2023知识图谱互联互通白皮书.docx

知识图谱互联互通前言IV第一章知识图谱互联互通的背景1一、技术层面1（一）基础共性技术问题1（一）行业应用技术问题3二、产业层面6三、政策层面11（一）国际层面11（二）国家层面17（三）行业政策层面23第二章知识图谱互联互通的内涵与外延27一、知识图谱互联互通的内涵27（一）定义27（二）知识图谱互联互通互操作等级31二、知识图谱互联互通的外延33（一）存在的利益相关方33（二）潜在的影响35第三章知识图谱互联互通的任务与约束39一、互联互通的模式39二、互联互通的活动构成41（一）活动流程框架41（二）任务流构成42三、互联互通的质量评估维度45四、互联互通的实现类型46五、互联互通约束条件50（一）技术层面约束条件50（二）非技术层面约束条件53第四章知识图谱互联互通的典型应用场景56一、知识融合与计算56二、知识联合检索61三、知识发现66四、知识生成73五、综合应用服务79第五章知识图谱互联互通的实践案例91第六章互联互通的难点与挑战93第七章知识图谱互联互通的统一架构108一、知识图谱互联互通架构108（一）互联互通交互模型108（二）互联互通逻辑架构113（三）知识消息描述与处理框架115二、知识图谱互联互通安全保障128第八章面向知识图谱互联互通的知识表示框架132一、整体表示框架132二、知识表示规范化133（一）概念模型133（二）实体模型134（三）事件模型135三、谓词表示规范化135（一）谓词框架136（一）实体谓词规范化136（三）谓词结构规范化137（四）谓词语义规范化137四、知识交换格式表示规范化137第九章面向知识图谱互联互通的本体模型注册流程142一、本体涵义及其分类142二、本体构建工具142三、本体模型构建流程143四、开放本体模型注册流程145（一）总体原则145（二）注册流程146（三）注册平台结构147（四）本体模型实例148第十章基于知识图谱互联互通的知识融合与知识计算流程150一、基于互联互通的知识融合流程150（一）知识融合分类150（二）知识融合流程151二、基于互联互通的知识联合查询/计算流程153（一）概述153（二）知识联合查询/计算流程154（三）任务构成155第十一章展望与建议159一、技术发展展望159（一）知识图谱互联互通支持大规模预训练模型的发展159（二）知识图谱互联互通支持智能问答/对话的发展166（三）知识图谱互联互通支持智能内容生成的发展169（四）知识图谱互联互通支持智能推荐的发展172二、政策支持建议175（一）国家政策支持175（二）行业政策支持177三、标准化需求建议178Il四、产业推广措施建议179附录A：知识消息编码示例182一、基于段的知识消息编码182二、基于XML的知识消息编码183附录B：知识图谱互联互通的实践案例详情187一、智慧纪检：知识共享实践案例187二、智慧纪检：知识关联分析实践案例192三、智慧金融：反洗钱实践案例198四、智慧金融：声誉风险金融知识融合实践案例202五、智慧金融：金融领域知识图谱数据和服务融合案例208六、智能金融：新一代银行知识管理系统214七、智慧金融：金融机构客户尽职调查222八、智慧能源：油气勘探开发知识中心230九、智慧医疗：共享平台实践案例238十、智慧医疗：智能医保审核实践案例249十一、智慧医疗：基于知识图谱的医药智能知识平台254十二、智能通信：知识共享实践案例259十三、智慧情报：智慧情报知识图谱互联互通实践案例266十四、智慧情报：科技情报智能分析与监测实践案例269十五、智慧汽车：智能售后服务实践案例280十六、智慧能源：电力设备缺陷知识图谱知识共享实践案例285十七、算力：服务器智能运维知识互联互通实践案例293十八、智慧家居：家电知识互联互通实践案例301十九、智慧城市：新型基础测绘知识图谱互联互通实践案例309二十、轨道交通：智能运维知识互联互通实践案例313-JUL.1刖三尊敬的读者：我们很高兴向您介绍知识图谱互联互通白皮书。本白皮书旨在探讨知识图谱互联互通的重要性和实现方法，以及它对于推动人工智能技术发展和应用的意义。