知识工程
知识工程发展历程
知识工程作为一门学科，其发展历程可以分为几个主要阶段：1. 知识工程的萌芽（1950s-1970s）：知识工程的概念最早可以追溯到20世纪50年代，当时人工智能（AI）的研究开始兴起。
1960年代，专家系统的出现标志着知识工程的初步实践。
专家系统是一种模仿人类专家解决特定领域问题的计算机程序，它通过存储和使用领域知识来进行推理和决策。
2. 知识工程的发展（1980s-1990s）：在这一时期，知识工程得到了快速发展。
知识获取技术、知识表示方法和推理机制等方面取得了显著进步。
同时，知识工程开始应用于多个领域，如医疗、金融、制造业等。
这一时期还见证了知识库系统和智能代理的兴起。
3. 知识工程的成熟（2000s-2010s）：随着互联网和大数据技术的普及，知识工程进入了一个新的阶段。
在这一时期，知识工程开始关注大规模知识的整合、管理和推理。
语义网、本体论和知识图谱等技术的出现为知识工程提供了新的工具和方法。
此外，机器学习和深度学习的兴起也为知识工程带来了新的可能性。
4. 知识工程的融合与创新（2020s-至今）：在当前阶段，知识工程正在与其他学科进行更深入的融合，如认知科学、数据科学和计算机视觉等。
同时，随着自然语言处理（NLP）技术的不断进步，知识工程在理解和生成自然语言方面取得了重要突破。
此外，知识工程还在探索如何更好地与人类协作，以实现更高效的知识共享和创新。
总的来说，知识工程的发展历程是一个不断演进和创新的过程。
从最初的专家系统到现在的知识图谱和深度学习，知识工程已经取得了显著的进步。
未来，随着技术的不断发展和学科交叉的深入，知识工程有望在更多领域发挥重要作用，推动人类社会的进步和发展。
对知识工程的理解和感悟
对知识工程的理解和感悟一、知识工程的定义及其重要性知识工程是通过运用计算机和信息科技，将知识从人类的大脑和书籍等载体中提取出来，并把这些知识运用到实际生产和生活中的一种技术和方法。
它是信息时代人类智慧的结晶，具有非常重要的意义。
知识工程在当今的生产和生活中发挥着非常重要的作用，尤其是在人工智能和机器学习等领域的发展中。
通过知识工程可以实现对知识的自动化处理和高效利用，提高生产力和效率，为人们的生活带来更多的便利和舒适。
二、知识工程的实现方式1.知识表示方法知识工程的核心在于知识的表示和推理，因此，知识表示方法是关键。
常见的知识表示方法有贝叶斯网络、人工神经网络、本体、规则等。
2.知识获取技术知识工程的知识来源于人类的大脑和书籍等载体，因此，知识获取技术就显得至关重要。
知识获取技术包括自动抽取、爬虫、人机交互、人工标注等多种方式。
3.知识推理技术知识推理技术是知识工程的另一个重要组成部分，是将已经获取到的知识运用到实际问题中去的方式。
知识推理技术包括逻辑推理、规则推理、概率推理等多种方式。
三、知识工程应用1.智能问答系统智能问答系统是基于知识工程技术实现的一种对话式的交互系统，可以利用知识库中的知识为用户提供及时、准确的信息服务。
例如，语音助手和智能客服等。
2.智能推荐系统智能推荐系统是一种基于知识工程技术实现的咨询和推荐系统，通过对用户的历史行为和兴趣，利用知识库中的知识进行精准的推荐。
例如，电商网站中的推荐商品、音乐网站中的推荐歌曲等。
3.智能医疗系统智能医疗系统是利用知识工程技术来实现精准医疗服务的一种智能系统，可以通过对患者的症状和病史进行分析，帮助医生做出更为准确的诊断和治疗方案。
四、知识工程的未来发展趋势随着人工智能和机器学习等技术的不断发展，知识工程的应用范围和深度也将逐渐拓展。
未来的知识工程将更加注重人机协同、知识可视化、知识的快速获取和分发等方面的发展。
同时，知识工程还将广泛应用于更多的领域，如教育、金融、交通等，为人们的生产和生活带来更大的利便。
知识工程与知识管理
知识工程与知识管理
第一章知识工程与知识管理概述
一、知识工程
1.知识工程概念
知识工程是以知识为处理对象，研究知识系统的知识表示、处理和应用的方法和开发工具的学科。
主要研究知识获取、知识表示、推理策略和开发方法及环境，是人工智能、知识库、数理逻辑、认知科学和心理学等多学科交叉发展的结果。
