知识图式的辩证理解(原创,禁转)
Posted 漫小牛
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了知识图式的辩证理解(原创,禁转)相关的知识,希望对你有一定的参考价值。
文章目录
1 知识图式概念的混淆点
本文在前文中给出了5种典型知识图式的概念,并对其区别点进行了全面辨析。坦白的讲,这些内容仅代表部分学者或主流学者的观点。在知识图式不断发展的历史背景下,不同学者在不同时期均提出了多种见解,它们之间存在着诸多歧义。如:“概念图”和“思维导图”的关系一直被争论,存在着“等同论”、“不同论”和“无需区分论”。又如:概念图理解的主要分歧在于以何种图形方式表示知识结构:诺瓦克等人根据有意义学习理论,强调概念图应该遵循等级结构;Ruiz-Primo等人认为根据Deese的关联记忆理论解释概念地图并不一定要遵循等级结构,网状结构可能更适合表示知识间的关系。当我们面临多种知识图式观点之间的冲突和矛盾时,应如何去理解,并解除困惑呢?
事实上,这些不同的观点可以互为补充,从不同的视角辩证的看去,这些观点都是正确的,它们可有力的支撑起知识图式的理论体系。这些辩证视角有:广义与狭义、古典与现代、层级与网状、通用与专用、继承与创新、领域与迁移、准确与随意。
2 知识图式的辩证理解
2.1 广义与狭义:描述范畴的视角
广义和狭义是对一个概念的两种理解方式。狭义比较具体,而广义的范围更广,含义更加宽泛。当一些概念刚刚出现时,并没有广义与狭义之分,随着时间的变化,不同学者有着不同的理解。描述中,有些较为具体、有些较为抽象;有些更为一般、有些更为特殊;有些关注内涵,有些关注外延。加之应用领域可能不同,为融合不同表述之间的冲突和矛盾,赋予概念广义和狭义两种不同的表述。
狭义的思维导图是东尼巴赞所定义的思维导图,图上有一个中心节点,本质上是一种不断向周围发散的树状图。发散的节点并没有顺序编号,它们分布在中心节点四周,按照人们所适应的习惯,按从右到左、从上到下或顺时针的顺序进行创作和回顾。广义思维导图不仅局限于树状结构,也包含像概念图这种网状结构,概念图绘制过程中,。把图形对象由树状结构扩展到图状结构,在图中加上了表示创作者思维顺序的编号,让作者本人或他人能够顺着编号对创作时的思路进行回顾。当然这种编号也可以通过箭头导向来实现。
狭义的知识图谱旨在揭示科学发展态势,聚焦于通过大样本学术信息的分析来读科学知识的结构、关系和演化过程进行可视化呈现。广义的知识图谱还包括基因图谱、神经网络图、金属图谱、天体图、地形GIS、教育学认知地图、概念地图等。
明确标注节点及节点之间关系的网状概念图称为狭义概念图,这严格符合诺瓦克对概念图的定义。广义概念图更接近黎家厚教授的表述,人类使用的一切用来表达自己思想的图示方法都是“概念图”。按这种说法,思维导图、知识图谱、认知地图、语义网络等也属于广义的概念图。
狭义的认知地图指的是基于概念地图的表达概念间因果关系的关联图示,用于可视化评价与决策,最新的发展是模糊认知地图,是一种定性与定量相结合,主观与客观相统一的认知显化方法。广义的认知地图包括基于认知科学的人类对于事物及其关系的关联图示,包括概念地图、专家地图、知识网络、社会网络、思维导图、语义网络等。
从上述分析可以看出,思维导图、知识图谱、概念地图、认知地图在狭义上相对独立,而在广义上更加融合,其概念具有一定的交叠和近似性。
2.2 古典与现代:时间发展的视角
以时间的发展过程来把握事物发展规律,是人认识客体的重要维度。无论是哲学家黑格尔、教育学家斯金纳,还是物理学家牛顿,但凡集大成者,均从时间轴线上对历史上的各个学派的不同观点进行了吸收、融合、统一和创新。聚焦知识图式,虽然仅仅经历了数十年的的发展,也可简单划分为历史起源的古典时期和逐步发展成熟的现代时期,从古典时期到现代时期,在定义本身、理论基础、研究领域以及应用范围等各个方面都有了不同的演化。从时间发展的视角理解知识图式,是深化认识并发掘新的认知范式的重要一环。
思维导图的概念由英国人东尼博赞于20世纪60年代提出,曾用来帮助英国查尔斯王子提高记忆力。1997年,孙易新博士是将思维导图引入华人世界的首倡者。思维导图作为一种可视化教学辅助工具也逐步得到了教育界学者的广泛关注。学者不仅探索思维导图的内涵,同时也将其应用于不同学科教学之中。2017年,姬广亮发起了中国思维导图普及工程,从专业领域带入大众的视野。
概念图是康奈尔大学的诺瓦克博士根据奥苏贝尔的有意义学习理论提出的一种教学新技术。概念图理论提出的早期,研究者主要把概念图作为一种评价工具,目的是为了测定学习者已有的知识结构。经历几十年的发展,概念图在本身定义、理论基础、研究领域、相关研究以及应用范围等各个方面都有了质的飞跃。80年代以来,研究由最初的评价工具发展到教学技能和教学策略上。90年代以后,更多的研究转向了概念图的应用领域的扩大。国内对概念图研究最早出现在1985年的《日本学术情报系统情况介绍》一文中,作者用概念图的形式展示了日本综合大学情报流通计算机网络系统。从本世纪初开始,许多学者将概念图理论大量引入教学领域。