知识图谱是人工智能技术的重要组成部分，它是将各种数据和信息进行结构化、标准化、语义化处理后形成的一种知识表示形式。知识图谱的建立和应用可以帮助我们更好地理解和利用数据，从而推动人工智能技术的发展和应用。然而，由于不同领域、不同机构、不同国家之间的数据格式、标准、语义等方面存在差异，知识图谱之间的互联互通面临着很大的挑战。本白皮书旨在探讨这些挑战，并提出了一些实现知识图谱互联互通的方法和建议。我们希望，本白皮书能够为各位读者提供有价值的思路和启示，推动知识图谱互联互通的实现，进一步促进人工智能技术的发展和应用。祝愿您阅读愉快！知识图谱互联互通白皮书编写组注：该前言由ChatGPT生成。由于知识图谱技术发展迅速，白皮书编制时间和作者学识限制，恐有纸漏或不严谨之处，敬请谅解和批评指正。编写组成员单位名称参编人员中国电子技术标准化研究院郭楠、韩丽、李瑞琪、李湘、胡成林、陈艳利东软集团股份有限公司、沈阳东软智能医疗科技研究院有限公司王伟光、汤一凡、赵耕弘、蔡巍深圳市矽赫科技有限公司洪鹏达、洪宝璇、林叠守蚂蚁科技集团股份有限公司郭智慧、梁磊、周俊、廖博森郑州中业科技股份有限公司李介、张恒星、刘向宇网智天元科技集团股份有限公司贾承斌、艾青中国医学科学院生物医学工程研究所蒲江波、姚博、李婷北京智通云联科技有限公司高艳、谭培波、张学龙北京京航计算通讯研究所宋明艳、马静、白洋、姚帅中电科大数据研究院有限公司曹扬、王华、蔡惠民、闫盈盈、熊子奇华为云计算技术有限公司薛海威、周玉晶、金斌斌中译语通科技股份有限公司陈自岩、程国艮、彭旋中国电力科学研究院有限公司马震媛、张英强、何可嘉、谈元鹏中国电子科技集团公司第十研究所崔莹、代翔中国兵工物资集团有限公司吴波、张炬通深圳工业总会黄永衡中国电子科技集团公司第二十八研究所严红上海合合信息科技股份有限公司徐升上海市人工智能行业协会王逸浩、陈曦、钟俊浩中国医学科学院医学信息研究所李姣、吴萌星环信息科技（上海）股份有限公司伊人、杨一帆、唐剑飞、夏正勋河北大学张彬北京中企智造科技有限公司蔡志伟、张燕之江实验室王海涛广州拓尔思大数据有限公司马谅、岳松深圳市洲明科技股份有限公司白莹杰富泰华工业（深圳）有限公司张学琴、史晶浙江创邻科技有限公司周研、马超昆明市儿童医院刘晓梅、敖凌翔北京海致星图科技有限公司杨娟、邵伯仲、熊蕙国际商业机器（中国）有限公司（IBM）程海旭、陈栋、孙腾北京大学医学信息学中心于娜、李毅泰瑞数创科技（北京）股份有限公司刘俊伟、王金兰、罗伊莎浙商银行股份有限公司陈嘉俊、钟礼斌、汪雷领美的集团（上海）有限公司牟小峰、蔡亚森重庆警察学院刘彦飞云知声智能科技股份有限公司史亚飞、刘升平北京文因互联科技有限公司张玉洁、余姗、段文静、贺余龙超聚变数字技术有限公司吴施楷、梁永贵同方知网数字出版技术股份有限公司尹青云、刘剑兰海乂知信息科技（南京）有限公司胡芳槐、李一斌南瑞集团有限公司高若寒、于聪、张万才、施雨、石超中国南方电网有限责任公司超高压输电公司李强达观数据有限公司王文广、贺梦洁暗链科技（深圳）有限公司吴刚、蔺静茹深圳思谋信息科技有限公司刘枢、张驰、陈鹏光嘉信达资产管理有限公司吴凯棋、童庆广州柏视医疗科技有限公司颜子夜绿盟科技集团股份有限公司袁军、顾杜鹃中电莱斯信息系统有限公司宋文韬山东亿云信息技术有限公司李成梁各章节编辑:第一章中国医学科学院生物医学工程研究所蒲江波第二章郑州中业科技股份有限公司李介第三章北京京航计算通讯研究所马静第四章北京中企智造科技有限公司张燕第五章深圳市矽赫科技有限公司洪鹏达、洪宝璇第六章中国电力科学研究院有限公司马震媛、张英强第七章沈阳东软智能医疗科技研究院有限公司王伟光第八章蚂蚁科技集团股份有限公司郭智慧第九章中电科大数据研究院有限公司闫盈盈第十章华为云计算技术有限公司薛海威第十一章网智天元科技集团股份有限公司贾承斌附录深圳市矽赫科技有限公司洪鹏达、洪宝璇星环信息科技（上海）股份有限公司唐剑飞Vl，个知识图谱互联互通第一章知识图谱互联互通的背景一、技术层面(一)基础共性技术问题1、知识多样性知识资源是通过智力劳动发现和创造的，进入经济系统的人类知识。现今，知识己经成为社会变革的核心。每个人的发展、组织结构和形态的变化、社会生活方式，甚至包括人们的价值观念，都需要从工业时代机械的方式向有利于知识潜力的开发方式转变。