知识系统包括专家系统、知识库系统、智能决策系统等。
专家系统是利用专家知识解决特定领域问题的计算机程序系统。
知识库系统是把知识以一定的结构存入计算机，进行知识的管理和问题的求解，实现知识的共享。
智能决策系统是智能化决策支持系统，由数据库、模型库、知识库、人机交互等组成的系统，为解决半结构化决策问题，提高科学决策水平。
2．知识工程研究内容
（1）基础研究
包括知识工程中的基本理论和方法的研究。
如知识的本质、分类、结构、效用、表示方法、获取和学习方法等。
（2）实际知识系统的开发研究
强调建造知识系统过程中的实际技术问题，以知识系统的实用化和商品化为目标，研究实用知识获取技术、知识系统体系结构、实用知识表示方法和知识库结构，实用推理和解释技术，使用知识库管理技术，知识系统调试、分析与评价技术，知识系统的硬件环境等。
（3）知识工程环境研究
主要为实际系统的开发提供一些良好的工具和手段。
知识工程
知识工程学以知识工程作为研究对象而形成的有关知识工程理论和方法体系的学科就是知识工程学。
知识工程是指为了科学合理地设计、开发、生产、分配和使用知识资源，促进知识资源的优化配置，而采用的规划、组织、协调等技术方法和手段的总和。
知识工程学中的“工程”一词，并非指的真正的实物工程，而是借用了工程学特有的科学合理的框架结构，系统的思想方法，以及由相互联系、制约和影响的内部各要素组成的高效运作的有机整体的机制原理。
知识工程学中的“知识”一词，特指“知识经济”概念中的知识，其含义是：“知识经济”概念是联合国研究机构于1990年首先提出的。
1996年，总部设在巴黎的联合国国际经济合作与发展组织（OECD）在其题为《以知识为基础的经济》的报告中正式给“知识经济”下了一个这样的定义：“建立在知识和信息的生产、分配和使用之上的经济”。
该报告还进一步将其“知识”具体划分为：⑴“知道是什么”的知识。
即关于叙述事实方面的知识（即信息），如我国的国民生产总值、资源分布状况等；⑵“知道为什么”的知识。
即关于自然规律和原理方面的知识，如价值规律、利率杠杆调节货币供给的机制原理等；⑶“知道怎么做”的知识。
即关于做某事的才能和能力方面的知识，包括技术、技能和决窍等；⑷“知道是谁”的知识。
即关于占有或了解“谁”知道什么和知道怎么做的信息，并通过与之接触来有效使用其知识的知识。
其中⑴和⑵被称为归类知识；⑶和⑷被称为沉默知识。
归类知识可以通过读书、接受正规教育以及查看数据库的形式而取得；沉默知识则主要通过社会实践和师傅带徒弟式的言传身教的途径来获取。
概括地说，知识经济中的“知识”指的是人类发明和发现的所有知识，包括自然科学知识和社会科学知识。
其中主要是技术科学、管理科学（软科学）和行为科学知识，以及储存于人的大脑中的潜能知识、智力、智慧和创造力等。
参考文献：杨孟著：《论知识工程》，《中国知识经济文选》第44－47页，中国经济出版社，2000年1月第1版；杨孟著：《论知识创新工程》，《财经理论与实践》1999年第4期）。
知识工程
知识工程这个术语最早由美国人工智能专家E.A.费根鲍姆提出。
由于在建立专家系统时所要处理的主要是专家的或书本上的知识，正像在数据处理中数据是处理对象一样，所以它又称知识处理学。
其研究内容主要包括知识的获取、知识的表示以及知识的运用和处理等三大方面。
基本概念知识工程作为一门学科有以下几个最基本的概念。
数据定义为客观事物的属性、数量、位置及其相互关系等的抽象表示。
而且要特别强调这些属性、数量、位置及其相互关系等都可能是模糊的。
如“20岁左右”、“很年轻”、“不太高”、“点A与点B靠得很近”等等词语中虽包含着数量，但这些数量是模糊的。
此外，因为任何一张图（精确的或模糊的）都在某种意义上可认为是表示一些对象之间的某种关系，所以在知识处理中也可以把它认为是一种数据。
由此可见在知识处理中数据的范围是很广的。
但是，不管什么样的数据，它只表示一种数量及关系概念，具体涵义是没有的。
信息定义为“数据所表示的涵义（或称数据的语义）”。
因此也可以说信息是对数据的解释，是加载在数据之上的涵义。
