知识工程（Knowledge Engineering）是一门新兴的工程技术学科。它产生于社会科学与自然科学的相互交叉和科学技术与工程技术的相互渗透。

是一门新兴的工程技术学科。它是社会科学与自然科学的相互交叉和科学技术与工程技术的相互渗透的产物。知识工程是运用现代科学技术手段高效率、大容量的获得知识、信息的技术。目的是为了最大限度地提高人的才智和创造力，掌握知识和技能，提高人们借助现代化工具利用信息的能力，为智力开发服务，作为一种工程技术的“知识工程”，其主要对象是研究如何组成由电子计算机和现代通讯技术结合而成的新的通讯、教育、控制系统。因此，这项“工程”对于发展社会的经济、科技和文化教育事业，加速社会信息化的进程具有重要意义。目前，“知识工程”的研究中心主要是“智能软件服务”，即研究编制程序，提供软件。由于电脑工业等高级技术的发展，有力地促进了“智能软件”的发展，使其不仅数量越来越多，而且在质的方面也越来越鲜明地具有“智力服务性行业”的特点。人们已清楚地认识到，电子计算机只有与智能软件有机结合，才能模拟人脑的功能，也才有可能出现智能机，但再好的计算机如果不配上相应的软件程序，只是一堆无用的废料。要编制一套让电子计算机和智能机器人听得懂的“语言”，即编制好软件程序，需要相当的知识基础。它不仅需要有较高的数学知识和计算能力，而且还要掌握其它科学知识，尤其是数理逻辑和辩证逻辑，同时，还要有创造性思维，掌握科学的思维方法和自然科学方法。所以，关于“知识工程”的研究，必须有专业人员的队伍。在发达国家都十分重视培养软件设计人员，并不断地增加这方面的投资。我国这方面的人才短缺，只有加快培养人才，才能真正提高我国的智力水平，加快科学技术现代化的步伐。“知识工程”的产生，把人类所专有的文化、科学、知识、思想等同现代机器联系起来，形成了人——机系统。它不仅为电子计算机的进一步智能化提供了条件，而且还必将对社会生产力的发展提供最有力的现代化工具。随着“知认工程”的发展，人们的思维方式以及整个社会生活方式都将发生深刻的变化。

知识工程的概念是1977年美国斯坦福大学计算机科学家费根鲍姆教授(E．A．Feigenbaum)在第五届国际人工智能会议上提出的。

知识工程是人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。知识工程是以知识为基础的系统，就是通过智能软件而建立的专家系统。知识工程可以看成是人工智能在知识信息处理方面的发展，研究如何由计算机表示知识，进行问题的自动求解。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型，包括了整个知识信息处理的研究，知识工程已成为一门新兴的边缘学科。

知识工程是一门以知识为研究对象的新兴学科，它将具体智能系统研究中那些共同的基本问题抽出来，作为知识工程的核心内容，使之成为指导具体研制各类智能系统的一般方法和基本工具，成为一门具有方法论意义的科学。

1984年8月全国第五代计算机专家讨论会上，史忠植提出：知识工程是研究知识信息处理的学科，提供开发智能系统的技术，是人工智能、数据库技术、数理逻辑、认知科学、心理学等学科交叉发展的结果。

知识工程过程包括5个活动

(1)知识获取。知识获取包括从人类专家、书籍、文件、传感器、或计算机文件获取知识，知识可能是特定领域或特定问题的解决程序，或者它可能是一般知识或者是元知识解决问题的过程。

(2)知识验证。知识验证是知识被验证(例如，通过测试用例)，直到它的质量是可以接受的。测试用例的结果通常被专家用来验证知识的准确性。

(3)知识表示。获得的知识被组织在一起的活动叫做知识表示。这个活动需要准备知识地图以及在知识库进行知识编码。

(4)推论。这个活动包括软件的设计，使电脑做出基于知识和细节问题的推论。然后该系统可以推论结果提供建议给非专业用户。

(5)解释和理由。这包括设计和编程的解释功能。

知识工程的过程中，知识获取被许多研究者和实践者作为一个瓶颈，限制了专家系统和其他人工智能系统的发展。

①基础理论研究，如知识的分类、结构和效用、知识的表示、知识的获取和机器学习、推理和知识的使用等研究。

②实用知识型系统的研究，主要解决在建造该系统过程中遇到的技术问题。

③解释与接口模型的研究。

④知识工程环境研究，为实际知识型系统的开发提供一些良好的工具和手段。

⑤与智能计算机和自动化相关的课题研究。

知识工程研究的目标是构造出高性能的知识型系统，来解决复杂的问题。专家系统是知识工程系统的一种类型。

知识信息处理的过程及有关技术.“知识工程”这个术语是由美国斯坦福大学的费根鲍姆(Feigenbaum，E.A.)在1977年于麻省理工学院召开的人工智能国际会议上提出的.它是从人工智能派生出来的一个研究领域.知识工程的研究促进了人工智能从单纯的理论研究走向实用化，并向计算机科学以及其他学科的许多研究领域中渗透，所以有时又把知识工程称为应用人工智能。