知识不等同于信息，而是从噪音中分拣出来数据，转化为信息，升级为知识。这是信息从无序到有序的管理和分类过程I(图1-1)。在广义上，数据要素包括知识资产和知识要素等，在数据驱动时代，数据要素的价值越来越被重视。通过收集、存储和分析数据，可以发现其中的模式、趋势和关联性，进而提取知识并应用于实际问题中。知识资产和知识要素在数据中扮演着重要的角色，帮助组织和个人做出更明智的决策，创造更大的价值。图1-1从数据到智慧的层次等级知识资源的类型多种多样，涵盖多个行业、领域并体现了学科间的交叉融合。其中，显性知识是可以明确、清晰地表达和传递的知识，它是形式化和结构化的，易于记录、编码和共享的知识形式，通常以文字、图像、音频、视频等可见或可感知的形式存在。显性知识可以通过书籍、,叶继元,成颖.情报的概念及其与信息链、DIKW链的关系探讨J.中国图书馆学报,2022,48(04):39-51.文件、数据库、培训课程等形式进行传递。科学原理、法律条款、技术规范等都属于显性知识。这种知识相对容易被传递和学习，可以通过教育和培训来获取。与显性知识相对，隐性知识往往是直觉性的、难以定义的、主要基于经验的知识，是个人经验、洞察、直觉、技能和专业知识的一部分，通常是非结构化的、内化于个人思维和行动方式中的知识。隐性知识难以用语言或符号直接表达。例如，骑自行车、游泳、驾驶汽车等技能都属于隐性知识。转换隐性知识为显性知识的过程称为知识转移或外显化。显性知识和隐性知识相互依存，共同构成了知识的完整体系。合理管理和整合这两种知识类型对于组织和个人的发展和竞争力提升至关重要。在企业的发展过程中，涉及到各种不同类型和不同模态的知识，包括业务系统数据、公司制度文档、合同文档、标准规范等。这些知识在组织内部以及与外部环境的互动中起着关键作用。然而，随着企业发展，这些知识不断增加，对知识管理提出了挑战。另外，这些知识往往分散在不同的地点和业务系统中，没有进行有效的挖掘和关联，降低了知识的可利用价值。这导致了知识的孤立和碎片化，使得企业无法充分利用这些宝贵的资源。因此，有效的知识管理变得至关重要。它涉及对知识进行收集、整理、存储、分析和共享的过程。通过建立知识管理系统，企业可以将分散的知识整合起来，建立知识库或知识图谱，以便更好地组织和查找知识，提高知识的可访问性和可利用性，促进跨部门和跨系统的知识共享和合作。同时，采用技术手段如数据挖掘、自然语言处理和人工智能等，可帮助企业发现隐藏在大量数据和文档中的知识，提供洞察和决策支持。通过实施知识管理，企业可以更好地利用各种类型和模态的知识，加强内部的学习和创新能力，适应快速变化的商业环境，提高竞争力。2、知识适用性/b知识图谱互联互通,知识是在具体场景下的应用，知识不一定放之四海皆准。适用性是指知识在不同场景和情境中的适用能力。适用性是依赖于领域的，适用性越高的知识信息能得到越广泛的应用。知识图谱帮助企业自动构建行业图谱，摆脱原始的人工输入，可以应用于智能搜索、文本分析、机器阅读理解、异常监控、风险控制等场景，达到真正的智能和自动2。3、知识归一化为了实现知识体系的互联互通，需要对多种渠道来源和不同行业领域的知识进行归一化。知识的归一化是指通过汇聚、组织和融合有效资源,使用匹配规则或相似度等方式对不同信息进行对齐。这可以通过建立信息名称库来实现，将抽取的信息统一对应到库中，并统一表述方式。归一化的主要原因是知识库中存在实体的同义词、同义异形、简写、缩写等情况,而实体归一化后，具有相同或相近意义的实体将映射为知识库中的统一实体。实现语义的互操作性是知识体系互联互通的另一个关键。这意味着通过使用一套通用标准，各个系统能够自主交换和整合具有普遍意义的数据。在语义化的过程中，数据被赋予了一种正规的通用表示方法，使其能够描述自身的含义。数据的消费者可以通过查找特定的词汇表来从数据中获取真正的含义。这些通用的表示方法主要围绕知识图谱展开，包括本体、RDF（资源描述框架）和语义图等。通过归一化和语义互操作性，不同来源和领域的知识可以更好地交流、整合和共享，从而促进知识的传播和创新。这为企业和组织提供了更广阔的知识基础，加强了合作和决策的基础，推动了业务发展和创新的进程。