知识推理和应用，其用户视图主要表现为企业生产运作、管理决策过程中的各种决策模型（如市场预测模型、库存控制模型、厂址选择模型等符号型知识与早期专家系统（⑶] 的主体知识形态相合，多以产生式、框架和语义网络等形式表示，以符号推理作为求解机制，其用户视图主要表现为组织内的各种规章制度、操作流程、业务规范、法律法规等；样本型知识是对组织在实际运作过程中所积累的大量样本数据和实施案例的整理与抽象描述，朱明又将其分为两种：一种是当实践经验积累到一定程度后形成质的飞跃而产生的案例（ ）;另一种是汇总整理成的大量具有“输人-输出”关系的样本数据，知识则蕴于其中。朱明博士用学习算法来解决样本知识推理，并将其用于金融决策和对企业贷款信用评价当中。

「――――⑶《―――:；411 ： ；

1.―样夯聖知识—；！： 符号聖闻坍.：势鼻聖却18.丨

图4-31肖人彬和朱明的知识谱线

上述知识谱线结构将案例归于样本型知识有失妥当，原因不仅在于案例型知识的结构化程度与简单的样本数据大相径庭，也在于两者间的表示方法和推理机制亦存有明显差异。案例型知识表示方法如前所述，具有较高的结构化程度；其推理机制是基于相似类比的推理，并通过088系统来实现。因此，在知识谱线中应该将案例型知识独立出来，并至于知识谱线的高结构化端。此外，知识以数据和信息为载体，在电子政务实施的初级阶段，政府组织内大量的政务知识以文档形式存在，并且短时间内难以进一步结构化。因此，需要将文档型知识纳人知识谱线，因其较低的结构化程度而将其置于知识谱线的低端。如此，比较完备的政务知识谱线结构如图4-32所示。

I    I

图4-32政务知识谱线

政务知识谱线从知识结构化维度上覆盖了电子政务系统组织知识疆界内的所有编码知识。各类编码化政务知识的物理存储结构需要与其表示方法相匹配。通过“政务知识表示” 一节我们知道，不同结构化程度知识的表示方法存在差异，致使其相应的存储策略与物理结构亦有不同，主要表现为所对应知识子库的类型特征差异。在电子政务知识存储子系统中，文档型知识、样本型知识、符号型知