基于多Agent的政府知识管理系统模型研究

徐春婕，王锁柱，孙明慧，等：基于多Agent 的政府知识管理系统模型研究2009,30(14) 3331

信息化技术

0引言

知识管理是伴随着知识经济兴起的一种全新的思维和管理方法，实践表明知识管理有助于提高政府的核心竞争力。因此，如何在电子政务环境下，有效地进行政府知识获取、管理等问题成为当今电子政务研究领域的热点问题之一。

所谓政府知识管理是运用知识管理的理念和方法对政府行为的全过程进行管理，其目标是：充分利用信息技术和通讯技术，构建先进的电子政务系统；构造良好的政府文化和组织形式，发掘政府内部的固有知识，引导知识创新，实现知识共享，并通过对共享知识进行有效应用，最终提高政府的竞争力；提高政府工作效率，提高决策的科学性，提高政府对公众的服务能力和公众对政府的满意度[1]。

目前国内有关政府知识管理的成果还较少，在文献[2]中分析了政府实施知识管理的原因，给出了一种基于知识管理的政府知识构架，给出了知识地图的定义，分析了其在政府知识构架中的具体功能。其它方面的研究[3]主要是从管理学的视角，来探讨政府知识管理的基本特征、政府实施知识管理的

收稿日期：2008-07-18；修订日期：2008-10-27。

障碍与措施、知识管理对政府管理的影响、政府知识管理如何提升政府能力以及知识管理与电子政府的关联、政府知识管理与知识型政府关系等方面。然而，实际应用系统的开发方面的研究非常薄弱。因此，加强政府知识管理应用系统的研究与开发显得十分迫切。

综合分析国内现有政府网站及电子政务系统的特点，大多数部门的系统或网站往往采用自行建设的模式，各自为政，缺乏统一的标准和规范，导致知识的存储在结构和在空间上均处于异构和分布式的状态。但是，事实上政府的许多决策问题的解决，均需要来自跨部门的信息或知识的支持，知识整合是其实现的基础；不同的用户对知识的需求也是相异的，这要求知识管理系统要具有个性化及智能化的服务功能。

基于这样的考虑，本文采用面向多Agent 的系统设计方法，给出了一个基于多Agent 的政府知识管理系统模型，该模型由多个Agent 来协同实现政府知识的异构整合、知识推送、知识利用等服务，以满足政务知识管理的异构知识集成、智能化决策、个性化服务等实际需求。

33322009,30(14) 计算机工程与设计Computer Engineering and Design

1

系统模型

借鉴企业知识管理系统的基本思想，政府知识管理的流程

应该包括知识的采集与处理、知识的存储与整合、知识传播与共享、知识应用与评测，最终实现知识的创新。在整个知识管理的流程链中，知识收集是基础，分类和整合是手段，传播与共享是途径，应用是目的，知识的评测与创新是知识更新的源泉。

根据政府知识管理的实际流程，采用多Agent 的设计思想，政府知识管理系统可设计为包含用户层、知识门户层、协调层、业务层和知识源层的五层体系结构，其结构可以描述为一个5元组

，，，

，

徐春婕，王锁柱，孙明慧，等：基于多Agent 的政府知识管理系统模型研究2009,30(14)

3333

评价Agent 是一种反应型Agent ，负责收集和分析知识索

感应器

主题词分析模块

知识库

外

部环境

引、挖掘以及推理之后知识应用的效果，并即时将这些评价信息传递给知识挖掘Agent 和知识推理Agent ，以指导知识链管理活动，从而实现知识流在知识链上的无限循环流动和增值。

1.5知识源

知识获取是政府知识管理核心和基础，其作用是通过知识

相似度计算模块

索引模

块

效应器

采集模块把各种各样的信息资源，如电子资源，纸介质资源，语音资源和数据库数据等收集，经过知识抽取、转换、清洗和汇总存储于知识仓库内进行分类整合，使之能够为众人共享。

在电子政务环境下，主要的知识源有标准类数据库、分布式的公用类知识库、各部门业务案例库群3个系统组成，标准类数据库包括国家元数据库、国家标准数据库、国家基本单位名录数据库等；分布式的公用类知识库包括法律、法规知识库、社会综合统计知识库、社会服务资源知识库、人口资源知识库等。分布式的业务案例库群是各政府职能部门按照自己管理的业务属性，在标准类、公用类知识库系统的基础上，以知识流为核心，通过整合各自现有的知识资源，处理和创新本部门的业务流的案例库和规则库群。

规则库

知识过滤模块

通信模块

其它Agent

图2搜索Agent 的内部结构

感应器

案例库

N

规则库

Y

外

部环境

知识源的管理可以采用知识仓库的方式，其结构体系如图4所示，由数据获取与处理、知识存储与整合两大部分组成。

知识管理部件(HIS-KB ) 可描述为二元组结构模式：HIS-KB ：，，>。其中DBMS 是数据库管理系统，IB 是数据库，KBMS 是知识库管理系统，KB 是知识库，CBMS 是案例管理系统，CB 是案例库，RB 是规则库。