（二）行业应用技术问题1、知识孤岛知识孤岛是指在组织中由于信息资源得不到有效的交叉融合，知识2金岩.网络信息计量学方法研窕D中国科学院文献情报中心,2001.板块之间相互割裂而形成的无序状态，仿佛大海中的一个个“孤岛”。在我国，当前存在许多“知识孤岛”的现象。社会中知识共享性、知识扩散性、知识传播性、技术扩散性和网络创新性都不发达，部门所有、地方所有、单位所有、条块分割、各自为战，“创造”了一个个“科研知识孤岛”、“产业群知识孤岛”和“企业知识孤岛”等。大学虽然知识丰富，却同当地经济、企业联系不强，以基础性知识文化传播为主，校企合作性差，知识产业化水平低。行业之间、机构之间和部门之间或多或少存在着信息和知识孤岛，而知识孤岛直接导致机构整体利益受损、效率低下、透明度差和资源浪费。在市场经济中，企业要适应市场的变化，快速调整战略并采取协调行动,必须具备有较高透明度的知识交流系统。面对知识孤岛所造成的瓶颈，必须实现知识关联：通过知识求助和协作，整合来自组织内外的专家经验和最佳实践等，实现知识互联互通。然而，大多数企业的数据信息往往只停留在归档整理阶段，未能得到充分的挖掘和利用。孤岛现象是企业和政府部门在信息化、数字化发展过程中普遍存在的，通常可分为物理性和逻辑性两种形式。物理性的孤岛指的是数据在不同部门之间相互独立存储和维护，彼此之间缺乏互联互通，形成了物理上的隔离。逻辑性的数据孤岛则是指不同部门从各自的角度理解和定义数据，导致相同的数据被赋予不同的含义，增加了跨部门数据合作的沟通成本。在许多传统行业中，专家经验传承通常仅限于口述传递，未能有效沉淀。而员工离职、调动往往会导致专家经验和企业专业知识的中断或缺失。此外，企业员工普遍缺乏知识共享意识，文档和案例难以有效传递，知识难以被有效复用，进一步形成了知识孤岛。随着企业的不断发展壮大，档案资料不断膨胀，相关数据未能及时更新，进一步加剧了孤岛效应。解决数据孤岛问题需要企业采取积极的措施。这包括建立统一的数/b知识图谱互联互通据管理平台，促进部门间的数据共享和协作，制定统一的数据标准和定义，以及推行知识共享文化，鼓励员工之间的交流和合作。同时，利用先进的技术工具，如数据挖掘和人工智能，可以帮助企业发现和利用数据中的潜在价值。通过打破数据孤岛，企业可以更好地利用自身的信息资源，加强内部协同和创新能力，提高决策的准确性和效率，从而在竞争激烈的市场中获得竞争优势。2、知识标准化标准化的目的是为了在既定范围内实现最佳秩序，促进共同效益，并确立共同使用和重复使用条款以及编制、发布和应用文件的活动。随着知识经济时代的到来，知识管理的重要性和复杂性不断增加，如何有效地促进不同行业和部门之间的知识共享成为知识管理的核心主题和目标。知识管理的目标在于实现知识的共享和创新，因为只有通过共享，知识才能不断创新，产生更大的价值。在知识共享的过程中，知识体系向着标准化的方向发展。标准化在知识管理中具有重要作用。知识图谱是一种将知识以图形结构的形式进行建模和表示的方法。它通过连接不同的知识元素，形成一个网络，使得知识之间的关系和联系得以清晰展现。通过标准化的方法，可以对知识图谱中的知识进行统一的表示、分类和交互，从而实现不同行业、不同部门之间的知识互联互通。标准化可以确保知识的一致性和可共享性。通过制定统一的标准，不同的组织和个体可以使用相同的语义和结构来表示和交流知识。这样，知识图谱中的知识可以在不同系统和平台之间无缝地共享和集成，避免了信息孤岛和数据隔离的问题。此外，标准化还有助于推动知识创新和发现。通过建立共享的知识标准，不同行业和部门之间可以更加便捷地发现和利用彼此的知识，促进知识的交叉融合和创新。标准化还可以促进知识的持续更新和演化，使得知识体系能够与时俱进，适应不断变化的环境。因此，通过知识图谱的标准化互联互通，可以实现知识共享、知识创新和知识持续发展。这将为组织和行业带来更高效的知识管理和创新能力，推动知识经济的持续发展。为了实现知识互联互通和广泛共享，需要通过制定和遵守统一的标准，使不同组织和部门之间的知识能够实现一致地表示和交流，消除语义差异和沟通障碍，加强知识的互通性和可理解性，促进知识的共享和合作，提高整体效率和协同能力并充分发挥知识的作用。