数据与知识协同驱动的知识发现：概念、机理与模型

doi:10.3772/j.issn.1000-0135.2025.03.003

情报学报

2025, Vol. 44

Issue (3): 282-295 DOI: 10.3772/j.issn.1000-0135.2025.03.003

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

数据与知识协同驱动的知识发现：概念、机理与模型

姚苏梅^1,2, 陆泉^1,2,3

1.武汉大学信息资源研究中心，武汉 430072
2.武汉大学信息管理学院，武汉 430072
3.武汉大学大数据研究院，武汉 430072

Knowledge-Discovery Method Driven by the Collaboration of Data and Knowledge: Concept, Mechanism, and Model

Yao Sumei^1,2, Lu Quan^1,2,3

1.Center for Studies of Information Resources, Wuhan University, Wuhan 430072
2.School of Information Management, Wuhan University, Wuhan 430072
3.Big Data Institute, Wuhan University, Wuhan 430072

摘要
图/表
参考文献
相关文章 (6)

全文: PDF (2249 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要知识发现是应对海量数据和复杂问题挑战，促进科学研究和技术进步，并提高决策支持能力的重要情报理论。“数据”和“知识”是图书馆学、情报学和档案学的核心命题，数据驱动或知识驱动的知识发现是数据密集型或知识密集型情境下解决情报学研究问题的重要手段，但普遍存在的缺陷数据和不确定性知识降低了上述方法的有效性。协同驱动则通过数据和知识的交叉互补，为实现新知识发现提供了创新性的解决途径。当前，对于协同驱动方法的全面和深入分析尚显不足。本文主要目的是按照“是什么”“为什么”和“怎么做”的认知逻辑，梳理数据与知识协同驱动知识发现的基本概念、机理和模型3个方面。首先，提出数据与知识协同驱动知识发现的基本概念，剖析作为该概念重要组成部分的缺陷数据和不确定性知识新概念的含义。其次，机理部分探讨了数据融入知识驱动知识发现和知识融入数据驱动知识发现双视角下协同驱动的多途径和多目的，从数据与知识的交叉互补解释协同驱动知识发现功能实现的本质原因与运作机理。最后，提出问题和场景导向的数据与知识协同驱动知识发现基本模型，并从知识驱动为主（构建模式、纠错模式）、数据驱动为主（嵌入模式、纠正模式和引导模式）和其他协同驱动知识发现（混合模式和并发模式）3类重点阐述了协同驱动内部建模的典型模式。数据与知识协同驱动的知识发现和多种协同驱动的模式兼顾了数据与知识的相互补充和协同作用，为知识发现提供了更全面的框架和流程，为信息资源管理学科拓展了方法创新与问题解决思路。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	姚苏梅
	陆泉

关键词 ：数据与知识协同驱动, 缺陷数据, 不确定知识, 知识发现, 协同机理, 协同模式

收稿日期: 2024-03-12

基金资助:国家社会科学基金重点项目“心理账户理论视角下在线健康社区精准信息服务研究”（20ATQ008）。

作者简介: 姚苏梅，女，1991年生，博士研究生，主要研究领域为数据分析与数据挖掘；陆泉，通信作者，男，1975年生，博士，教授，博士生导师，主要研究领域为数据挖掘、知识组织与知识服务研究，E-mail：mrluquan@whu.edu.cn；

引用本文:

姚苏梅, 陆泉. 数据与知识协同驱动的知识发现：概念、机理与模型[J]. 情报学报, 2025, 44(3): 282-295.
Yao Sumei, Lu Quan. Knowledge-Discovery Method Driven by the Collaboration of Data and Knowledge: Concept, Mechanism, and Model. 情报学报, 2025, 44(3): 282-295.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.03.003 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I3/282

