知识图式的概念辨析（原创，禁转）

Posted 2021-07-22 漫小牛

文章目录

• 知识图式的概念辨析
• • 1 引言
  • 2 知识图式的基本概念
  • • 2.1元概念的辨析
    • 2.2五种典型知识图式
  • 3 知识图式的辨析
  • • 3.1历史渊源
    • 3.2对知识的表达能力·
    • 3.3创作方法
    • 3.4表现形式
    • 3.5应用领域
    • 3.6关注点
    • 3.7目的
    • 3.8理论依据
  • 4结束语
  • 参考文献

知识图式的概念辨析

       摘 要：知识图式中的思维导图、概念图、知识图谱等名称是容易混淆的一些概念。本文对知识图式中的元概念进行辨析，经文献计量分析发掘了5种典型知识图式。从历史渊源、对知识的表达能力、创作方法、表现形式、应用领域、关注点、目的和理论依据共8个辨析点对这些知识图式进行了全面的辨析，对基于知识图式的应用研究具有一定的理论意义。
       关键词：知识图式、思维导图、概念图、知识图谱、认知地图、语义网络

1 引言

       图式，是指围绕某一主题组织起来的以知识的表征和贮存方式为基础的理论[1]。对知识图式最早的研究可以追溯到1781年，德国古典哲学家伊曼纽尔康德首先提出了图式理论。他指出：“新的概念只有同人们已有的知识建立关系，才会变得有意义”[2]。20世纪60年代瑞士教育学家皮亚杰提出“同化”和“顺应”的概念，图式再次引起专家的广泛关注。
随着数字化社会的到来，知识更新的速度不断加快，学科分类逐步细化并交叉融合，给知识表征提出了更高的要求，出现了思维导图、概念图、知识图谱等多种形式的知识可视化概念，它们在语言学、人类学、心理学和人工智能等领域有着广泛的应用。这些概念都是基于图式理论的知识表征方法，随着学科门类的细分和融合，所产生的知识图式的名称越来越多，出现了“名称不同，表义却完全相同”，“名称相近，表义却并无关联”等问题，理解和运用中也存在一些歧义和误解。本文对这些概念进行梳理，对他们的区别点进行辨析，以期对未来国内知识图式理论的研究有所帮助。

2 知识图式的基本概念

2.1元概念的辨析

       思维导图、概念图、知识图谱等知识图式采用不同的可视化形式表征知识，广泛应用于各种研究领域。由于应用领域、文化背景、知识表达、研究对象等存在差异，在发展过程中形成了多个概念，图1给出了知识图式的中英文词云图。

图1 典型知识图式的中英文词云图

       词云图上中英文分别列出了十余项知识表征手段，若对这些概念逐个分析，不但任务量较大，而且重点不够突出。从构词上分析，这些概念由“前缀+后缀”的形式组成，前缀是一个与知识相关的词语，后缀是一个与图形化相关的词语。本文列出一个二维表（表1），对这些概念进行分析，把前后缀组合后的名词填入表中，有利于从整体视角来把握。表格内容梳理的过程，也是查看是否存在漏项的过程。将所有存在的名称列出后，便于进行“表义相同”、“表义相近”、“表义不同”的系统性分析。

表1 知识图式的前后缀及名称

       表中的前缀为概念（Concept）、知识（Knowledge）、思维（Mind）、认知（Cognitive）、语义（Semantic）、因果（Casual）、论证（Argument）、心象（Mental），后缀为图（Graph）、地图（Map）、图谱（Altas）、网络（Network）。前缀词条相对独立，而涉及图形化的几个后缀相关性较大，图是最基本的概念，表示可视化的知识图形，其他后缀词条在图的基础上有不同的扩展和延伸。地图隐含有规划、导航、寻路、定位的能力，图谱体现了时间上的序列化，而网络与图并无本质区别，一些研究认为网络上的边有权值而图上的边没有权值。
       前后缀的全连接共32种，文献中出现的词条有14种。在查阅文献的基础上，表义相同的名称有四组：i概念图和概念地图；ii思维导图、思维地图和心象图；iii认知地图、认知图和因果图；iv语义图和语义地图。
       表义相近的名称有一组：知识图、知识地图和知识图谱。Knowledge atlas这种形式在文献中并不常见，主流名称为Knowledge graph，直译为知识图，大部分国内的学者将其称为知识图谱，能够体现出知识随时间的演变。知识图谱遵循了布鲁克斯“知识地图”的思想，是知识地图的一种高级表现形式[3]。