知识工程把有关知识库系统、专家系统等的构造技术作为主要课题.其研究的主要领域包括以下三个方面：

1.知识获取.研究知识处理系统如何从系统外部获得知识、充实知识库，包括对外部的数据进行知识化.

2.知识表示.研究怎样对知识进行形式化地描述，以便让计算机能合理地存贮和使用知识.

3.知识使用.研究在知识处理系统中应如何组织和利用知识，使用怎样的推理方法，以达到所希望的目标.

知识管理与知识工程的比较

1、知识管理与知识工程的学科学派对比分析

知识管理的研究非常热，知识管理的概念也非常多，不同的概念认知反映出不同的学派。厄尔分析了知识管理的七个学派，包括系统学派、制图学派、工程学派、商业学派、组织学派、空间学派和战略学派。宾尼把知识管理分为沟通型、分析型、资产管理型、过程型、开发型和创新型六种类型 。左美云把知识管理研究归纳为三个学派，包括技术学派、行为学派和综合学派；吴金希总结出知识管理的四大学派，包括IT技术学派、组织行为学派、战略管理学派、知识工程学派。盛小平总结了八个学派，包括认识论学派、战略管理学派、知识创新学派、空间学派、信息技术学派、组织行为学派、知识工程学派和综合学派。这些学派总体上分为两类，一类是企业知识管理学派，关注知识的转化与共享，重点关注隐性知识显性化，以提高企业核心竞争力为目标，如文献，属于管理科学。第二类是图书馆知识管理学派，以知识的序化为目标，提高知识组织的有序性，从而提高知识服务水平，属于图书馆学。知识管理的研究集中在企业管理、图书馆学与情报学领域。图书馆的知识管理分为两类，一类是以知识序化为目标的知识管理，一类是以知识共享与转化为目标的知识管理。前者重视资源的建设，管理的核心是资源。后者把图书馆作为一个具体的机构进行知识管理，管理的核心是人。但无论哪种学派，重组织轻技术是知识管理的典型特点。

知识工程在国内的研究集中在计算机科学与人工智能领域，如中科院的陆汝钤研究员对知识工程、知识科学进行深入研究，中科院的史忠植研究员对知识发现进行了深入研究 ，北京科技大学的杨炳儒教授主要从逻辑的角度对知识工程进行深入研究，浙江大学潘云鹤教授等从形象思维方面人手，运用心象思维理论，研究了语义知识与图形图像之间的转换 ，石纯一等教授研究了基于Agent的KQML(Knowledge Query and Manipulation Language，知识查询操作语言)知识操作。无论哪派知识工程，重技术轻组织是知识工程的共同特征。知识工程的根本目的是为了解决人工智能特别是专家系统中知识获取的问题。

把知识工程包含于知识管理或把知识管理包含于知识工程都是不可取的，知识管理更多地关注人的因素，属于管理范畴；知识工程更多地关注技术的实现，属于技术范畴。因此，无论从目标、处理手段与方法、应用领域、学科范畴等各个方面来讲，知识管理与知识工程都有着很大的不同，是完全不同的两个研究领域。

2、知识管理与知识工程核心内容对比分析

知识管理主要包括知识转化与知识序化。知识转化是知识共享的过程，同时知识共享也是知识转化的前提。知识管理中的知识转化包括四个方面，从隐性知识到隐性知识的社会化过程；从隐性知识到显性知识的外化过程；从显性知识到显性知识的综合过程；从显性知识到隐性知识的内化过程，这些转化主要是知识存在形态以及附着主体的变化。知识管理中的知识组织以知识的序化为主，包括分类、检索、排序等操作。传统的知识组织借助文献单元的方法，依据检索语言中的结构模式，采用分类法、标题法、单元词法、关键词法和叙词法，并在这些方法的基础上编制出各种目录、索引、文献等。以关键词或主题词来实现知识从物理层次的文献单元向认知层次的知识单元转化是不现实的，因为词单元不足以完整地反映知识，能够完整地反映知识应该至少是句子层次的。知识地图揭示知识源以及知识之间的关系，它指向知识而不包含知识本身，是一个向导而不是一个知识的集合 。所以知识地图实际上是知识的索引。但是知识地图不具备地理坐标这一基本属性。