1 Shu X L, Ye Y W. Knowledge discovery: methods from data mining and machine learning[J]. Social Science Research, 2023, 110: 102817.
2 卢小宾, 霍帆帆, 王壮, 等. 数智时代的信息分析方法: 数据驱动、知识驱动及融合驱动[J]. 中国图书馆学报, 2024, 50(1): 29-44.
3 杨善林, 丁帅, 顾东晓, 等. 医疗健康大数据驱动的知识发现与知识服务方法[J]. 管理世界, 2022, 38(1): 219-229.
4 王曰芬, 邹本涛, 宋小康. 大数据驱动下情报研究知识库及其体系架构设计[J]. 情报理论与实践, 2019, 42(1): 28-33.
5 Alfrjani R, Osman T, Cosma G. A hybrid semantic knowledgebase-machine learning approach for opinion mining[J]. Data & Knowledge Engineering, 2019, 121: 88-108.
6 杜建, 孔桂兰, 李鹏飞, 等. 可计算医学知识的基本概念与实现路径[J]. 情报学报, 2021, 40(11): 1221-1233.
7 Schuster D, van Zelst S J, van der Aalst W M P. Utilizing domain knowledge in data-driven process discovery: a literature review[J]. Computers in Industry, 2022, 137: 103612.
8 Yu J, Sheng Q Z, Han J, et al. A semantically enhanced service repository for user-centric service discovery and management[J]. Data & Knowledge Engineering, 2012, 72: 202-218.
9 Chen M, Zhu Q M, Chen Z X. An integrated interactive environment for knowledge discovery from heterogeneous data resources[J]. Information and Software Technology, 2001, 43(8): 487-496.
10 Lane T R, Foil D H, Minerali E, et al. Bioactivity comparison across multiple machine learning algorithms using over 5000 datasets for drug discovery[J]. Molecular Pharmaceutics, 2021, 18(1): 403-415.
11 申静, 杨家鑫. 数据驱动的智库知识服务流程优化[J]. 图书情报知识, 2021, 38(4): 114-124.
12 王萍, 牟冬梅, 石琳, 等. 领域知识融合驱动下的数据挖掘模型构建与优化[J]. 情报理论与实践, 2018, 41(9): 114-117, 153.
13 董克, 吴佳纯. 数智融合信息分析方法的理论框架与体系建构[J]. 中国图书馆学报, 2024, 50(6): 103-118.
14 陈雪龙, 董恩超, 王延章, 等. 非常规突发事件应急管理的知识元模型[J]. 情报杂志, 2011, 30(12): 22-26, 17.
15 唐晓波, 李新星. 基于人工智能的知识服务研究[J]. 图书馆学研究, 2017(13): 26-31.
16 孙立, 焦微玲. 工业大数据驱动下知识发现与知识服务构建研究[J]. 情报理论与实践, 2017, 40(11): 86-89, 104.
17 胡潇戈, 戚越, 王玉琦, 等. 面向智能问答的图书馆参考咨询知识库体系设计及构建[J]. 图书情报知识, 2019, 36(5): 101-108, 119.
18 吴玉浩, 姜红, 高思芃. 大数据驱动下技术标准化与知识管理的协同机制研究[J]. 现代情报, 2019, 39(1): 20-28.
19 蒋勋, 张志祥, 朱晓峰, 等. 大数据驱动智库应急决策的情报架构[J]. 情报理论与实践, 2019, 42(8): 25-32, 16.
20 陈涛, 苏日娜, 张永娟, 等. 智慧数据驱动的古籍智慧性保护体系研究[J]. 中国图书馆学报, 2023, 49(1): 68-81.
21 Tsai Y S, King P H, Higgins M S, et al. An expert-guided decision tree construction strategy: an application in knowledge discovery with medical databases[J]. Journal of the American Medical Informatics Association, 1997, 4: 208-212.
22 Yin J, Tang M J, Cao J L, et al. Knowledge-driven cybersecurity intelligence: software vulnerability coexploitation behavior discovery[J]. IEEE Transactions on Industrial Informatics, 2023, 19(4): 5593-5601.
23 李泽中, 齐晨旭, 戎佳. 多源知识融合的企业知识服务模型构建研究[J]. 情报科学, 2022, 40(12): 56-62.
24 赖朝安, 钱娇. 基于知识图谱的专利挖掘方法及其应用[J]. 科研管理, 2017, 38(S1): 333-341.
25 余传明, 张贞港, 孔令格. 面向链接预测的知识图谱表示模型对比研究[J]. 数据分析与知识发现, 2021, 5(11): 29-44.
26 范昊, 郑小川, 热孜亚·艾海提, 等. 基于知识图谱的标准文献多维知识发现研究[J]. 情报理论与实践, 2023, 46(9): 175-184.
27 冯伟伟, 秦长江. 国内机构知识库研究现状分析——基于知识图谱的视角[J]. 现代情报, 2015, 35(6): 90-96.
28 刘成山, 杜怡然, 汪圳. 基于细粒度知识图谱的科技文献主题发现与热点分析[J]. 情报理论与实践, 2024, 47(5): 131-138.
29 彭尧, 张玲玲, 邓智斌, 等. 基于企业股权关系知识图谱的制造业信用风险传染分析[J]. 管理评论, 2023, 35(10): 251-267.
30 张君冬, 杨松桦, 严颖, 等. 跨医学体系下医疗知识图谱的构建与药物预测研究——以动脉粥样硬化为例[J]. 情报理论与实践, 2024, 47(2): 178-188.
31 仇开域, 夏翠娟. 碑帖知识库构建: 从智慧化加工到智慧化服务[J]. 图书馆论坛, 2024, 44(6): 99-109.