图2 主流知识图式的研究占比

       经知识图式名称的归类与综合后，不同类型的知识图式仅有七种。在CNKI上采用主题词对2010年-2020年的学术文献进行检索，超过300篇文献的研究有思维导图（含心象图、思维地图，8471篇）、知识图谱（含知识图、知识地图，6981篇）、概念图（含概念地图，3167篇）、认知图（认知地图、因果图，1053篇）、语义网络（843），研究占比见图2。剩余的4个词条或者面向某一具体领域（如：语义图或语义地图面向语言学），或者面向某一特定的应用（如：桑基图用于分析数据流向），本文不对其进行研究探讨。

2.2五种典型知识图式

       本节对概念图、思维导图、知识图谱、认知图和语义网络五种典型知识图式依次解析。
       诺瓦克博士将概念图定义为：使用节点代表概念，使用连线表示概念间关系的知识组织和表征工具[4]。根据诺瓦克博士的定义，概念图是用来组织和表征知识的工具。它通常将某一主题的有关概念置于圆圈或方框之中，然后用连线将相关的概念和命题连接，连线上标明两个概念之间的意义关系[5]。
       思维导图是为促进思维激发和思维整理的可视化、非线性思维工具[6]。代表性学者东尼博赞认为思维导图是对发散性思维的表达，因此也是人类思维的自然功能，可以应用于学习、生活的各个方面，其改进后的学习能力和清晰的思维方式会改善人的行为表现[7]。
       知识图谱是一种揭示知识领域随时间演化的动力机制的信息可视化方法，其主要目的是探查并监测某个知识领域的发展[8][9]。知识图谱也是发展中的新兴多学科交叉领域，旨在通过数据挖掘、分析、分类和绘图，对知识进行导航和显示，以此来简化信息访问、揭示知识结构和帮助知识发现[10]。国内的学者将knowledge graph翻译为知识图谱后，赋予其“图”和“谱”的双重性质与特征。它既是可视化的知识图形，又是序列化的知识谱系，显示了知识元或知识群之间网络、结构、互动、交叉、演化或衍生等诸多复杂的关系[11]。
       认知图通常由概念与概念间的关系组成，概念用图上的节点表示，可以表示系统的动作、原因、结果、目的、感情、倾向及趋势等，反映系统的属性、性能与品质。概念间的关系用带箭头的弧表示，箭头的方向表示因果联系的方向[12]。
语义网络通过简单的语义三元组构成的有向标记图，该结构提供了强大灵活的知识表示能力，可方便地被机器所识别和应用，是互联网海量数据的知识抽取、展现、推理、理解、计算的有效手段[13]。需要注意的是，语义网络与其构词相近的语义图和语义地图是完全不同的概念。

3 知识图式的辨析

       对知识图式的充分认识和辨析，做到灵活运用，才能在教学实践、学习过程中有的放矢。本文对学者关注更为广泛的五种知识图式进行辨析，包括：思维导图、概念图、知识图谱、认知地图、语义网络。辨析点有历史渊源、对知识的表达能力、创作方法、表现形式、应用领域、关注点、目的和理论依据共8项。归纳后所形成的辨析内容见表2。

表2 五种知识图式的辨析

3.1历史渊源

       从历史渊源看，思维导图源于英国人东尼博赞，他认为：传统的草拟和笔记方法有埋没关键词、不易记忆、浪费时间和不能有效的刺激大脑四大不利之处[14]，利用思维导图记笔记为智力缺陷的孩子做辅导，在短时间内取得了显著的学习效果。概念图提出的出发点是促进新知识的学习，利用概念图发掘新旧知识差异，采用同化或顺应达成一致。知识图谱起源于引文分析，用来解释文献的数量特征和内在规律。认知地图最早由托尔曼在1948年提出，目的是为心理学建立一个模型。语义网络由奎林于1968年提出，开始是作为人类联想记忆的一个明显公理模型提出，随后在AI中用于自然语言处理，表示命题信息。五种知识图式虽然具有不同的本源，但经过一段时间的发展演化后，均起到了表达知识的能力。

3.2对知识的表达能力·

       从对知识的表达能力看，思维导图是人脑中自然的、充满图像的思维过程和思维能力的反应，是人脑思维过程的呈现。概念图围绕一组概念建立知识网络，便于直观的把握概念体系。知识图谱描述了人类或某领域群体随时间拥有的知识资源，不同谱系的知识图谱体现了知识的进化过程。认知地图描述了因果知识网络，很容易从全局的视角看待原因、结果、目的、倾向、趋势等概念之间的因果联系。语义网络除了表达概念知识外，还能表达基本知识外的复杂知识，如：事件、信念、意愿、计划以及知识来源与证据跟踪等。