认知图最早由托尔曼在1948年提出,目的是为心理学建立一个模型。古典认知图(classical cognitive map,CCM)认为认知图是一个个体(一个agent,一组agents或一个组织)关于它所处环境信任(belief)的断言。随着认知图的发展,出现了模糊认知图,Kosko把Axelord认知图概念间的三值关系(-1, 0, 1)扩展为区间[-1, 1]上的模糊关系,从而使FCM具有更加丰富的信息。现代的认知图均是建立在模糊认知图的概念之上,有扩展模糊认知图(eFCM)、定性概率网络QPN、具有记忆功能的FCM、神经元认知图、基于规则的模糊认知图、具有上下文关系的模糊认知图、多层FCM的模型、动态认知网络DCN、自动模糊认知图、面向对象的模糊认知图等等。
用定量统计方法发现科学知识指数增长规律的科学计量学奠基人普莱斯[D Price . Science Since Babylon [M]. Yale University Press , 1961],是科学知识图谱的早期开拓者。著名德国科学计量学家克里奇默关于科学合作的三维空间模型研究,大大地推动了科学知识图谱的发展。20世纪90年代,随着电子文献数据库的发展与网络化以及计算机存储与处理能力的飞速提高,在信息可视化技术与引文分析方法的结合下,知识图谱逐渐兴起。科学知识图谱的概念的正式提出源于2003年美国国家科学学院组织的一次以“mapping knowledge domains”为主题的研讨会,之后,该领域进入大规模深入研究阶段。2005年陈悦率先在中国命名并引入知识图谱,并在国内蓬勃发展起来。2012年,谷歌为实现更智能的搜索引擎,重新提出知识图谱的概念。2013年以后,进一步在学术界和业界普及,并在智能问答、情报分析和反欺诈等应用中发挥了重要作用。
语义网络的研究最早可以追溯到古希腊时代。公元前三世纪的古希腊哲学家Porphyry已经提出了将概念类属关系和概念属性合并在一起,用树形图来表示。这种表示可以看作最早的本体表示,也就是一种语义网络。十九世纪的哲学家Charles Peirce受到化学分子结构图表达方法的启发提出了称为存在图(existential graphs)的方式来表达语句中概念之间的关系。同期Gottlob Frege则用命题树来表示命题。(这些内容也可以看做知识图式的渊源)
现代意义的语义网络一般认为是19世纪60年代由Simmons和Quallian入的。1970年代,Shapiro和Sowa等人开始在计算机系统上实现具有实用价值的语义网络系统,正式确立了语义网络作为计算机科学一个独立分支的地位。1980年代提出KL-ONE知识表示语言和1990年代提出的描述逻辑(Description Logic, DL)以概念和概念之间的关系来表示和处理知识,其理论模型都可以看做是一种语义网络。
早起推动语义网络的动力来自于学术界计算机语言学、知识工程和人工智能等领域的研究。近年来则是工业互联网、Web技术和大数据的成功大大促进了语义网络的研究。进入21世纪,语义网络有了新的应用场景,即语义Web。语义Web由Web的创始人Berners-Lee及其合作者提出。通过W3C的一些标准来实现Web 的一个扩 展,从而数据可以在不同应用中共享和重用。
2.3 树状与网状:图形结构的视角
从图形结构分析,五种知识图式大体可分为两类结构:树状结构和网状结构(也称为图状结构)。思维导图属于树状结构,这种结构由一点出发不断向外增加分支,对每个分支又可细化为更小的分支,分支节点之间没有直接的连边。概念图、知识图谱、认知地图、语义网络四种图式属于网状结构,任意两节点之间只要存在关联,两者之间就有一条连边。
树状结构的优势是符合人脑的思维逻辑,图式的结构、概念的大小清晰可见。基于树状结构的思维导图,更便于记忆、回顾,这是因为树的遍历算法(如前序遍历)更加简洁,遍历中的每个时刻都能清楚上一步和下一步的路径是什么。同时,树状结构也更容易拓展,当要增加一个节点时,只需在某个节点下面增加一个分支即可,无需大动干戈。这种树状结构简洁、高效优势的取得,是以牺牲一定的复杂性为前提的。其缺点也显而易见,思维导图中无法描述同一节点下不同子节点之间的关系,如先后顺序、因果关系、依赖关系等等;另外,也无法描述距离较远的两个节点之间所存在的隐含关系,例如,按省市的地域形式绘制思维导图旅游景点时,杭州的西湖和扬州的瘦西湖之间没有连边,无法表征两者均为湖面景区且名字相近的隐含关系。