二、产业层面为田用01互整互M 用市知识价值昼Bl即正网ig”旦词 H功如妒力生态悔均如螟JtJR具享c 知国阳三点> 检"式式/新殳毒知睨IBfl互“互通知识网*互”互通ItiMOiR海产计后星图1-2知识图谱互联互通在产业层面的作用(-)知识图谱互联互通推动知识服务生态建设知识服务生态系统是一种以移动互联网和社交网络为技术基础，由知识服务商和学习型社群共同组成的知识传播系统。大数据时代每天产生海量数据，用户的需求更趋于个性化、定制化以及扁平化，需要构建开放的知识服务生态，以平台化、网络化、协同化模式，实现数据发布,知识共享，知识发现，思想交流，成果管理及情报分析的集成服务。目前，我国知识服务生态存在知识供给与需求不平衡的问题，主要体现在:一是特色数据、专题数据、科研实体知识资源无法快速供给；二是面对/b知识图谱互联互通看题等不同特征的知识需求时，仍然以人工为主开展数据源遴选、数据收集、数据分析、报告撰写，导致知识服务响应速度慢，可以处理的任务非常有限。知识服务商作为知识服务生态的重要组成要素，其自身知识处理、计算能力，以及跨服务商/服务平台之间缺乏互联互通是导致上述问题的主要原因之一。知识图谱的互联互通，将对开放智慧知识服务生态建设起到积极作用。目前，一些专业出版机构借助数据优势，利用知识图谱、深度学习等技术进行数据增值，推出了新型知识服务，己初见成效。一方面，通过知识图谱互联互通实现更多更广泛的连接，更多更广泛的连接意味着更多的数据和知识。这是服务智能化和组织智慧化的基础。知识库不应是一个封闭的孤岛系统，不应是一个简单的导入和分析处理的文件系统，而应该是开放的知识服务平台，动态地连接所有产生数据和信息的来源并形成不断自演变的知识生态，如医学知识与化学、生物等领域的知识连接，形成跨领域的知识服务，为医学研究和诊疗提供更广泛的支持。另一方面，基于知识图谱的互联互通，形成融合的语义网络，不仅有助于更多数据和信息的采集，而且可以充分挖掘、利用、共享知识，从而实现价值创造和传递，形成更具有竞争力和创新性的知识产品和服务，从而更好地推动知识服务生态建设。（二）知识图谱互联互通推动知识成果共享传统意义上的知识共享，一般是指在一个机构内部，成员彼此之间相互交流，使自身的知识由个人的层次提升总结到组织结构的层次，形成一套组织内部的知识系统；而广义上的知识共享是指场合不局限地产生知识流动与交互的过程。知识共享是由社会文化、组织架构、经济博弈学和IT技术等因素共同影响的社会活动。不同的组织架构下知识共享的方式不同,同时经济博弈的方式以及进行知识分享的技术手段也随之不同。知识共享的方式可以分为两种：编码化方法和个人化方法。编码化方法指个人的知识通过一定的管理规则或者方式复制为显式易管理的表现方式。在组织内部，将经过统一格式化的知识进一步整合为工作流程或者以内部知识库的形式进行表现。这种方法其实就是将不同的个人知识通过信息化手段标准化，以便更好的存储以及后续的管理。知识图谱作为知识共享的一种技术，在组织架构和社会文化确定的情况下，是知识共享过程中极为重要的手段。特别是知识图谱的互联互通，也为同一组织、跨组织，乃至全行业、全社会的知识共享提供助力。个人化方法是某种知识的拥有者将自己的知识通过点对点方式传播或者分享给没有掌握该项知识的个人或组织，也就是人与人之间的直接交流。其中，移动互联网上碎片化的知识的组织共享是一个重要议题。移动互联网的发展带来了多源数据的爆发式增长，加快了知识的传播与应用，其中,用户生成内容（USer-generatedcontent,UGO作为一类典型的大数据,正在成为人们获取知识的重要来源。然而，UGC中的知识大多以碎片化知识形式存在，人们虽然可以容易地获取或者传播知识，但知识碎片化导致知识资源零碎、知识迭代速度快且缺乏权威验证，不利于学习者搭建合理的知识框架以及开展深度学习。UGC平台内完整知识体系的形成得益于用户个体进行知识共享的过程，源于平台中个体的知识贡献。用户个体拥有的知识经过个体在平台中的交互行为进行知识的互动，这种互动不仅能够实现知识的共享，也有利于平台知识体系的完善，最终通过用户个体共同建立的知识体系，以系统推荐的方式反馈给平台用户，促进用户个体知识的提升。