3.3创作方法

       从创作方法看，思维导图中心节点开始，逐步建立一个有序的图，可采用手绘，也可采用iThoughts、Mindmaster等思维导图软件绘制。概念图先罗列所有概念，而后建立概念之间的关系，在绘制过程中，也能增加新的概念和关系，常用的绘制工具为Cmaptools。认知地图具有两种方法，初始绘制认知地图的创作方法与概念图大致相同，后期会依据训练集和测试集对认知地图进行优化。知识图谱和语义网络的构建相对复杂，利用大数据、机器学习、数据挖掘等计算机领域的方法自动化构建知识图谱，当自动化构建的知识图谱效果不够理想时，也可人工参与协作化构建。知识图谱构建中一般包括信息抽取、知识融合和知识加工三个阶段。

3.4表现形式

       从表现形式看，思维导图是树状结构，其余四种图式均为网状结构（图状结构）。前者更符合人脑的思维结构，从一个中心概念出发，一步一步细化，将概念分解为多个更小的概念，抽象的概念逐步变得具体化、形象化。
       虽然概念图、认知地图、语义网络和知识图谱均为网状结构，在规模大小和边的方向上还存在区别。概念图和认知地图规模较小，图中至多由数十个节点构成；语义网络可用于某一命题或大规模自然语言建立可视化表示，节点数从几个节点到千万级节点不等。知识图谱往往是面向某一科学领域所做图式，涵盖的知识点和概念较多，需要大数据支撑，体现为大规模网状结构，具有的边和节点数在千万级以上。
       概念图、认知地图和语义网络中的边具有方向性，能体现概念之间的逻辑关系、时序或因果关系，这种有向性在知识图谱上体现的并不明显，部分知识图谱的可视化呈现中的边并没有方向，而具体关系可从三元组的表示形式来深入理解。知识图谱采用三元组表示，即:$G\in （E,R,S）$，其中$E\in （e_1,e_2,...,e_{|e|}）$是知识库的实体集合，共包含$|E|$种不同实体；$R\in （r_1,r_2,...,r_{|r|}）$是知识库中的关系集合，共包含$|R|$种不同的关系；$S\subseteq E\times R\times E$ 是知识库中的三元组集合。三元组的基本形式主要包括（实体1、关系、实体2）和（概念、属性、属性值）。对每一个实体，采用了全局唯一确定的ID来表示，并围绕实体采用多个“属性-属性值”对描述实体的内在特性。每个实体相当于面向对象编程语言中“对象”的概念，可以认为实体与属性值之间存在一条隐含的有向边。实体之间的关系并不能体现明显的方向性，如百度公司和腾讯公司之间并无从属性，两者仅为合作伙伴或商业竞争关系。

3.5应用领域

       从应用领域看，思维导图符合人脑的思考方式，更容易为大众所接收，在企业中应用更为广泛，如用于项目管理、商业计划等。相比思维导图而言，概念地图、知识图谱、认知地图的学术性更强。概念地图很适合描述某个知识点，在教与学中应用较广，例如：将初中物理中力学知识形成概念地图，对学生直观理解、全面分析把握都有一定的益处。将其应用于大学理工科、初高中数理化时，效果要好于文史哲、经管法等文科类的领域。知识图谱主要用于某个学科整体上的研究与探索，能为学科研究提供切实的、有价值的参考。认知地图也具有很强的学术性，是用于因果知识信息处理的有力工具，其应用研究涉及到模糊数学、模糊推理、不确定性理论及神经网络等诸多学科。语义网络的应用领域更为宽泛，包括互联网智能搜索、内容管理/监控/过滤、自然语言处理、智能Agent和机器人、机器学习、专家知识系统、个人信息助理以及商业智能等几乎所有智能应用[15]。