知识管理不仅是获取、组织与检索信息的问题，还涉及数据挖掘、文本聚类、数据库与文档等问题。知识与人类认知的密切相关性，决定了知识管理定位在错综复杂的结构化的内容处理上。知识管理中的知识组织以自然语言的方式描述知识，知识的粒度并不统一，有大有小，大到一篇文献，小到一个知识点。

知识工程是以知识为处理对象，借用工程化的思想，利用人工智能的原理、方法和技术，设计、构造和维护知识型系统的一门学科，人们一般认为知识工程是人工智能的一个应用分支 。知识工程包括知识获取、知识表示与知识利用三大过程。知识获取有三种方式：非自动知识获取、知识抽取、机器学习知识。非自动知识获取由知识工程师通过阅读有关文献或与领域专家交流，获取原始知识并进行分析、归纳、整理，形成用自然语言表述的知识条目输入到数据库中。知识抽取是对蕴含于文本文献中的知识进行识别、理解、筛选、格式化，把文献的每个知识点抽取出来，以一定形式存人知识库中。机器学习知识通过机器的视觉、听觉等途径，直接感知外部世界，输入自然信息，获取感性和理性知识，或者根据系统运行经验从已有的知识或实例中演绎、归纳出新知识，补充到知识库中。非自动知识获取效率较低，机器学习知识难度太大，而知识抽取是知识获取的最有效方式。知识抽取是知识获取的三种方式之一，知识获取是知识工程的三大步骤之一(包括知识获取、知识表示与知识利用)，因此知识抽取是知识工程的最有效方式。

本体研究的出现为知识工程的研究注入了新的活力，但是本体在知识工程中究竟扮演什么样的角色呢?本体是知识表示的一种方式?本体工程将取代知识工程?本体(ontology)其实就是一种充分复杂的词表，有了本体固然可以解决很多问题，但本体如何来获取仍然是一大难点，正如知识获取一直是人工智能的瓶颈问题。本体的获取有三种方式：手工构建、词表转换、自动获取。而本体论(Ontology)是一种认知论。本体的表示语言比知识表示语言更具体，具有更强的可操作性。

知识表示有九种方法，分别为：介谓词逻辑表示、产生式表示法、框架表示法、脚本表示法、过程表示法、语义网表示法、Petri网表示法、面向对象表示法” 。不同的知识类型使用不同的表示方法。如规则适宜用产生式表示法，实验过程适宜用过程表示法，概念特征适宜用面向对象表示法，概念之间的关系适宜用语义网表示法。知识利用包括知识搜索以及知识推理。知识搜索确定在什么情况下需要什么样的知识，搜索到的知识是否满足当前的需求。找到了适当的知识后，进行推理，得到结果。

3、知识管理与知识工程的外围要素对比分析

知识管理注重人与人之间的知识传递，而知识工程更注重知识本身的操作。知识管理(KM，Knowledge Management)的目标是建立供人使用的知识库，而知识工程(KE，Knowledge Engineering)的目标是建立供计算机使用的知识库。知识管理的核心是无序知识有序化、隐性知识显性化、泛化知识本体化 。知识工程主要涉及知识获取、知识表示与知识利用三大过程，其中知识获取一直是知识工程的难点，也是人工智能的瓶颈。知识管理主要从管理学的角度出发，重点关注隐性知识显性化，技术性不强，管理的结果主要是人用。知识工程是从工程学的角度出发，重点关注知识获取与知识表示，技术性很强，结果既可以人用，也可以机用，主要是机用。知识管理围绕着人转，知识管理的用户是人，计算机是辅助管理工具，人是知识管理中的本体。知识工程围绕着计算机转，知识工程的用户是计算机(系统)，人与计算机是实现的工具，计算机是知识工程中的本体。

知识工程中的知识组织以计算机可理解的方式描述知识，知识的粒度比较小，以知识元(或称知识点)为单位。如知识库CYC，IBM深蓝计算机所使用的棋谱等。知识元与知识元之间的链接构成知识链。关于知识链的概念主要有三种用法。第一种用法为知识元与知识之间的链接，如知识发现过程中所用到的多个知识元之间形成的链接。第二种用法是文献知识链接，如清华同方的中国知网，万方数据的知识链接门户，不同的知识节点之间的粒度差异性很大，如从作者到文献、从作者到机构之间的链接，知识链接不能直接进行知识发现。第三种用法是对知识的处理过程所形成的动作链，如知识获取、知识重组、知识存储、知识传播等过程所形成的链。第一种知识链强调知识的可数性，第二种知识链中的知识节点范畴更大一些，第三种知识链中的知识可大可小。前两种知识链是不同知识元素之间形成的链，是元素与元素之间的关系，而第三种知识链是围绕单个知识元素进行的操作所形成的链，是动作与动作之间的关系。知识网格不同于知识网络，网格是一种充分利用网络资源的计算技术，这种技术解决的根本问题是计算资源(包括存储与运算，尤其是运算)，所以知识网格并不是指由不同的知识元逻辑放在一起，形成格状。