由此可见，完整知识体系的形成是基于个体知识的整合，这一过程可以用知识图谱进行可视化表示，首先是通过对个体知识集进行知识挖掘，收集包含个体智慧的碎片化知识点，并构建这些知识点之间的关联关系，由此形成个体知识图谱。然后对个体知识图谱集合采用有效的融合策略进行知识整合，形成具有群体智慧的知识图谱。/b知识图谱互联互通（三）知识图谱互联互通推动知识价值变现随着知识共享3.0时代的到来，人们的知识价值意识越来越强，对知识需求的一次性消费也逐渐转向长期消费。这种知识消费方式的转变，开启了知识付费新纪元。目前，知识拥有者的知识价值意识普遍增强，将知识集中到统一的大数据平台变得越来越难以实现，比如医疗数据这种具有独立隐私特性的领域知识。在此背景下，知识图谱间互通互联，结合区块链等技术结合起来形成的一种去中心化思想，为目前中心化系统对数据的组织维护成本高以及数据安全方面一损俱损的现状提供解决思路，特别是对具有知识保密性且需要实现有偿共享的领域知识研究具有重大意义。与此同时，随着知识付费行业地不断发展，各种前沿技术也不断在知识付费行业落地应用，不仅知识产品形态、载体以及应用场景发生变化,知识付费平台的生态建设、运营方式也随之发生变化。知识图谱及其互联互通在知识付费产业中应用，不仅可以提供更加精准地供需匹配，提高改善知识的整体管理效率，减少重复性工作，在智能运营方面发挥作用；而且可以融合不同知识载体，丰富、深化知识服务内容和形式，促进知识创新，带来更高的知识价值，进一步扩大市场。（四）知识图谱互联互通推动知识资产计与管理知识资产是企业的核心资产，但企业往往面临知识标准不一致、知识安全没保障、知识应用难协调、知识集成打不通等一系列问题，阻碍了知识价值的发挥。以知识图谱，及其互联互通为技术基础开展知识治理，建立以业务应用为目标的知识管理体系，对进行知识资产计量与管理的有积极作用。首先，在企业知识管理体系建设中，开展知识资源盘点，建立知识资产目录往往是基础。但经常遇到企业建了知识资产目录却应用不好的情况，其中很重要的一个原因是元数据的业务属性维护不全面或者不完整，影响业务应用效果。基于知识图谱及其互联互通的资产目录的建立,则可以实现知识资源的智能搜索、可视化展示，并提升集成服务能力，方面可以盘活企业知识资产，明确当前分布情况和资产质量，同时还能帮助企业识别潜在的知识资产，提高知识资产的完备性和准确性；另一方面也可以作为一种语义层抽象，用于驱动整个企业知识资产的加工处理过程。与此同时，知识资源要成为知识资产应具备可审计性和可跟踪性。可审计性解决知识的产权问题；可跟踪性了解知识资产是如何在企业内部流动。企业的知识资产不仅包括通过数据挖掘获得的知识、人的隐性知识，而且也有模型、算法、程序、服务和产品等，这些知识资产之间形成了多种多样的依赖关系，基于知识图谱互联互通，可以理清知识间的血缘关系和影响关系，同时透视知识间的计算逻辑和业务逻辑，为后续的知识协同创新及知识资产变现打下坚实的基础。（五）知识图谱互联互通推动知识服务新模式/新业态建设知识服务的本质是基于海量的、权威的、系统的科技内容资源，通过对内容资源的碎片化、标引、语义关联、深度挖掘和统计分析，为科研用户提供面向科研立项、文献检索分析、实验模拟、文献撰写与成果发表、学术传播交流、生涯评价等整个科研生命周期的多元化、立体化、定制化服务。在智能化的助力下知识服务将呈现出全新的生态模式。它将海量的数据资源变为更具个性、更有价值的知识内容，提供具有交叉性和创新性的知识服务，打造以智能服务为核心的全新模式。基于知识图谱互联互通,在知识服务内容产品、服务产品等方面，均可发展多种更为全面、精准、智能的新模式、新业态。在内容产品创新上，可提供更加定制化的内容购买服务，通过集聚相关内容，建成专业/专题知识库；在服务产品创新上，通过基于知识图谱互联互通的语义关联、知识挖掘等，可以将各类科研内容、信息转化/b知识图谱互联互通a针对每个科研个体的科研智能服务，帮助科研工作者确定研究方向，找寻最佳项目，智能推送最需要的文献等。例如标准服务机构，同样可以基于知识图谱互联互通提供更加智能化的标准服务，例如标准检验服务，可自动验证标准的符合性。