3.6关注点

       从关注点看，思维导图在于启发人的思想和灵感，更关注颜色搭配和线条把控，用不同的颜色区分不同的主题，用线条的粗细体现不同级别的分支。概念图是由一组概念和概念之间的关系所构成的，具体哪些概念之间有联系？存在什么样的联系？是概念图绘制中应关注的重点。虽然知识图谱也由多个概念构成，但整体上是一种高内聚（实体内）、松耦合（实体间）的结构，相邻的节点关系更为密切，关注当前节点和临近节点是把握知识框架、进行知识发现、展开知识关联的关键。认知地图和语义网络在关注点上与概念图接近，同样关注概念之间的关系，语义网络中的关系采用IS-A（表示“具体-抽象”关系），PART-OF（表示“整体-构件”关系），IS（表示一个节点是另一个节点的属性），HAVE（表示“占有、具有”关系），BEFORE/AFTER/AT（表示事物间的次序关系），LOCAED-ON（表示事物间的位置关系）等谓词表示，而认知地图仅考虑概念之间的因果关系。

3.7目的

       从目的来看，五种知识图式都用于表征知识。思维导图重在激发灵感以及整理思考。知识图谱能简化信息访问、揭示知识结构并帮助知识发现。认知地图的目的是定性推理和知识管理，从物理系统、生命系统等的结构描述出发，导出行为描述，以便预测系统的行为并给出原因解释。语义网络除能进行知识表示外，也能进行知识推理，这是走向强人工智能的必由之路。

3.8理论依据

       从理论依据看，思维导图、概念图、认知地图三者的理论基础都是心理学。思维导图像神经细胞一样从一个中心节点不断发散，依据的是神经心理学。概念图依据认知心理学的有意义学习理论建立新旧知识之间的联系，在这一点上认知地图与概念图类似，后期所提出的模糊认知地图成为了主流研究，需要模糊数学的理论支撑。知识图谱理论建立在知识工程发展的基础之上，存在“四计学”的理论支撑，即：科学计量学、文献计量学、信息计量学、网络计量学。语义网络也属于人工智能中知识工程的范畴，重在依据知识智能的方法理论解决互联网时代的各类实际问题。

4结束语

       作为有效的知识可视化手段，思维导图等知识图式受到了越来越高的关注。由于这些概念应用于不同的学科、提出在不同的时期，经发展演化后形成了十余种能够表征知识的图形化概念。对这些概念的理解难免存在歧义和误解，制约着基于知识图式展开的应用研究。本文着重对思维导图、概念图、知识图谱、认知地图、语义网络五种知识图式进行系统分析，从历史渊源、对知识的表达能力、创作方法、表现形式、应用领域、关注点、目的和理论依据共8个方面辨析概念之间的异同，对知识图式的理论和应用研究具有一定的参考价值和借鉴意义。

参考文献

[1]康立新. 国内图式理论研究综述[J]. 河南社会科学, 2011(04):186-188.
[2]伊曼努尔・康德. 纯粹理性批判[M]. 中国人民大学出版社, 2004.
[3]秦长江, 侯汉清. 知识图谱——信息管理与知识管理的新领域[J]. 大学图书馆学报, 2009(1).
[4]Gowin D B, Novak J D. Learning how to learn[J]. USA: Cambridge University, 1984.
[5]Novak J D, Cañas A J. The theory underlying concept maps and how to construct them[J]. Florida Institute for Human and Machine Cognition, 2006, 1(1): 1-31.
[6]贺立群. 思维导图和概念图在初中数学教学中应用的探讨[J]. 数学学习与研究, 2016(22):57-57.
[7]Buzan T, Buzan B. The mind map book[M]. Pearson Education, 2006.
[8]Chen C, Chen C. Mapping scientific frontiers[M]. London, England: Springer-Verlag, 2003.
[9]Synnestvedt M, Chen C. Design and evaluation of the tightly coupled perceptual-cognitive tasks in knowledge domain visualization[C]//Proceedings of the 11th International Conference on Human-Computer Interaction (HCI International 2005).
[10]Shiffrin R M, Börner K. Mapping knowledge domains[J]. 2004.
[11]刘则渊. 科学知识图谱: 方法与应用[C]. 辽宁省哲学社会科学获奖成果汇编[2007-2008 年度], 2010:493-496.
[12]骆祥峰,高隽,汪荣贵,胡良梅. 认知图研究现状与发展趋势[J]. 模式识别与人工智能, 2003, 16(03):315-322.
[13]代印唐. 基于语义网络的知识协作关键技术研究[D]. 复旦大学, 2009.
[14]赵国庆, 陆志坚.“概念图”与“思维导图”辨析[J]. 中国电化教育, 2004(08):42-45.
[15]Schaffert S., Gruber A., Westenthaler R., A Semantic Wiki for Collaborative Knowledge Formation. In: Semantics 2005, Vienna, Austria. November 2005.