4、知识管理与知识工程的发展趋势探析

知识管理应当以隐性知识显性化、无序知识有序化、泛化知识本体化为目标。知识工程，旨在建立面向对象知识库和逻辑命题知识库，以最贴近自然的方式来描述自然界的事物，以人们可认知、计算机可理解的方式描述事物之间的规律，以便能够有效地解决信息泛滥、信息爆炸等问题，可以对重复的信息进行滤重、筛选，得到最能反映事物本质及自然规律的清晰有序的知识。韩客松等认为知识发现是知识管理的最高层次：初级阶段是知识库(你知道你有什么)，中级阶段是知识共享(你知道你没有什么)，高级阶段是知识发现(你不知道你有什么)。

知识工程也在向着知识表达清晰化、数据组织有序化、内容存储本体化的方向发展，随着自然语言处理的新进展、面向对象方法的成熟应用，特别是本体论思想的引入，为知识工程的发展指明了方向，为知识工程的实施注入了新的活力。知识表示的方式已经比较成熟，能够覆盖绝大多数知识类型。知识工程的关键仍是知识获取，非自动知识获取太慢，很难满足工程化需要。全自动知识获取又太难，在自然语言处理无法取得重大突破以前，亦很难进行工程化实施。因此，半自动知识获取的方式具有更强的可操作性，构建部分知识库与学习规则，然后分析语料库，边分析边抽取，然后再改进规则，不断改进算法与丰富知识库。

5、知识技术的未来发展

知识管理不包括关于知识处理的全部，而知识工程也不包括知识处理的全部。知识管理与知识工程各有分工，各负其责。如果认为知识管理与知识工程有交叉的话，那就是在知识库的构建上。知识管理中构建的知识库一般用自然语言，而知识工程中构建的知识库一般用人工语言。尽管表示方式与使用对象都有所不同，但构建知识库都是关键一环。知识库构建的前提是知识获取，知识获取的有效方式是知识抽取，知识抽取的目标是形成以知识元为单位的知识库。知识获取是知识工程要解决的关键问题，因此，知识抽取是知识工程的关键一环。另一方面，知识抽取实现一种知识序化，是以不同粒度组织知识，而知识组织是知识管理的关键一环。因此，知识抽取既有利于知识工程的知识获取问题，又有利于知识管理的知识组织。知识管理与知识工程都涉及知识组织。

无论是知识管理还是知识工程，通过分析获取知识必然成为研究的重点。获取知识之后，对知识本身的分析以及知识之间的关系分析必然会成为新的研究热点，通过分析获取知识主要指知识抽取，知识本身的分析包括知识表示、知识转化与知识映射，知识之间的关系分析体现在知识挖掘、知识发现上。情报学家正好介于知识管理与知识工程之间 。

对人的管理不如管理学家，对计算机的研究又不如计算机学家，因此情报学对知识管理的定位更多的定位于知识服务。情报学家在走知识管理与知识工程的交叉路，既做知识序化又做知识转化。单纯的信息可能会产生情报，单纯的知识很难产生情报，大多数情报是信息与知识共同作用的结果，即通过知识对新信息进行分析，分析出处境与机遇，为决策提供方案，这才是情报活动的本质。因此如何获取知识并有效的利用知识成为知识处理的关键。涉及知识处理的技术很多，包括知识组织、知识管理、知识服务、知识发现、知识挖掘、知识检索等等，但知识处理的核心是知识的获取、表示与利用。这些处理过程有些是人工的，如隐性知识显性化；有些是计算机自动化的，如从文献中抽取知识；还有一些是人机交互的，如知识表示。解决知识的来、去以及中间分析过程是知识处理的三大过程，也是核心所在。知识处理一定会在总结学术文献特征规律的基础上，以学术文献为主要处理对象，并适当借助自然语言处理技术，深入文献内容结构及语义表达进行分析，以知识元为处理单位进行抽取、组织并利用，从而实现知识的自动化处理，提高分析过程的知识维度与智能成分，推动图书情报学的飞速发展