所以反过来可称“数据是信息的载体”。
如“5”在一种具体场合可以解释为“5个苹果”，而在另一种特定场合又可以解释成“5种思想”、“5个X”等。
对模糊的数据也一样，例如“20左右”这个模糊数，既可能代表年龄“20岁左右”，也可代表日期“20日前后”等。
可见信息是带具体涵义的数据。
知识以各种方式把一个或多个信息关联在一起的信息结构。
如果把“不与任何其他信息关联”也认为是一种特殊的关联方式（不关联），则单个的信息也可以认为是知识的特例，我们称之为“原子事实”。
例如“天很阴且闪电频繁”，“天要下雨”等都是一些孤立的信息或“原子事实”。
然而，如果把这两个信息用“如果，则”这种因果关系联系起来就成了一条知识：如果“天很阴且闪电频繁”则“天要下雨”（多半如此）。
以上陈述中的“频繁”、“多半如此”等都表示一些模糊概念。
智力指运用知识解决问题的能力。
知识可以存储在书本里，或计算机的磁盘和磁带中等，它是一种静止的死东西。
知识工程名词解释
知识工程名词解释
知识工程（Knowledge Engineering）是指一门研究如何结合人类知识和技能，使其可以被计算机中的程序来表示和利用的科学。
它更侧重于研究知识如何表示和维护，以及如何使用合理的方法集成知识和技能建模，以便更好地支持人类的决策和行为。
关键术语：
1. 知识工程：知识工程是一门研究如何结合人类知识和技能，使其可以被计算机中的程序来表示和利用的科学。
2. 知识表示：知识表示是用程序表示人类知识的一种方法。
它研究如何使用有限的语言来准确描述知识，这些语言可以被计算机处理。
3. 知识维护：知识维护指的是知识表示中的管理知识的过程：存储，维护和管理知识。
4. 集成：集成是将多个知识模型或技能模型组合在一起的过程，以便在实际应用中支持人类的决策和行为。
5. 模型：模型是一种抽象方法，用来表达、表示和分析人类知识和技能。
知识工程与表征学习
知识工程与表征学习一、什么是知识工程关于知识工程的定义，一直存在着争议。
比如布卢姆(Bloom，1986)将知识工程定义为对具体事物和普遍原理的回忆，对方法和过程的回忆，或者对一种模式、结构或框架的回忆。
还有--些研究者将知识工程定义为由信息构成的、储存于长时记忆中的表征(Howard，1995) 。
这类定义比较强调知识工程的结果，未能反映知识工程产生的来源，因而只是对知识工程的现象描述。
另外，西方许多心理学家倾向于把知识工程视作言语信息(Gagne，1985)，即用言语符号来标志某种事物或表述某些事实。
这种解释又使得知识工程的含义过于狭窄，也不能全面说明知识工程的本质。
一般而言，知识工程可以在两种意义上使用。
一是指人类知识工程，该类知识工程经常以书籍、计算机或其他载体来储存，构成人类所具有的信息总和。
二是个体知识工程，是某个体头脑中所具有的信息总和。
无论是人类知识工程还是个体知识工程，其实质都是通过主客体的相互作用产生的，是客观事物的特征与联系在人脑中的能动反映，是客观事物的主观表征。
对于这一定义，可以从知识工程的产生基础和表现形式两个方面来理解。
从知识工程的产生基础来看，它是在主客体的相互作用的基础上，通过人脑的反映活动产生的。
主客体的相互作用即反映活动的主体与作为反映对象的客体之间的相互作用。
如果没有被反映的对象，即没有事物的特征与联系的作用，则头脑中不会产生任何反映。
因此，知识工程来源于客观存在的事物，具有客观性。
从知识工程的表现形式来看，它是主客观相统一的产物，是一-种主观表征。
知识工程虽然是对客观事物的反映，具有客观性，但知识工程并不是客观事物本身，而是客观事物在人脑中的主观映象，因此它又具有主观性。
二、知识工程的表征学习一般认为，表征(representation) 包括内容和形式两个方面。
内容指表征所具有的实际信息，形式即表达内容的方式。
相同的内容可用不同的形式表示，如“中国的首都是北京”和“北京是中国的首都”表达的是相同的内容。
知识工程发展历程
知识工程发展历程全文共四篇示例，供读者参考第一篇示例：知识工程是一门涉及多领域知识的交叉学科，其诞生和发展伴随着信息技术的快速发展而逐渐壮大。
