语义建模与数据

第 11 章 糟糕的战略和组织

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

战略 101》关乎选择：你不可能面面俱到。

迈克尔-波特

每次将军上战场，他们都会先制定一个如何击败对手的战略，并将这一战略传达给自己的部队。 如果没有战略，他们就会被打败。如果这个战略不适合战斗环境（地形、天气等）和对手的优缺点，他们也会被打败。如果部队的组成和组织无法支持战略，他们也将再次失败。

那么，语义数据建模项目和计划或多或少也是如此。无论我们对语义建模框架、知识挖掘方法和技术或其他相关方面有多么了解和精通，如果没有正确的战略和组织，项目很可能会失败。

有鉴于此，在本章中，我们将介绍在设计语义建模项目和计划时常见的一些与战略和组织相关的陷阱，并讨论一些避免这些陷阱的可行方法。

糟糕的战略

在考虑和规划语义建模计划时，要避免两个与战略相关的主要陷阱。 第一种是在计划中不包含任何战略和组织方面的内容，而仅仅关注技术和程序问题。第二种情况是包含这些方面，但所制定的战略却与执行环境不符。

在我的职业生涯中，我起草过几份这样的计划和提案，但不幸的是，这些计划和提案都被我提交给的组织机构所接受。我之所以说 "不幸"，是因为大多数计划都被证明不足以有效处理现实世界中语义建模项目的所有非技术性细微差别和复杂性。

语义模型战略是什么？

语义模型战略主要涉及三件事：模型的目标、实现这些目标的高级方法以及执行这种方法的决策机制。

战略目标是提出以下问题的结果：

• 我们为什么要制作模型？

• 我们希望为哪些产品或流程提供动力/增强其功能？

• 谁将使用它，用于什么目的？

• 我们期望模型的用户从中获得什么价值？

• 如果我们不建立模型会怎样？

如果对这些问题没有足够具体的答案，就很难具体说明和开发实际需要的模型，也很难预见将面临的挑战和困难。例如，如果您的目标是开发一个本体，使其成为某个行业事实上的语义数据互操作性标准，那么您需要遵循的方法就与您的模型目标是提高产品推荐引擎的精确度和召回率时所需要的方法截然不同。

我再三强调的是，目标必须尽可能具体。最糟糕的目标就是那些使用拗口词汇和过多通用术语的目标。举例来说，告诉我你需要一个本体，以便让你的搜索引擎成为语义型搜索引擎，而不是基于关键词的搜索引擎，这是毫无意义的。相反，告诉我你需要一个本体来提高搜索引擎在特定子域或特定用户类别中的精确度，则要好得多。

战略目标也不应该是你打算采用什么方法来开发模型。比如，告诉我你的目标是利用 Deep Learning 开发知识图谱，这并不能传达任何有用的信息，即谁需要这个模型以及为什么需要。选择信任并投资于 Deep Learning，将其作为构建知识图谱的主要方法，这的确可以成为一项战略决策（也是竞争优势的来源），但它本身不应该成为一个目标。

语义模型战略的第二点是实现模型目标的高层次方法。我所说的 "高层次 "是指，这种方法并不需要详尽无遗地列出模型要求，并附有包含具体行动和方法的详细计划，而是一种总体理念、一套原则，以及作为模型开发基础的战略方向和优先事项。

举个例子，让我们把两个现有的语义模型并列起来，即 ESCO 分类（我们在前面的章节中已经看到过）和 Diffbot 知识图谱[204]。

如果我们仔细观察一下 ESCO，就可以发现其创建者至少做出了三项战略选择。首先，他们决定使用开放标准（即 RDF(S) 和 SKOS）来表示和访问模型。其次，他们只使用领域专家作为知识来源。第三，他们决定不经常发布新模型。 ...