网状结构的优势是结构更为灵活,表意更为丰富,可表示任意两节点之间的关系。树状结构中,节点关系仅表明了概念或知识点的细化,是总体和部分、整体和局部的关系;图状结构中,节点间的关系也更为丰富,如:可表示因果关系的认知地图,可表示次序关系、占有关系的语义网络,可表示属性关系的知识图谱。虽然网状结构表达能力更强,应用范围更广,但不太符合人脑的思维逻辑,从图状结构中无法看出清晰的层次关系。在图中遍历时,不管是深度优先还是广度优先,均可能会遇到两个麻烦:一是有可能在某个回路中无限循环;二是可能无法到达所有的节点。
为了弥补树状结构中节点间关系表达能力弱,以及图状结构中层次性不够清晰的问题,许多研究对传统的图式表示形式进行了优化。典型的趋势是“树状结构的关系化”和“网状结构的层级化”。“树状结构的关系化”是在思维导图中增加了长程连接,用于连接存在关联的两个节点,并可在连边上标注两者的关系,主流的MindMaster等思维导图软件均提供了对长程连接的支持。“网状结构的层级化”主要体现在概念图中,在层级化表示的概念图中,最广泛、最一般的概念置于地图的上端,次一般和更具体的概念按等级排在下面,对于特殊知识领域的层级结构可根据知识应用或思考的情景而定。
2.4 通用与专用:应用领域的视角
五种知识图式可应用于学习、科研、创作、企业管理等诸多领域,从应用领域的视角看,思维导图和概念图更为通用。从大中小学的教学、成人学习到企业学习和项目管理,用这两种图式组织idea、概念或知识点,广泛存在且应用效果很好。思维导图更加符合人类的思维方式,从一个中心点开始,逐步细化一些更小的idea,除应用于各种学习领域之外,也适用于大众化群体,走进了工作、生活的方方面面。概念地图更多的是作为一种通用性的学习工具,可应用于总结阅读内容、总结演讲过程、复习巩固所学、构思文章结构以及展开创新写作等方面。
知识图谱、认知地图和语义网络三种图式的专用性更强,更多的是应用于某些具体的领域,运用的门槛更高,往往被一些高知识群体运用和掌握,可辅助某些专业的科研领域产出成果。知识图谱主要应用在某一具体的学科尤其是前沿性的学科,如生命工程学、行为经济学等,通过知识图谱将非结构化、半结构化的知识转化为结构化的知识库,用于描述真实世界中存在的各种实体或概念以及之间的联系。知识图谱的体量较大,使海量的数据信息得到了很好的呈现,与大数据技术相结合,可展开数据分析、数据挖掘以及强大的知识推理能力。认知地图同样具有很强的专业性,是因果知识信息处理的有力工具,应用方向也是一些因果推理较强的领域,如股票投资、工业过程控制、信息风险评估、策略信息系统规划等等。语义网络的应用偏向于人工智能领域,主要用于自然语言理解,来表示命题信息。基于人工智能的上层应用,如互联网智能搜索、专家知识系统、商业智能、智能Agent等方面均可见到语义网络。
2.5 准确与随意:语言描述的视角
知识图式大多源于国外,发展过程中经过学者研究和翻译后引入到国内。有些学者在语言描述中能遵照英文的直译,并采用相应的中文准确表述。由于中英文语言之间存在差异,不同学者理解角度可能不同,甚至有些学者应用中存在领域的迁移,描述中难免有所随意,诸多原因造成了知识图式的中英文语言描述中,存在中英文名称之间多对一、一对一、一对多的情况。
英文的Knowledge graph和Knowledge atlas均可翻译为知识图谱,其中Knowledge graph是更为主流的叫法。它在英文中并无时间的概念,一些学者将知识图谱的概念赋予了更多的内涵,在时间上体现为序列化的知识谱系,能够刻画某领域知识随时间的演化。Altas虽然有图谱的涵义,但使用中较为少见。在中文中Knowledge graph/altas除了用知识图谱来表述外,有时也用更为简化的知识图来表述。
英文的Mind Map在研究中对应于思维导图,这是最权威和主流的表述,国内的少部分学者将Mind Map翻译为思维地图、心象图或心智图,这种表述过于随意,使用中也容易产生歧义。
图1对多词表义相同的情况进行了概率统计,列出的词条有三组,分别为:
(1)概念图94%、概念地图6%;
(2)认知图21%、认知地图37%、因果图42%;
(3)语义图39%、语义地图61%。
数据源为知网2010-2020年的学术文献,建议在学术研究中选择更为通用的名称,如:第一组中的“概念地图”,第三组中的语义地图。虽然思维导图和思维地图、心象图、心智图表义相同,但后三种名称极为少见,在图中并未列出。
五种图式之间表义相对独立,但也有涵义不清的情况,在概念图和思维导图提出的早提,部分学者认为“概念图”和“思维导图”是相同的概念,“思维导图”是“概念图”的别称。到了本世纪,基本上摒弃了这种情况。
以上是关于知识图式的辩证理解(原创,禁转)的主要内容,如果未能解决你的问题,请参考以下文章
五种知识图式的绘制方法(思维导图概念图知识图谱语义网络认知图)