海云研究院院长赵丹：知识本体与大数据处理

最近总有人提Palantir，这家美国 大数据分析 公司，据说著名的“棱镜”就是他家开发的。上个月又爆出Palantir业绩不佳大裁员的消息，据说裁掉了上百名数据分析师。

俺在三年前研究过Palantir的技术路线和系统架构，P家实现了多种来源的结构化数据和文本数据的导入与集成，以及结合时空和人物线索的探索式数据分析，其核心技术中使用了动态本体(Dynamic Ontology)。

说起这个动态本体，背后还有深厚的哲学背景。本体 Ontology 可以追溯柏拉图的逻各斯，亚里士多德的形而上学。

这个图说的是著名的柏拉图的洞穴比喻。柏拉图认为现实世界都是理性世界的倒影，理性世界才是世界的本质，是完美的。就好比是在洞穴中，囚犯只看到了投在洞穴墙壁上的影子，只能通过这些影子推测理性世界的样子。

具体到“本体”（Ontology）这个词。

本体论（Ontology）是探究世界的本原或基质的哲学理论，该词是由17世纪的德国经院学者郭克兰纽（Goclenius，1547-1628）首先使用的。此词由ont（όντ）加上表示“学问”、“学说”的词缀——ology构成，即是关于ont的学问。ont源出希腊文，是on（όν）的变式，相当于英文的being；也就是巴门尼德（Parmenides）的“存在”。以上出自必应网典。

简而言之，本体意味着存在一个外在的完美的知识体系，不依赖人类的认识而存在。人类探索知识的过程就是不断从现实世界的现象中，摸索、推测这个完美知识体系的过程。人类的认识注定只能不断接近，却永远达不到这个完美的知识体系。

讲本体的哲学来源，和Palantir，和数据处理有什么关系呢？这就涉及到数据的本质到底是什么的问题了。

数据形式上只是一些有结构的数，仅仅有数是没有用的，使用数据首先需要对数据的结构作出解释。所谓解释，就是贴上概念的标签。

通常的关系数据库设计，每一列都有一个标签，每个表又有一个标签。如果这些标签是有意义的文字，那么通常文字的意义就是对列或者表的解释，如果不是，那就会有一个把标签转换为有意义文字的办法，这个办法通常是写在设计文档里。

当然如果数据的使用者就只有原始设计者一个人，也可以不加解释，这种情况下，实际上也是有解释的，只不过这种解释只存在于那个人头脑里罢了。有了解释，一个人设计的数据结构就可以被其他人利用。

标签使不同的人对数据所对应的概念达成共识，这个共识是基于对概念体系本身的共识而产生的。所以前提是数据的设计者和使用者拥有部分相同的概念体系。这些相同的概念体系的部分，如果可以形式化地记录下来，就形成了外在于这些参与者的公共知识，这些被形式化了的公共知识也被称作知识本体，由于表现形式主要是概念节点以及概念之间的关系组成的网络，是图结构，知识本体又被称作知识图谱。

共享同一套知识本体，使得 数据 设计者与数据使用者，对于数据的使用方式达成共识。这就保证了数据使用者可以按照数据设计者最初的意图去使用数据，去进行各种变换，计算。

不同来源的数据通常各自背后都有一套概念体系，如果各自的概念体系之间有交集，就可以把这些概念体系连接起来，如果连接起来之后的概念体系当中没有逻辑上的矛盾，就说这些概念体系融合到一起了，这就是知识融合。

达成了知识融合，多个来源的数据就可以混合起来，一起参加各种运算，这就是数据融合。因此数据融合是以知识融合为基础的，只不过知识融合有时候只发生在负责数据融合的人的头脑之中，没有外在的形式化表示，看起来好像并没有做知识融合这个步骤。

作者简介：

赵丹（Diana）：1973 年生于天津，1996年毕业于厦门大学法律系，做了二十年码农，写了百来万行程序，2014年作为技术合伙人加盟海云。业余时间爱好户外运动，曾攀登过5000米雪山，完成过北京马拉松全程。

关注知识图谱，开放数据互联，智能数据分析，自然语言处理方向。 喜欢各种不太剧烈的体育运动，比较擅长瑜伽、游泳、乒乓球、定向越野。喜欢徒步和骑车旅行。

注：本文摘自海云数据可视化-HYDATA， ☞点击进入 海云数据 在数据观的企业栏目>>>

责任编辑：王培