推理模

块

2

其它Agent

系统实现的关键技术

多Agent 间的协作与通信方法

多Agent 系统适合于复杂的、开放的分布式系统。本文

2.1

33342009,30(14) 计算机工程与设计Computer Engineering and Design

为

以及权系数

，

。

的第i 个特征属性之间

的系统模型采用分层式组织结构，在每层组织结构中采用网络型组成结构，通过Agent 之间的通信和协作来完成任务的求解。通信是协作的基础，因此，必须要有通信语言，目前国际上最著名的Agent 通信语言有美国ARPA 知识共享计划中提出的KQML (knowledge query and manipulation language ) 和FIPA (foundation for intelligent physical agents ) 提出的FIPA-ACL 。

KQML 是一种最通用的Agent 间的通信语言，包含了一系列可扩充的行为原语，行为原语定义了Agent 对知识和目标的各种操作，在其上可以建立Agent 互操作的高层模型。

FIPA 致力于指定有关Agent 的标准，FIPA-ACL 是其标准中关于Agent 通信语言的部分。FIPA 的通信语言基于语言行为理论，定义了一组消息类型和这些消息对发送者和接收者的影响。

的相似度函数，S 取值范围是0和1之间；

确定相似度

2.4系统设计实现

整个系统的设计可以采用三层C/S模式架构，可以在FIPA

规范的基础上，使得Java 技术和COBRA 技术相结合，利用JADE 开发平台构建系统方案。

3结束语

政府知识管理是当今电子政务领域研究的热点问题之

2.2相似度的计算

在检索Agent 中用到的相似度的计算可以采用近年来应用较多且效果较好的目标表示法—向量空间模型(vector space model ，VSM ) 法。

[11]

一，本文采用多Agent 的系统设计思想，设计了一个基于多Agent 的政府知识管理系统模型，并讨论了系统实现的相关技术。该模型可以克服现有政府知识管理系统的局限性，使系统可以有效地整合异构知识源，为不同类型的政务用户提供智能化、个性化的服务。系统实用性的验证及开发工作需要有待进一步实证。

在VSM 中，将欲检索的文档看作是由一组词条(

，

1

参考文献:

1

，

2

，

…，，

[1][2][3]

陈如萌, 张宸. 基于本体的政府知识管理初探[J ]. 政务管理,2006(10) :37-38.

何树果, 张听光, 樊治平. 一种基于知识管理的政府知识构架[J ]. 东北大学学报,2004(1) :36-38.

高洁. 国内外政府知识管理理论研究进展[J ]. 情报资料工作, 2007(1) :26-29.

李君, 吴春旭, 彭诚. 一种基于多Agent 的企业知识链管理系统模型[J ]. 计算机系统应用,2007(7) :7-10.

谭天晓, 赵辉, 赵宗涛. 一种基于Agent 的文本情报检索模型[J ]. 计算机工程,2007,33(14) :177-179.

苑忠磊, 张成洪, 张诚, 等. 面向流程的企业知识地图及其本体实现[J ]. 计算机集成制造系统,2006,12(9) :1524-1529.

李光寇, 应展, 杨妆, 等. 基于案例推理的知识库系统设计[J ]. 科学技术与工程,2006,6(8) :1085-1086.

LI C,Sycara K.Algorithm for combinatorial coalition formation and payoff division in an electronic marketplace [C ].Proceeding of AAMAS-02.New York,USA:ACMPress,2002:120-127.

２

[4]

2.3CBR 技术

在知识推理Agent 中可以采用基于案件推理技术(CBR ) ，

[5][6][7][8]

[12]

一个典型的CBR 系统由如下几个部分组成：

(1) 一组由多个案例组成的案例库；(2) 一个或多个相似度比较函数；(3) 一系列案例调整或自学习规则。

CBR 技术在实现中要解决好以下的关键问题：(1) Retrieve ：从案例库中获取最相似的案例列表；(2) Reuse ：重用这些案例以解决新问题；

(3) Revise ：修改这些案例以适应新的问题，并形成新的解决方法；

(4) Retain ：保存这些新的案例以备以后使用。

在知识推理Agent 中的案例知识检索主要有关联检索策略、归纳推理策略、知识引导策略等，其中关联检索策略和归纳推理策略是较为通用的检索方法。关联检索策略[7]的原理如下：

关联检索策略是根据用户提交问题的描述，与事例库中的每一个事例进行匹配，选择相似程度最高的事例作为最佳匹配事例。一般使用以下办法计算相似度。

假设：

1

[9]YE Y ,TU Y .Dynamics of coalition formation in combinatorial trading [C ].UCAI-2003.San Francisco,USA:OrganKoufmann, 2003:625-630.

[10]李宁, 冯启源. 基于多Agent 的电力营销决策支持系统的研究

[J ]. 计算机应用与软件,2005,22(10) :103-104.

[11]林强. 基于智能Agent 的用户个性化检索系统的实现[J ]. 图书

馆学研究,2005(5) :7-10.

[12]李林青, 田伟峰, 王文杰. 基于案例的web 推理方法研究[J ]. 电

子技术应用,2006(5) :23-25.

[13]高洁, 辛文卿. 知识管理思想与电子政务系统建设[J ]. 情报资料

工作,2005(4) :21-24.

，

3

，…，

2

，

1

，

…，为案例库中的一个案例；

索引3，