（六）知识图谱互联互通推动知识服务平台分级评测建设随着大数据、人工智能等技术的发展，知识服务平台正在演进到智能化的知识整合、挖掘、计算，并将其直接转化为生产力的新阶段，知识集成共享与智能服务能力也成为评估知识服务平台能力的重要指标。在一些行业领域的知识服务或者数据资源共享平台中，也将其作为重要的考核对象。例如在医疗领域，国家卫生健康标准委员会推进的电子病历系统应用水平分级评价、互联互通标准化测评等，成为主导中国医疗卫生信息化建设应用成效评价的主要标准体系。知识集成与智能服务是知识主体在一定的环境支撑下，根据知识集成的需求，利用合理有效的方法、技术或手段，将相关领域中单一的、分散的、不同层面的知识（即知识客体，包括显性知识和隐性知识），通过主体之间在一定时间、空间里的协同交互，进行知识的融合、重构、集成，并产生新的判断，形成新的知识，为决策提供支撑或引导决策。知识图谱通过对知识的概念、关系和属性进行定义和描述，为知识服务平台的分级评测提供更为科学精细的依据；其互联互通可以从知识资源保障、知识交互共享、知识分析判断、知识协同服务等方面提高知识服务平台的集成共享与智能服务能力。通过对知识图谱互联互通概念、体系架构、实现方式、成熟度等的研究与推广，将有助于推动知识服务平台分级评测建设。三、政策层面（一）国际层面1、数据的治理与共享变革数据是数字经济的核心组成部分，也是保障绿色和数字转型的重要资源。近年来，人类和机器产生的数据量呈指数级增长。然而，大多数数据未被使用，或者其价值集中在相对少数的大公司手中。低信任水平、相互冲突的经济激励和技术障碍阻碍了数据驱动的创新潜力充分发挥。数据治理是指通过制定政策、规范和流程，确保数据在组织或国家内部得到有效管理和利用的过程。它涉及数据的收集、存储、处理、共享和保护等方面，旨在保障数据质量、隐私保护和合规性。政策制定是数据治理的重要基础。政策层面的变革是确保数据治理能够顺利进行的关键环节。在不同国家和不同阶段，政策层面的重点可能有所不同。以欧盟为例，欧盟于2018年5月25日实施了通用数据保护条例(GDPR),GDPR强调了个人数据的保护和隐私权利，并对数据处理者和数据控制者施加了更严格的责任和义务。欧盟通过GDPR的实施，推动了数据治理的变革过程，重点关注了个人隐私保护和数据使用的合规性。欧盟后续于2021年11月公布数据治理法案(DataGovernanceAct),2022年2月23日正式公布的数据法案(DataAct),不断完善数据共享制度，为数据流转扫清障碍，引导和促进更多的数据利用。从立法宗旨上看，数据法案草案旨在通过促进企业间数据的共享和流通，打破巨头企业对于数据的垄断，从而帮助中小企业获得竞争力。通过该法案，欧盟希望确保在数字经济参与者之间公平地分配数据的价值,并促进对数据的访问和使用，推动个人和企业自愿共享数据，协调某些公共部门数据的使用条件，而不改变数据的实质性权利或已建立的数据访问和使用权限。其明确了从产品和相关服务的使用中获得或产生的数据共享的法律确定性，以及确保数据共享合同公平的操作规则。草案为各领域行业设定数据访问和使用的框架，以解决数据访问和共享的操作问题。草案规定了公共机构获取企业数据的权利。草案对公共机构获取企业数据提出明确的限制，例如仅可在自然灾害、传染病防治等公共紧急情况下才可以要求企业提供数据。草案为行业间重复使用的数/b知识图谱互联互通据制定互操作性标准，以消除在特定领域欧洲共享数据的障碍，与行业的互操作性要求保持一致。草案支持为“智能合约”设定标准，使得通过“智能合约”共享数据成为可能。2、数据的机渊可读变革当前，三大国际标准组织(ISO、IEC.ITU).欧洲标准化组织(CEN/CENELEC)以及美国、德国、英国、俄罗斯等国家已经启动了机器可读标准的研制和实施工作。其中，国际标准化组织(InternationalOrganizationforStandardization,ISO)将数字技术作为要点纳入ISO2030战略，在2018年成立了SAG/MRS(机器可读标准战略咨询组)，发布了机器可读标准实施路线图，并启动了新型数字化标准项目，以研究与用例、业务模式和支撑技术等相关的内容。