Page 177 - 计算机应用软件开发技术研究

第五章 基于数据挖掘技术的智能信息处理

撑；智能信息分析则需主观介入，适用弱人工智能技术支持。
依照 DIKW 概念链量化模型，客观数据 D 经输入传递系统成为物理信息 i；
物理信息 i 经社会传递，转化为可接收的客观信息 I；可接收的客观信息 I 经主

体吸收，转化为带有主体价值判断的主观信息 Ｊ 即情报；情报 Ｊ 经结构化体系
化而成为知识 K；矩阵化个性化知识则构成智慧 W。从客观信息 I 到情报 Ｊ 间
的转化是一个关键环节。根据对数透视原理，从客观到主观需经对数转换，同
时，为描述主体价值判断，引进价值系数 v∈［0，1］（匹配 Rescher 模型），

可得如下关系式： =J log I v = v log I ，在该关系式中确定了信息 I 和情报 J 的关
系，即情报是信息的对数与价值系数的乘积。
在情报 J 进一步转化为知识 K 的过程中，采用分析信息学的合理假说：有价
值的信息才会使知识增加，单位信息增量产生的单位知识增量应与有价值信息量

（情报量）成正比，即：

其中，k 是信息的知识转化系数。于是，知识 K 是情报 J 对信息 I 的积分：

其中，K 0 是积分常数，代表原有的知识；而 ΔK 代表了新增加的知识。这
正是著名的布鲁克斯基本方程，该推导过程的优势是给出了机理解释。
以上内容可作为智能信息处理和智能信息分析的理论基础。

三、智能信息处理和智能信息分析的应用

作为智能信息处理的先驱，Luhn 和 Salton 等已对智能分类、智能标引、智

能文摘等进行过开拓性研究，智能检索也在计算机科技的推动下走向成熟，这些
领域的智能化技术逐渐日趋完善。未来的发展预期将是智能分析、机器翻译和自
动简报。
（一）智能分析
智能分析面临的很多问题需要自然语言理解支撑，尤其是中文信息的智能分

析至少涉及：①词切分和词性标注；②概念标注与分析；③语义知识表示；④词
典与知识库；⑤句法及语义分析等。因此，智能分析的前景是在自然语言理解基
础上，融合已有的智能分类、智能标引等技术，发展出结合算法分析与计算智能

·165·