知识工程的发展历程可以追溯至上世纪60年代，随着人工智能的兴起，知识表示和知识推理成为学术界关注的焦点。
在上个世纪六十年代和七十年代，基于规则的专家系统是人工智能领域的热门话题，被视为知识工程的先锋。
专家系统通过将领域专家的知识转化为规则、推理引擎和知识库的方式来解决专业问题。
Dendral系统是第一个成功应用于有机物质分析领域的专家系统，为后来的知识工程研究奠定了基础。
随着信息技术的不断进步，推动了知识工程的进一步发展。
上个世纪八十年代，语义网络和本体论等知识表示模型被引入知识工程领域，为知识的组织、分享和推理提供了更为灵活和高效的手段。
特别是Tim Berners-Lee在1989年发明了万维网技术，为知识工程的应用和发展创造了更广阔的空间。
进入二十一世纪，知识工程领域迎来了新的挑战和机遇。
随着大数据和人工智能技术的突破，知识图谱等新型知识表示方法相继出现，为知识工程的发展带来了全新的可能性。
知识图谱是将实体、关系和属性进行语义建模，用于描述现实世界中的知识和信息，被广泛应用于搜索引擎、智能问答系统等领域。
知识图谱与语义网、本体论等传统知识表示模型也在知识工程领域得到了融合和发展。
本体论提供了一种形式上的、适合机器处理的方式来描述领域的概念、关系和属性，为知识工程的语义建模和联结提供了理论基础。
语义网技术则强调语义信息的表示、分享和应用，为知识工程的知识组织和推理提供了技术支持。
在知识工程领域，知识图谱的应用被广泛认可为知识管理系统的未来发展方向。
知识图谱将不同领域知识进行了语义化建模、统一表达和有效推理，提高了知识的利用效率和智能化程度。
利用知识图谱技术，企业可以更好地管理自身的知识资产，为决策提供更为准确和及时的支持。
知识工程的发展历程可以总结为从规则到语义的演进。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对“知识工程”概念的一些理解对于知识的研究与探索一直是人类追求的目标，几千年来的情况都是这样的：哲学家研究有关知识的一般特性与规律，而自然科学家孜孜不倦地猎取具体的知识。
20世纪中叶以后，这种研究格局发生了变化。
由于知识在人类文明中所起的作用越来越大，不仅是哲学家、逻辑学家和心理学家，而且计算机科学家也在认真地研究知识的一般特性与规律。
这是因为人类已经进入了信息化社会，而且正在向知识化社会前进。
人类对知识的掌握很大程度上体现为这些汪洋大海般的知识是能够通过计算机和计算机网络操作和使用的。
计算机科学家的任务是要研究处理各种复杂知识的理论与方法。
知识工程学是一门新兴的学科，至今只有约十年的历史。
知识工程学是从知识的本源上来探讨知识的产生和使用，进而建造有效的知识系统。
它的目的在于使人们有效地掌握、存取、传播和应用知识，提高认识自然和改造自然的能力。
知识工程学也有人称之为应用人工智能。
一、知识工程学的发展史1977年第五届国际人工智能联合会议上，美国斯坦福大学（Stanford University）计算机系教授费哥巴姆作了关于“人工智能的技艺”（The Art of Artificial Intelligence）的讲演，提出“知识工程”这一名称，由此出现了知识工程学，并在近年来获得迅速的发展。
知识工程学的发展从时间上划分大体上经历3个时期：1. 大约从1965至1974年MYCIN时期。
人工智能（AI）的研究表明，专家之所以成为专家，主要在于他们拥有大量的专门知识，特别是长时期地从实践中总结和积累的经验技能知识。
因此1965年费哥巴姆教授与其它科学家合作，研制出DENDRAL专家系统。
这是一种推断分子结构的计算机程序，该系统贮存有非常丰富的化学知识，它所解决问题的能力达到专家水平，甚至在某些方面超过同行化专家的能力，其中包括它的设计者。
DENDRAL系统标志着“专家系统”的诞生。
2. 从1975至1980年为实验性系统时期。
70年代中期MYCIN专家系统研制成功，这是一种用医学诊断与治疗感染性疾病计算机程序的“专家系统”。
MYCIN专家系统是规范性计算机专家系统的代表，许多其它专家系统都是在MYCIN专家系统的基础上研制而成的。
