知識服務平臺的建設。
知識建模技術有很多種，技術人員所熟知的統一建模語言（UML）和實體關系模型（ER模型）都屬于知識模型。本體是1990年代出現的知識建模方法，其核心任務是對領域概念體系進行系統梳理和準確表 達[13]。本體在復雜知識建模和自動推理等方面體現出技術優勢，因此在生物醫學領域逐漸成為主流技術。
近年來，中醫藥知識工程的一個熱點是通過構建中醫藥領域本體，對中醫藥理論和知識體系進行辨認、梳理、澄清和永久保真處理。中醫團體已經開展了基于本體的中醫藥知識建模方法研究，并實際構建了一系列領域本體[14] 。例如，中國中醫科學院中醫藥信息研究所研制了“中醫藥學語言系統（Traditional Chinese Medicine Language System，TCMLS）”這一大型中醫藥領域本體[23] 。TCMLS對中醫藥領域的概念和術語系統進行了完整的表達，在中醫藥學研究中得到廣泛應用。此外，本體建模的對象還包括陰陽、五行、臟腑、證候、中藥、方劑等諸多領域。這些本體最終可被整合為一個完整的中醫藥領域本體，支持知識獲取、知識發現、知識服務等中醫藥知識工程的后續工作。實踐表明，本體可有效捕捉中醫藥領域的概念體系，并以概念為核心將中醫藥知識體系準確地表達出來，能夠勝任中醫藥領域知識建模的任務。
5.2 中醫藥知識獲取技術
如上文所述，中醫藥知識獲取是一項復雜的工作，被公認為知識處理過程中的一個瓶頸，嚴重限制了知識工程和知識系統的發展。近年來，學者們主要試圖通過“集體智能”和“機器智能”這兩條路徑來突破中醫藥領域的知識獲取瓶頸。
“集體智能”是指組織大量領域專家一起編輯知識庫，從而實現專家知識的共享與融合。實現集體智慧的關鍵在于建立合理的交流、協作和激勵機制。隨著互聯網的迅速推廣，中醫界開始利用互聯網技術建立各種面向中醫藥領域的知識工程平臺，進行跨學科、跨組織、跨地域的協作式知識加工，開展了一系列大規模的知識工程項目，建成了一系列術語系統、領域本體、文獻庫、數據庫和知識庫。例如，中國中醫科學院中醫藥信息研究所建立了基于互聯網的“中醫藥虛擬研究院”，部署了一個協同知識工程平臺，支持全國40余家機構，近300人進行協同工作[24-25]。在該系統的直接支持下，研制了“中醫藥學語言系統”[23]等一系列大型知識系統。實踐表明，基于互聯網的虛擬環境能將不同機構、不同地區的研究人員組織起來，有效解決資金分散、缺乏協調、研發能力不足等問題，實現知識工程的規?；痆25]。
“機器智能”是指研發文本挖掘技術，使機器能夠直接從文獻等知識載體中提取結構性知識。文本挖掘在中醫藥領域已得到成功應用，能夠顯著提升知識庫加工的效率[26]。但與生物醫學領域的大量研究工作[27]相比，文本挖掘在中醫藥領域的應用仍處于早期探索階段。需要針對中醫藥文獻的特點，進一步研發實用的挖掘方法，提升挖掘結果的完整性和準確性，從而深度挖掘中醫藥文獻中蘊含的知識。
5.3 中醫藥知識存儲技術
知識存儲（knowledge storage）特指在計算機系統中安全、可靠、有序地存儲知識資源，以支持知識管理和知識工程應用。知識庫是實現知識存儲的重要支撐工具，也是知識工程的重中之重。知識庫一般是針對特定領域以及問題求解而建立的，對領域知識進行全面收集和系統整理，進而對知識進行組織、分類和保存，以支持知識檢索和查詢。