32 张强, 高劲松, 龙家庆, 等. 基于知识重构的词人时空情感轨迹可视化研究——以辛弃疾为例[J]. 情报学报, 2023, 42(6): 729-739.
33 王晓光, 翁梦娟, 侯西龙, 等. 古籍注疏的知识表示与语义化建模研究[J]. 中国图书馆学报, 2023, 49(3): 75-91.
34 陈玲洪, 潘晓华. 基于知识图谱和读者画像的图书推荐研究[J]. 数据分析与知识发现, 2023, 7(12): 164-171.
35 邱韵霏, 李春旺. 智能情报分析模式: 数据驱动型与知识驱动型[J]. 情报理论与实践, 2020, 43(2): 28-34.
36 谭明亮, 唐晓波. 文本大数据和领域知识联合驱动的慢病智能服务模型构建[J]. 现代情报, 2022, 42(5): 77-85.
37 贾君枝, 崔西燕, 任明. 数据与知识双驱动的知识组织系统构建框架研究[J]. 情报理论与实践, 2023, 46(10): 157-162.
38 王根生, 朱奕, 李胜. 一种融合知识图谱的图注意力神经网络谣言实时检测方法[J]. 数据分析与知识发现, 2024, 8(6): 95-106.
39 张诗莹, 李阳. 融合事理知识图谱与网络舆情分析的突发事件情报支持路径及实证研究——以危化品事故为例[J]. 信息资源管理学报, 2023, 13(4): 60-71.
40 朱侯, 罗颖嘉, 陈梦蕾, 等. 基于知识库增强深度学习模型的隐私政策合规性研究——从完整性与语义冲突角度[J]. 数据分析与知识发现, 2024, 8(5): 46-58.
41 彭博. 融合知识图谱与深度学习的文物信息资源实体关系抽取方法研究[J]. 现代情报, 2021, 41(5): 87-94.
42 Luo J X. Data-driven innovation: what is it?[J]. IEEE Transactions on Engineering Management, 2023, 70(2): 784-790.
43 金哲, 张引, 吴飞, 等. 数据驱动与知识引导结合下人工智能算法模型[J]. 电子与信息学报, 2023, 45(7): 2580-2594.
44 安然, 卢小宾, 郑彦宁. 数智融合视域下产业技术情报分析方法体系研究——基于图书情报领域论文的分析[J]. 情报理论与实践, 2024, 47(8): 43-52.
45 余艳, 张文, 熊飞宇, 等. 融合知识图谱与神经网络赋能数智化管理决策[J]. 管理科学学报, 2023, 26(5): 231-247.
46 张思龙, 王兰成. 知识和数据双轮驱动的网络舆情分析技术研究[J]. 现代情报, 2018, 38(4): 106-111.
47 Li X H, Cao C C, Shi Y H, et al. A survey of data-driven and knowledge-aware explainable AI[J]. IEEE Transactions on Knowledge and Data Engineering, 2022, 34(1): 29-49.
48 Jiang R Q, Yan Y, Xue J H, et al. Knowledge distillation meets label noise learning: ambiguity-guided mutual label refinery[J]. IEEE Transactions on Neural Networks and Learning Systems, 2025, 36(1): 939-952.
49 Nguyen Q, Shikina T, Teruya D, et al. Leveraging expert knowledge for label noise mitigation in machine learning[J]. Applied Sciences, 2021, 11(22): 11040.
50 Song Y F, Zhang D N, Li X D, et al. A novel data cleaning framework based on knowledge graph[C]// Proceedings of the 8th International Conference on Big Data Computing and Communications. Piscataway: IEEE, 2022: 350-355.
51 Xiang M R, Hou J Y, Luo W, et al. Impute gene expression missing values via biological networks: optimal fusion of data and knowledge[C]// Proceedings of the 2021 International Joint Conference on Neural Networks. Piscataway: IEEE, 2021: 1-8.
52 Qi Z X, Wang H Z, Li J Z, et al. FROG: Inference from knowledge base for missing value imputation[J]. Knowledge-Based Systems, 2018, 145: 77-90.
53 Paulheim H. Knowledge graph refinement: a survey of approaches and evaluation methods[J]. Semantic Web, 2017, 8(3): 489-508.
54 Liu X X, Zhou Y C, Zhao H. Robust hierarchical feature selection driven by data and knowledge[J]. Information Sciences, 2021, 551: 341-357.
55 Wu Z P, Zhao H. Hierarchical few-shot learning with feature fusion driven by data and knowledge[J]. Information Sciences, 2023, 639: 119012.
56 Zhou L G, Lu D, Fujita H. The performance of corporate financial distress prediction models with features selection guided by domain knowledge and data mining approaches[J]. Knowledge-Based Systems, 2015, 85: 52-61.
57 张斌, 尹鑫, 杨文. 中国档案学学科体系建设回顾与展望[J]. 中国图书馆学报, 2024, 50(2): 87-99.
58 马费成. 守正创新, 继续推进信息资源管理学科的发展[J]. 情报资料工作, 2023, 44(1): 13-14.