MYCIN 系统不但具有较高的性能，而且具有解释功能和知识获取功能，可以用英语与用户对话，回答用户担出的问题，还可以在专家指导下学习医疗知识，该系统还使用了知识库的概念和不精确推理技术。
MYCIN系统对计算机专家系统的理论和实践，都有较大的贡献。
3．1980年以来为知识工程的“产品”在产业部门开始应用的时期。
知识工程的研究，目前在美国开展得较为活跃和深入，并且主要集中在斯坦福大学。
知识工程学的研究涉及有关知识的概念。
所谓知识是指人类在改造现实世界的实践中所获得的认识和经验的总和。
知识有各种类型，知识工程中所讲议化的主要是关于实践活动中积累起来的带有经验启发性的知识二、知识工程的基本概念1. 数据。
定义为客观事物的属性、数量、位置及其相互关系等的抽象表示。
而且要特别强调这些属性、数量、位置及其相互关系等都可能是模糊的。
如“20岁左右”、“大约20”、“很年轻”、“不太高”、“点A与点B靠得很近”等等词语中虽包含着数量，但这些数量是模糊的。
此外，因为任何一张图（精确的或模糊的）都在某种意义上可认为是表示一些对象之间的某种关系，所以在知识处理中也可以把它认为是一种数据。
由此可见在知识处理中数据的范围是很广的。
但是，不管什么样的数据，它只表示一种数量及关系概念，具体涵义是没有的。
2. 信息。
定义为“数据所表示的涵义（或称数据的语义）”。
因此也可以说信息是对数据的解释，是加载在数据之上的涵义。
所以反过来可称“数据是信息的载体”。
如“5”在一种具体场合可以解释为“5个苹果”，而在另一种特定场合又可以解释成“5种思想”、“5个X”等。
对模糊的数据也一样，例如“20左右”这个模糊数，既可能代表年龄“20岁左右”，也可代表日期“20日前后”等。
可见信息是带具体涵义的数据。
3. 知识。
以各种方式把一个或多个信息关联在一起的信息结构。
如果把“不与任何其他信息关联”也认为是一种特殊的关联方式（不关联），则单个的信息也可以认为是知识的特例，我们称之为“原子事实”。
例如“天很阴且闪电频繁”，“天要下雨”等都是一些孤立的信息或“原子事实”。
然而，如果把这两个信息用“如果，则”这种因果关系联系起来就成了一条知识：如果“天很阴且闪电频繁”则“天要下雨”（多半如此）。
以上陈述中的“频繁”、“多半如此”等都表示一些模糊概念。
4. 智力。
指运用知识解决问题的能力。
知识可以存储在书本里，或计算机的磁盘和磁带中等，它是一种静止的死东西。
它本身并不会再生知识。
然而智力却是一种动态概念。
“智力”与“知识”有着密切的关系，但“知识”与“运用知识的能力”是两个不同的概念。
5. 智能。
指知识的集合与智力的综合（或总和），是静态的知识和动态的智力综合所体现的一种能力。
6. 知识库和知识处理器。
知识库是指经过分类组织存放在计算机中的“知识的一个集合”。
知识处理器（俗称推理机）是指智力在计算机上的一种具体实现机制。
一般专家系统中都具有一个存放知识的知识库和一个运用知识的推理机，因此按这种定义就可认为专家系统是一个具有某种智能的系统。
三、知识工程学的研究内容其研究内容主要包括知识的获取、知识的表示以及知识的运用和处理等三大方面。
1、知识的获取。
在建立一个具体的专家系统时，人们往往要花很多人力和财力在知识获取上，它被公认为是知识处理的一个“瓶颈”。
知识获取要研究的主要问题包括：对专家或书本知识的理解、认识、选择、抽取、汇集、分类和组织的方法；从已有的知识和实例中产生新知识，包括从外界学习新知识的机理和方法；检查或保持已获取知识集合的一致性（或无矛盾性）和完全性约束的方法；尽量保证已获取的知识集合无冗余的方法。
知识获取分主动式或被动式两大类。
主动式知识获取是知识处理系统根据领域专家给出的数据与资料利用诸如归纳程序之类软件工具直接自动获取或产生知识，并装入知识库中。
所以也称知识的直接获取。
而被动式知识获取往往是间接通过一个中介人（知识工程师或用户）并采用知识编辑器之类的工具，把知识传授给知识处理系统，所以亦称知识的间接获取。
按知识处理系统获取知识的工作方式，可以分成交互式和自主式（或非交互式）两种。