構建中醫知識庫系統，是指用人工智能技術把中醫藥理論和專家的經驗按規范化、標準化的格式組建成知識庫[8]。知識庫一般具有形式化、結構化、易查詢、易操作等特點，能支持機器推理。傳統上知識庫主要是指采用謂詞邏輯、框架等知識表示方法，在計算機系統中表示和存儲的知識集合。但在中醫藥信息化實踐中，人們也把文獻庫、數據庫、本體等多種形式的知識載體統稱為“知識庫”。它們都能起到知識存儲的作用，與自然語言處理、機器學習等方法相結合后仍可支持智能應用，因此稱之為廣義的知識庫也不為過。
近年來，中醫藥知識庫建設得到迅猛發展，在中醫人體、中醫疾病、中醫證候、中醫醫案、中藥、中醫養生等方面都出現了知識庫系統[28]。中醫藥知識庫在中醫藥信息化中扮演著核心的角色，在文獻整理、知識可視化、知識共享、臨床診療、教學、研究等諸多方面取得實際應用，為中醫藥知識遺產的數字化保存和深度挖掘提供了創新性的手段。
5.4 中醫藥知識發現技術
知識發現是從數據中獲取有效、新穎、有潛在應用價值和最終可理解模式的非平凡過程[17]。知識發現是人工智能、數據庫、統計學、機器學習等多種技術相互交叉產物。知識發現在20世紀90年代提出之后，獲得了廣泛關注和迅速發展，產生了高頻集、關聯分析、分類、預測、聚類、孤立點分析、時序/序列分析等一系列行之有效的方法，還出現了Weka、Rapidminer等較為成熟的開源軟件。這為知識發現技術在中醫藥領域的應用創造了條件。
中醫在數千年的臨床實踐與理論研究中積累了海量的數據、文獻和知識。如何利用這些寶貴資源就成了發展中醫藥必須面對的一個問題。而KDD所擅長的正是從海量的數據中尋找有意義的模式和知識，是分析中醫藥海量數據所需的理想技術手段。近年來，中醫團體已開展了將頻繁模式發現、關聯規則發現、聚類分析、復雜網絡分析等多種KDD方法引入中醫藥領域的若干探索。例如，使用關聯規則發現等方法對方劑數據進行分析，來揭示方劑配伍規律[18]；通過知識發現方法輔助中醫開具中藥處方[19]以及中藥新藥研發[22]；通過基于隱結構模型的機器學習方法來揭示中醫證候的本質[21]；使用文本挖掘方法從海量文獻中挖掘新穎知識，構建并分析中醫藥復雜網絡[20]。這些工作表明，面對中醫藥領域的海量數據，采用KDD技術進行有效的知識發現既是必要的，也是可行的[29]。
過20多年的發展，中醫藥知識發現的方法和技術已進入相對成熟期，針對中醫藥領域的各種問題都產生了一系列行之有效的方法。但成熟并不意味著完善，面對中醫藥數據描述多樣化、數據仍不完備的特點，仍然需要對現有的KDD技術進行改進和發展，以滿足中醫藥科學研究和知識創新的需要。
6 中醫藥知識工程的發展趨勢
近年來，中醫藥知識工程實踐取得長足發展，成功建立了大量的知識資源。但中醫藥知識資源往往服務于特定的醫療和研究機構，彼此之間異質、異構，難以實現集成與共享，形成嚴重的“知識孤島”現象，成為長期困擾中醫藥知識工程領域的技術難題。中醫藥與西醫等相關領域的知識資源也難以實現有效的關聯，阻礙了跨學科研究的開展。
為此，學者們[6，30]提出使用語義網作為中醫藥數據表示標準，實現中醫藥內部的知識整合以及中西醫領域的知識互聯，從根本上解決“知識孤島”問題。2001年，萬維網發明人（T.B. Lee）在《科學美國人》上正式提出了語義網的構想，認為它將是一個機器可以理解的開放性信息空間[5]。語義網技術的核心優勢在于將數據結構和存儲方式各異的數據轉換為統一格式并重新，從而實現數據資源的交換與集成。語義網為實現跨領域知識關聯提供了理想的技術平臺，有助于構建面向特定領域的大規模知識圖譜，進而實現各領域知識圖譜的關聯與融合。語義網最終將發展為一個全球性的知識圖譜，提供全面、智能的知識檢索服務，促進知識共享和人機協作。
