現有知識分類方法的問題

Taxonomy

Taxonomy 是 最 廣 為 引 用 的 樹 狀 分 類 法 ， 但 從 知識 搜 尋 的 觀 點 來 看 ， Taxonomy 下的知識缺乏關係與連結，也沒辦法進行知識的分析。由於樹狀分類 過於簡單，因此也沒辦法依使用者需求給予適當的知識。雖然有非常多的知識庫 都採用Taxonomy 來做分類，但彼此之間由於缺乏共通的分類準則，因此沒有辦 法進行跨知識庫的整合。此外，Taxonomy 的層狀架構使其分類上缺乏彈性，因 為知識並非只有單一面向，而Taxonomy 卻只能依特定方向進行分類。由於只能 單純的分類，故當知識量累積愈來愈多時，同類型知識也將非常可觀，使用者沒

辦法從中快速挑選合適的知識，只能逐一閱讀，非常沒有效率。

運用在軟體知識上較有名的 Taxonomy 分類法如 ACM 分類系統（ACM computing classification system）及網路上許多搜尋引擎所使用的的 Open directory project 等，其架構都是以四層為主，但軟體知識各項領域的發展都日新月異，對 於各領域的探討都愈來愈深，粗略的分類將使特定類別下的知識太過龐雜，不能 真正達到知識分類的優點，例如近年來急速發展的 Internet，若要細分的話可能 會出現下列的類別：Internet → WWW → Web Programming → Scripting Language

→ ASP → Database Connection，光是這些就需要六層的分類才真正能夠將知識恰 當地分類，因此現行的知識分類架構確有其不足之處。

Faceted Classification

Faceted Classification 讓知識分類具備更高的彈性及自由度，不必侷限於固 定的分類架構，但仍有其問題。在知識的關係與連結上，Faceted Classification 所建立的關係僅是「同類型的知識」，實際上使用者閱讀特定知識後有時會需要 更基本或更進階的知識，甚或其他不同相關的知識，這些 Faceted Classification 都沒辦法處理；此外，Faceted Classification 的方式相當不直觀，一般人還是希 望籍由幾個關鍵字就找到他所需的知識，而非在複雜的Facet 結構中找尋；在知 識庫的整合上，雖然有XFML (the eXchangable Faceted Metadata Language)可做 為交換的標準，但由於不同知識庫所採用的Facet 不同，因此知識交換上仍然非 常困難。此外，當知識的量累積愈來愈多時，Faceted Classification 也會愈來愈 複雜，這樣使用者在找尋知識便更加困難，故Faceted Classification 用在增長快 速的軟體知識上也不夠有效率。

Case-based Reasoning

Case-based Reasoning（以下簡稱 CBR）是利用過往的經驗來解決新的問題，

因此必須建構複雜的模型，儲存各種不同的學習結果（lesson-learned），用來做

為之後處理問題的解答。故CBR 必須將知識進行仔細的切割，以符合其模型。

例如論文、書籍中的知識都必須充份了解後再將其中知識一一分成案例（Case）

及解答（Solution），因此在知識處理過程非常困難且耗時，完全沒有辦法自動化，

這對於增長快速的軟體知識相當不合適；此外，由於CBR 建構了嚴謹的知識表 示方法，故只能運用在特定的領域解決特定的問題，例如處方、餐廳菜單、病情 診斷等，不適合用在領域既廣且深的軟體知識庫中。由於各個CBR 採用的基本 模型都不盡相同，因此知識庫之間並沒辦法整合及合作，這對軟體知識亦不合適。

Ontology

Ontology 運用在知識管理上，主要目的是將領域知識以完整定義的 Ontology Model 來描述，改善傳統關鍵字搜尋的效率問題。然而透過 Ontology 描述的知 識彼此之間缺乏關聯性，雖然透過 Ontology 描述後的知識較易搜尋，但卻沒辦 法讓使用者自由取得相關的知識。此外，不同領域的知識其特性並不相同，因此 用以描述的Ontology 必然無法通用，而對每個領域都要發展其 Ontology 也非常 耗時耗力，這對領域廣泛的軟體知識而言尤其不合適；其次，Ontology 雖然能提 供知識意義的描述，但其實對相關領域不熟的使用者而言，他對知識的概念不 足，因此在使用上反而覺得不便。誠如上述，使用者運用知識庫可概分為三類，

故對不同需求的使用者提供不同的搜尋才能真正對其產生幫助。

前了上述分類法各自的問題外，軟體知識管理一直都無法做到「知識處理自 動化」及「跨知識庫整合」的要求，知識處理若能自動化，將能夠提昇軟體知識 管理的效率。而知識庫之間的整合，將使知識庫的知識量大幅提昇，也能大幅縮 短使用者在各個知識庫之間找尋知識所耗費的時間。

由上可知，目前的知識管理搜尋與分類方法都有其不足之處，當知識累積數 量增多時，知識庫的效率及正確性便會降低，浪費使用者寶貴的時間。因此我們 需要更有效率的知識分類方法來改善此問題。