交互式知识获取在获取过程中要不断与人进行交互，或提供解释，或要求输入信息，或提问求答，或请求验证等等。
交互式的知识获取，对用户或知识工程师有较大的透明度和控制能力，比较适合于从专家大脑中获取知识。
自主式知识获取则在获取过程中完全由知识处理系统自主完成，例如输入的是一段讲话，一本书或资料，输出的便是从中抽取出来的知识。
这里即便不考虑诸如语声识别，文字识别，自然语言理解和认知科学等方面的许多难题，解决起来仍是十分困难的。
按知识获取的策略或机理，可分为：死记硬背式（或称机械照搬式）获取；条件反射式知识获取；教学式（或传授式）知识获取；演绎式知识获取；归纳式知识获取；解释式知识获取；猜想证实式知识获取；反馈修正式知识获取；类比和联想式知识获取；外延式知识获取等。
2、知识的表示。
要将知识告诉计算机或在其间进行传递，必须将知识以某种形式逻辑地表示出来，并最终编码到计算机中去，这就是所谓的知识的表示问题。
不同的知识需要用不同的形式和方法来表示。
它既应能表示事物间结构关系的静态知识，又应能表示如何对事物进行各种处理的动态知识；它既要能表示各种各样的客观存在着事实，又要能表示各种客观规律和处理规则；它既要能表示各种精确的、确定的和完全的知识，还应能表示更加复杂的、模糊的、不确定的和不完全的知识。
因此一个问题能否有合适的知识表示方法往往成为知识处理（解题）成败的关键。
而且知识表示的好坏对知识处理的效率和应用范围影响很大，对知识获取和学习机制的研究也有直接的影响。
知识表示的方法很多，例如，谓词逻辑表示，关系表示（或称特性表表示），框架表示，产生式表示，规则表示，语义网表示，与或图表示，过程表示，Petri网表示，H网表示，面向对象表示，以及包含以上多种方法的混合或集成表示等。
这些表示方法各适用于表示各种不同的知识，从而被用于各种应用领域。
对于“知识面”很窄的专家系统一类的应用，往往可以根据领域知识的特点，从中选择一种或若干种表示方法就可以解决问题。
但是为了开发具有较宽领域知识的系统，例如多专家系统的聚合系统（或称协同式专家系统）和分布式多功能知识处理系统等，仅用互不相干的知识表示方法便难以适应要求。
3、知识的运用和处理。
为了让已有的知识产生各种效益（包括社会、经济、政治、军事和科学等方面的效益），使它对外部世界产生影响和作用，必须研究如何运用知识的问题。
运用知识来设计机器、建造水坝、推断未来、探索未知、管理社会，乃至运用知识来作曲、绘画或写文章等都是用知识来解决问题和改造世界的活动。
显然，知识处理学不能研究这些具体运用知识的过程或方法，而是要研究在上述各种具体的知识运用中都可能用到的一些方法（或模式）。
它们主要包括推理、搜索、知识的管理及维护、匹配和识别。
推理指各种推理的方法与模式的研究。
研究前提与结论之间的各种逻辑关系及真度或置信度的传递规则等。
搜索指各种搜索方式与方法的研究。
研究如何从一个浩翰的对象（包括知识本身）空间中搜索（或探索）满足给定条件或要求的特定对象。
知识的管理及维护包括对知识库的各种操作（如检索、增加、修改或删除），以保证知识库中知识的一致性和完整性约束等的方法和技术。
匹配和识别指在数据库或其他对象集合中，找出一个或多个与给定“模板”匹配的数据或对象的各种原理和方法，以及在仅有不完全的信息或知识的环境下，识别各种对象的原理与方法。
知识工程的研究虽然已经取得许多重要的成果，但也存在着一些重大问题尚待解决，如对于千差万别的客观事物特别是对于人类的智能行为，是难于用简单的一种甚至几种表示方法来完全描述的。
又如，尽管计算机在许多功能上大大超过人类（像运算速度，存贮量、功能行为的一致性等等），但在知识的一些方面又是相当的无知。
此外，像如何从专家那里获取知识，如何适应电子计算机的特性而进行的重新组织知识的工作等，都存在一些困难。
目前知识工程学还处在不断发展和完善阶段，它的一些内容也在不断探索之中，如何借助计算机使机器具有人的记忆、思维和判断能力，如何提高机器的智能，如何用知识工程学的概念、理论和方法来设计控制系统等等都在研究和发展当中。
新一代计算机的研制，也将促进知识工程学的更快发展。
06电信4班郑俊隆200630580434。