可基于語義網技術建立中醫藥知識圖譜，從而實現中醫疾病、中藥、方劑、針灸、醫案等中醫藥各門類知識資源的集成[30-31]。TCMLS作為一個包含10余萬個中醫概念以及100余萬個語義關系的大型語義網絡，為構建中醫藥知識圖譜提供了相對完整的框架。鑒于此，于彤等[31]提出以中醫藥學語言系統為骨架，將中醫藥領域現有的術語資源和數據庫資源融合起來，構成大規模知識圖譜，并實現基于知識圖譜的知識檢索、知識展示和知識服務等功能。在未來，可進一步擴充中醫藥知識圖譜，通過語義關系表達中醫和西醫之間的結合點，從而實現這兩個領域的知識圖譜的關聯和融合。這套方法將使中醫藥知識資源接入全球互聯的知識圖譜之中，支持各種面向結合醫學的知識共享、決策支持和知識發現應用，在中西醫結合醫學中發揮更大的作用和影響力。
6 小結
中醫藥根植于中華文化，源于中國傳統哲學，是中華民族非常寶貴的知識遺產。中醫藥知識工程成為中醫藥知識遺產保護和知識創造的一種新模式，能有效推動群體性的知識創新活動，加速知識轉化過程，促進知識的傳播。
中醫藥經過數千年的發展，形成了一座偉大的知識寶庫，這決定了中醫藥知識工程的巨大價值和艱巨性。中醫藥領域知識體系相當復雜，對知識工程技術提出了獨特的需求。在中醫藥領域實施知識工程是一項極其復雜且具有挑戰性的工作，其中還有很多尚未解決的科學問題和技術難題，需要進行長期的研究。展望未來，中醫藥知識工程必將成為中醫藥信息學學科體系的重要組成部分，也將在中醫藥科學研究和臨床實踐中發揮越來越重要的作用。
參考文獻：
[1] 任廷革， 劉曉峰， 李慶業， 等. 從復方分析模型的研究看中醫知識工程的意義[J]. 中國中醫藥信息雜志， 1999， 6（3）： 12-13.
[2] 楊斌. 中醫知識工程的建立及其意義[J]. 世界科學技術――中醫藥現代化， 2000， 2（4）： 28-30.
[3] Schreiber G， AKKERMANS H， Anjewierden A， et al. Knowledge engineering and management： the CommonKADS methodology [M]. 1st ed. Cambridge， MA： The MIT Press， 2000.
[4] Brachman R， Levesque H. Knowledge representation and reasoning [M].San Francisco：Morgan Kaufmann Publishers Inc.， 2004.
[5] Berners-Lee T， HENDLER J， Lassila O. The semantic Web [J]. Scientific American， 2001， 284（5）： 28-37.
[6] 于彤， 崔蒙， 李敬華. 語義Web在中醫藥領域的應用研究綜述[J]. 世界中醫藥， 2013， 8（1）： 107-109.
[7] Fayyad U， PIATETSKY-Shapiro G， Smyth P. From data mining to knowledge discovery in databases[J]. AI magazine， 1996， 17（3）： 37-54.
[8] 馬斌榮. 中醫專家系統與中醫知識庫[M]. 北京： 北京出版社， 1997.
[9] 陸志平， 李媛媛， 魏方方， 等. 人工智能、專家系統與中醫專家系統[J]. 醫學信息， 2004， 17（8）： 458-459.
[10] 孫燕. 中醫知識工程研究進展分析[M]. 中國中醫藥信息雜志， 2010， 17（12）： 5-6.