此外，ISO还建立了国际标准在线浏览平台，可检索符号、编码、术语、定义等，并在地理字典、脚本转换系统编码、日历系统编码、标准文件元数据、产品属性数据库等领域开展了试点项目。国际电工委员会(InternationalElectroTechnicalCommission,IEO将机器可读标准纳入UEC总体规划实施方案目标，重组了IECSMBSG12数字化转型战略与系统方法战略组，统筹开展IEC及其标准化活动相关的数字化转型工作，开展数字化工作、机器可读标准、语义互操作、系统方法等内容研究；在IEC市场战略局(MarketStrategyBoard,MSB)已发布语义互操作性：数字化转型时代的挑战白皮书；已建立数据库型式标准平台，可在线制定、发布、维护、下载IEC国际标准，并在工业自动化、电力等领域已开展机器可读相关标准制定。国际电信联盟(InternationalTelecommunicationUnion,ITU)于2022年3月召开的世界电信标准化全会中确定了ITU标准化工作未来的方向，即构建生态系统，包括以5G为核心的新的信息通信系统和应用。随着全球5G建设步伐加快，垂直行业的5G应用不断增多，越来越多的多元化合作伙伴进入国际电信联盟标准化工作中。这些新成员来自能源、公用事业、航运和物流、汽车生产以及人工智能、机器学习、金融科技、OTT应用程序、区块链和量子通信等技术领域。此外，也有越来越多的初创企业和中小微企业加入了国际电联标准化工作。美国、德国、英国、俄罗斯等发达国家均高度重视标准数字化转型工作，纷纷在其最新的标准化战略及数据战略中聚焦机器可读标准发展标准数字化。IS0/IEC提出的机器可读标准分为04级模型，其中34级也被称为“SMART”标准。各级模型的基本解释如下：- 0级-纸质格式；- 1级-机器可显示格式（如PDF）：可显示或搜索相关内容；- 2级-机器可识别文件（如XML）：包含标准文本结构化的内容，可利用软件识别文件结构并执行基本操作；- 3级-机器可执行内容（如eClSS标准）：可根据应用场景选择性访问赋有语义的标准内容，可利用应用程序接口（API）对标准内容执行复杂操作；- 4级-完全机器可决策标准：机器可以通过复杂的操作方式处理或解析文件。文件中包含表示标准内容及元素之间相互关系的信息模型，可以实现无断点、无歧义的数据流。机器还具备自学习和验证的能力，以及自主询问、应答、预测提供内容的能力。例如，机器可以响应产业链采购、销售环节的需求，并不断优化内容的访问和处理方式。在知识互联互通的过程中，不同级别的模型阶段具有不同的特征和优势。在0级模型阶段，纸质格式文档无法满足机器处理的需求，因此难以作为知识互联互通的媒介。在1级模型阶段，机器可读的元数据如文件路径和数字化文件名称可以被用作知识互联互通的元素。在2级模型阶段，结构化的标准文本字符和可以匹配公共数据字典的数据成为了知识互联互通的元素。在第3级模型阶段，标准化的结构化数据和最小的语义单元被视为知识互联互通的元素。在第4级模型阶段，标准知识/b知识图谱互联互通i谱中的实体和关系被用作知识互联互通的元素，从而实现了更高级别的知识互联互通。3、标准文本数字化变革随着数字化技术的迅猛发展，传统领域通过数字化技术赋能正在经历着翻天覆地的变革和新生。相应地，在标准化领域，数字化与标准化工作相结合已成为未来发展的重要议题之一。在此背景下，国际标准化组织纷纷开展相关的研究与实践。(1) IEC国际电工委员会(IEC)积极研究和部署数字化转型的战略和方案。据IEC研究成果，标准数字化可以分为五个阶段或层级，详细内容见前面“数据机器可读变革”章节。为实现标准数字化，标准技术内容需要进行结构化并赋予语义。当前，IEC国际标准处于2级模型阶段，为进一步推进数字化转型工作，IEC局(Board,IB)、市场战略局(MarketStrategyBoard,MSB)、标准化管理局(StandardizationManagementBoard,SMB)以及相关技术委员会(TechnologyCommittee,TC)等均已制定战略规划并建立相关工作组。其中，IEC局将“机器可读标准”纳入IEC总体规划实施方案目标(Ma