图5 科研知识本体概念类结构

　　图6 档案本体概念类结构

　　（6） 过程本体。过程本体主要描述高校管理知识的各种过程，它包括教学过程、学习过程、项目管理过程、培训过程、绩效管理过程、论文指导过程、招生就业过程和招聘过程，过程本体概念类结构如图7所示。

　　2.4 创建高校知识本体的公理

　　高校知识本体的公理在各种概念及其类别、概念基本联系和特征建立之后就可以定义。除了前面介绍的一些公理外，高校知识本体的公理还包含顶层类之间和各个类的公理。

　　（1） 顶层类公理。例如，只要是学生（Stu）就不可能是教师（Teacher），只要是教师就不可能是学生，如下：

　　[Stu?Teacher=?]

　　（2） 各个类的公理。例如，如果一个教师t参加过一个培训T，而这个培训又用到过知识K，则该人员拥有知识K，如下：

　　（?T∈Train）（?K∈Knowledge）required for（K，T） ∧（?t∈Teacher）works for（t，T）?has（K，t）

　　3 高校知识本体实现

　　Protege4.0是基于Java的本体开发工具，具有OWL本体语言和可视化插件，本体结构在其中以树形的层次结构显示，用户增加或编辑类、子类、属性和实例等可以通过点击相应的项目来实现[1]，而不需要了解具体的本体表示语言。本文构建的高校知识本体模型见图8。

　　图7 过程本体概念类结构

　　图8 高校知识本体模型

　　4 本体在高校知识管理中的匹配应用

　　人员知识匹配问题在高校知识管理中处处可见，例如，人员的协作、专家的查询或是人员的调度等。高校中的知识分为显性知识和隐性知识，明显客观、能够用语言及文字来表达的知识是显性知识，而主观的、难以用语言及文字来表达知识是隐性知识。鉴于本体具有语义关联性与易于推理性，为了提高知识的匹配效率，本文将本体应用于人员管理对知识需求的匹配。

　　定义1：人员知识向量Ps为：Ps=（b1，b2，…，bK），其中bk是人员具有的第k项知识，k=1，2，…，K。

　　定义2：课程知识需求向量为：Pr=（h1，h2，…，hK），其中hk是人员具有的第k项知识，k=1，2，…，K。

　　各项知识在同一门课程的重要性不同，同样，同一项知识在不同课程中的要求也不同，因此知识对课程的权重矩阵A为：

　　[A=a1 0 … 00 a2 … 0? ? ? ?0 0 … ak]

　　式中ak是第k项知识对课程的权重系数。

　　匹配度计算函数如下：

　　[Mc（Ps，Pr）=PsA（Pd）TPrA（Pd）T]

　　本文采用的匹配规则有如下两条：

　　（1） 显性知识匹配规则：如果课程某项知识的要求高于教师所具有的该项知识的等级，计算时取教师的实际知识等级，相反，则取课程所要求的值。

　　（2） 隐性知识推理规则：如果课程所要求的知识在教师知识本体里找不到，则查找教师的授课历史记录。如果教师的授课记录里找不到该项知识，则该项知识的属性值为无；如果有一项，则该项知识的等级是初级；如果有两项及其以上，则将其设为中级。

　　匹配示例如下所述：假设要分配一位合适的教师给某课程，表1中显示了该课程对教师的各项知识属性及其属性值和权重的要求。假设教师的检索结果中存在教师Rose，其知识信息如表2所示。

　　表1 课程知识需求参数

　　本文里每个知识等级被赋予了以下分值：4是高级，3是中高级，2是中级，1是初级。

　　该项课程的知识需求向量Pr可以由此得到：

　　[Pr=2，1，2，2，2]

　　知识对课程的权重矩阵A也可以得到：

　　[A=2000001000002000002000002]

　　Rose的知识里缺少一项知识：项目经验，项目经验在权重矩阵里显示是一项比较重要的知识，因此相关的知识信息将会在Rose的教学历史记录里进行查找。Rose曾经参加过北大青鸟的JSP教师培训课程，培训中曾经做过某企业管理系统。应用本体的隐性知识等级推理规则，Rose参加过北大青鸟的JSP教师培训课程，培训中曾经做过某企业管理系统，做这个系统需要掌握项目经验，而且Rose是教师。由此可以得出结论：Rose有一定的项目经验，因此根据隐性知识推理规则，其在“项目经验”项的等级由“无”改为“初级”。

　　表2 Rose的知识信息

　　在“前驱知识2”项中，课程知识需求参数的知识等级低于Rose的知识等级，根据显性知识匹配规则，“前驱知识2”项的等级由“中级”改为“初级”，这样就得到了Rose的知识向量Ps为：

　　[Ps=2，1，2，2，2]

　　根据匹配度计算函数[Mc（Ps，Pr）]为： [Mc（Ps，Pr）=2933=0.879]

　　而没有本体推导机制时，Ps′为：

　　[Ps′=2，2，2，2，0]

　　则[Mc′（Ps′，Pr）]为：

　　 [Mc′（Ps′，Pr）=Ps′A（Pd）TPrA（Pd）T=2633=0.788]

　　可见，人员知识有推理时的匹配结果比没有推理时更好，人员知识的维护与完善得到了本体推理机制的智能支持。

　　5 结 语

　　高校知识多而杂，而且多种知识混合在一起，必须要进行管理。高校知识的管理需要用到本体，本文研究了高校知识本体的建模问题，提出高校知识本体的建模方法，并建立了高校知识的本体模型，进一步研究了本体在高校知识管理中人员知识的应用，提出了人员知识匹配的方法，并通过实例验证了该方法的可行性和有效性。

　　参考文献

　　[1] 郭彩芬，董志，万长东.汽车MRO知识本体构建与应用研究[J].现代制造工程，2013（7）：33?37.

　　[2] 王立政.基于本体的知识检索模型优化研究[D].长春：吉林大学，2011.

　　[3] 覃晓，孔提英，龙珑，等.高校基建档案知识的本体构建研究[J].广西大学学报：自然科学版，2012，37（6）：1238?1243.

　　[4] 杨悦时.面向语义Web的高校专业课程资源库检索系统的设计与实现[D].成都：电子科技大学，2011.

　　[5] 孙颖，倪天权，刘亮亮.本体在高校信息资源管理系统中的应用[J].科学技术与工程，2008（8）：2075?2080.

　　[6] 谢明凤，孙新.基于本体知识管理的远程个性化网络学习系统模型研究[J].中国电化教育，2012（11）：47?53.

　　[7] DING Y， FOO S. Ontology research and development， part 2： A review of ontology mapping and evolving [J]. Journal of Information Science， 2002， 28（52）： 122?134.