3.1.3　知识融合：零散中创造新知识

知识融合是将知识库中零散的各类知识组合化、系统化以便产生新的知识。知识融合由专门设计的智能化知识处理平台完成，是将可视化技术应用平台与知识挖掘平台有机结合而成。知识融合平台的组成如图3-6所示，包括数据层、功能层以及界面层三个层次。

图3-6　知识融合平台的组成

知识融合平台的数据层包含知识库中的所有知识。功能层主要由数据存取模块、挖掘算法库、展示算法库以及交互机制组成。数据存取是平台访问数据层中数据为挖掘算法提供数据源的模块，包括为数据源添加数据、更改数据、删除数据以及将新产生的知识以合理的数据存入知识库中。挖掘算法库是为发现规则、模式提供动态算法，包括聚类分析、关联规则、神经网络、模糊逻辑、规则推理及决策树法等。展示算法库是为可视化对象的布局和优化提供算法，包括Hyper Tree、Treemap、直方图、饼图、力导向算法以及寻径网络算法等。交互机制是为用户提供多种观察数据的视图，包括修剪、检索、过滤及缩放等。修剪是指将数据集合中的原始数据进行修改或删除；检索是指可以通过检索的方式定位数据源、中间数据或结果数据中的某些数据元素或集合；过滤是通过设立相关参数，去除不符合要求的数据；缩放是为用户提供多比例缩放、放大/缩小、导航/细节等功能。界面层是用户完成各项操作的接口，主要是对挖掘结果及过程进行效果解释和评价，包括评价数据源是否恰当、挖掘算法是否恰当、展示算法是否恰当以及给出评价结果。数据源不恰当时，包括缺少数据项、时间范围不合适等，应重新指定数据源再次融合；挖掘算法不恰当时，包括发现模式不理想、缺乏规律性、存在更优方案等，应重新指定挖掘算法再次融合；展示算法不恰当时，包括文字提示不清晰、节点重合、节点连线密度大、节点连线交叉严重、图形过大过小、颜色搭配不当等，应重新选择展示算法再次融合；当完成融合时，不仅要将结果数据存入知识库，还应包括知识专家对整个融合过程的评价以及最终结果的解释一起存入。数据源、挖掘算法、展示算法的选择常常需要多次比较、反复修炼才能选出最优方案，因此知识融合平台的用户界面应提供方便的完成相关选择的接口和提示。