[11] 于彤， 陳華鈞， 顧攏 等. 中醫象思維的OWL語義建模[J]. 中國數字醫學， 2013， 8（4）： 29-33.
[12] 于彤， 崔蒙， 吳朝暉， 等. 基于語義Web的中醫臨床知識建模[J]. 中國數字醫學， 2013， 8（11）：81-85.
[13] Gruber T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition， 1993， 5（2）： 199-220.
[14] 李兵， 裘儉， 張華敏， 等. 中醫藥領域本體研究概述[J]. 中國中醫藥信息雜志， 2010， 17（3）：100-101，106.
[15] 路耀華. 思維模擬與知識工程[M]. 北京： 清華大學出版社， 1997.
[16] 陳瑜. 試論中醫藥領域的知識獲取[J]. 醫學信息學雜志， 2013， 34（3）： 89-92.
[17] FAN J， LI D. An overview of data mining and knowledge discovery[J]. Journal of computer science and technology， 1998， 13（4）： 348-368.
[18] 李文林， 段金廒， 趙國平，等. 方劑配伍規律數據挖掘的研究現狀及思考[J]. 中國中醫藥信息雜志， 2008， 15（10）：92-94.
[19] QIAO S， TANG C， JIN H， et al. KISTCM： knowledge discovery system for traditional Chinese medicine[J]. Applied intelligence， 2010， 32（3）：346-363.
[20] ZHOU X， LIU B， WU Z， et al. Integrative mining of traditional Chinese medicine literature and MEDLINE for functional gene networks [J]. Artificial intelligence in medicine， 2007， 41（2）：87-104.
[21] ZHANG N， YUAN S， CHEN T， et al. Latent tree models and diagnosis in traditional Chinese medicine[J]. Artificial intelligence in medicine， 2008， 42（3）：229-245.
[22] 雷蕾， 慧敏， 崔蒙， 等. 中醫藥化學輔助研發系統的建設[J]. 中國中醫藥信息雜志， 2008， 15（8）： 100-101.
[23] 于彤， 賈李蓉， 劉靜， 等. 中醫藥學語言系統研究綜述[J]. 中國中醫藥圖書情報雜志， 2015， 39（6）： 56-60.
[24] 崔蒙， 謝琪， 尹愛寧， 等. 中醫藥信息數字化虛擬研究院建設模式研究[J]. 上海中醫藥大學學報， 2008， 23（3）：5-8.
[25] 尹愛寧， 崔蒙， 范為宇， 等. 中醫藥虛擬研究院[J]. 國際中醫中藥雜志， 2006， 28（3）： 141-143.
[26] ZHOU X， PENG Y， LIU B. Text mining for traditional Chinese medical knowledge discovery： a survey[J]. Journal of biomedical informatics， 2010， 43（4）： 650-660.
[27] Rebholzschuhmann D， OELLRICH A， Hoehndorf R. Text-mining solutions for biomedical research： enabling integrative biology[J]. Nature reviews genetics， 2012， 13（12）： 829-39.
[28] 于彤， 釧叮 李敬華. 中醫藥知識庫系統研究進展綜述[J]. 中國醫學創新， 2014， 11（18）： 142-144.
[29] 吳朝暉， 封毅. 數據庫中知識發現在中醫藥領域的若干探索（Ⅰ）[J]. 中國中醫藥信息雜志， 2005， 12（10）： 93-95.
[30] CHEUNG K， CHEN H. Semantic Web for data harmonization in Chinese medicine [J]. Chinese Medicine， 2010， 5（1）：1-5.
[31] 于彤， 劉靜， 賈李蓉， 等. 大型中醫藥知識圖譜構建研究[J]. 中國數字醫學， 2015， 10（3）： 80-82.
Knowledge Engineering for Traditional Chinese Medicine： A Review of Theoretical System and Key Technologies
Yu Tong
Information Institute of Traditional Chinese Medicine， China Academy of Chinese Medical Sciences，
Beijing 100700
