股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

【本体洞见】本体该从哪建起:公理与规则是第一公民

作者:王仕亿 博士(普元信息)
关键词:本体构建|公理与规则|能力问题|最小本体|自动化构建|数据治理

编者按

「本体洞见」关注本体在企业 AI 落地中的真实作用。本篇回到构建的起点:面对庞大的企业级知识,本体究竟该从哪里建起,为什么公理与规则要先于数据表被写下来。文章先厘清本体与提示词、数据库模型、知识图谱的区别,再检视一般性方法在企业级场景中的边界,以及自动化构建能覆盖到哪一层。落到可执行处,给出的顺序是:从具体业务问题出发定义最小本体,以能力问题验收,让模型产出草稿、由熟悉业务的人把关。

在系列之前的文章《【本体洞见】企业治理的每一份数据资产,都是本体的一块砖》中提到,本体不是推倒重来,而是让既有的数据资产找到它的最终形态。

本体这一概念被提及得越频繁,真正动手构建过的人反而越少。面对庞大的企业级知识,任何程度的梳理往往都会让人感到无从下手;在构建过程中,本体的价值又会被反复与知识图谱、知识库等概念比较,它对智能体的输出究竟影响几何,也少有人能说清。

本文试图厘清三个问题:本体构建的对象究竟是什么;既有的构建方法能覆盖到哪里、又在哪里失灵;以及以 AI 大模型自动构建本体,究竟能在多大程度上替代人工。第三个问题尤为值得讨论,因为许多企业数据团队正面临一个关键抉择——一个强大的知识底座,在 AI 落地中存在着短期投入与长期价值的错配矛盾。

三个被混为一谈的概念

在讨论"如何构建"之前,须先明确"构建的是什么"。以下三个概念常被混用:

本体并非提示词。 这是大模型时代出现的新混淆。有一种观点认为,撰写一段足够详尽的提示词,令模型据此理解业务,即等同于本体。实则不然。提示词本身不构成一套独立、可维护、可校验的业务模型,它的有效性很大程度依赖模型的"自觉",而目前的大模型普遍具有注意力分散的倾向,今日正确,明日未必。本体的价值恰在于其确定性:它可被程序读取、被规则校验,不依赖模型的随机表现。

本体并非数据库模型。 数据库的 ER 图解决的是数据如何存储与查询,表间以外部键关联,它本身不负责表达业务含义,也不承担语义推理。本体解决的是领域知识如何被理解,其类、属性与公理的作用,是使机器能够推理出隐含结论。简言之,数据库负责数据存放,本体负责业务知识逻辑,二者须协同,不可相互替代。

本体不等同知识图谱。 知识图谱中的实例数据记录"实际发生了什么",例如某架飞机在某个日期记录了一条质量缺陷,这属于实例断言;而本体定义领域该如何理解,例如缺陷应如何分级、如何关联到返工与交付延误、如何处理与关闭。如果把知识图谱比作建筑,本体就是建筑的设计图纸。没有图纸,建筑也能搭起来,但后续扩展、合规校验、语义推理时很容易难以为继。

这一区分已有相应的标准参考。2026 年发布的 GB/T 48000.3-2026《标准数字化 第3部分:本体建模要求》,在标准数字化场景下提出了本体建模的相关要求,其中涉及实体类型、属性、公理等内容。需要说明的是,该标准的适用范围是标准数字化,不宜直接推广为所有企业本体的通用规定;但它至少说明,"本体不只是数据表"这一点,已经在标准化工作中被正视。

公理与规则的关系尤为关键,也最容易被混为一谈。我们的做法是把二者分开处理:公理侧重表达稳定、不随条件变化而调整的约束,例如"一张工单有且仅有一个责任主体""处置动作必须先于归档动作发生";规则侧重表达随条件变化的具体判断,例如"当缺陷等级为紧急、且影响设备数超过阈值时,自动升级为一级工单"。

需要说明,这只是一种工程上的分层习惯,并非概念上的严格等级——在 OWL 等本体语言里,公理本身涵盖类断言、属性断言、基数限制等多种逻辑陈述。之所以这样分,是因为落地时要回答两个不同问题:哪些约束该固定下来、由谁维护,哪些判断该留出调整空间。

小结

本体的价值恰在于其确定性:它可被程序读取、被规则校验,不依赖模型的随机表现。

本体构建的第一公民

讨论方法之前,有必要先澄清一个方向性的分歧:本体的构建,究竟应当从数据出发,还是从业务出发。这一问题决定了后续所有方法是否有效。

这里需要先划清一个边界。本文讨论的是本体的构建起点,不涉及数据治理本身的价值。在以数据消费为目标的应用里,AI 问数是最典型的一类——口径统一、标识对齐、质量校验这些治理工作不但不可省,而且必须先行;没有这一层,模型给出的数字再流畅也不可信。本系列上一篇谈"每一份数据资产都是本体的一块砖",说的正是治理成果如何被复用,而不是绕开治理。

真正的问题不在数据治理该不该做,而在把它放在什么位置。若把"先完成数据治理"设为本体开工的前提,往往会卡在两个地方。相当一部分团队选择从数据层切入——盘点现有数据库、梳理系统清单,再据此抽象本体,问题正出在这里。

其一是数据孤岛与系统打通。企业的数据分散在多个相互独立的系统中,客户数据在 CRM,订单数据在 ERP,设备数据在 IoT 平台,彼此口径不一、难以对齐。试图先"打通数据"再建本体,往往在打通这一步就陷入旷日持久的拉锯。这里的问题不是打通数据本身,而是把一项需要持续进行、没有终点的工程设成了开工条件——治理要一直做,本体却不能一直等。

其二是梳理方式的先天缺陷。传统自上而下的梳理,本质是用树形结构或金字塔结构给数据分类分级。这种结构看似清晰,却遗漏了两件更关键的事:数据层级之间的横向关联,以及不同分支之间数据口径的对齐。树形结构擅长表达"上下归属",却天然不擅长表达"横向联系"——"客户"与"设备"分别挂在两个分支之下,它们之间"这台设备由这位客户使用"的关系,在树里无处安放。而口径的对齐更难:同样一个"收入",财务口径、销售口径、运营口径各不相同,树形分类无法强制它们统一。这恰恰是数据治理要解决的问题。也就是说,第二重障碍同样不在治理,而在用"分类分级"去承担它承担不了的语义表达:若只把治理产出的表与字段原样搬成本体的类与属性,得到的仍是一份数据字典,而不是能回答业务问题的本体。

本体的正确起点,是先抛开数据,从业务角度设计一个最小本体,去解决一个具体的业务问题。 所谓"抛开数据",并非否定治理,而是暂缓把"盘点并对齐全部数据"设为前置关卡。先回答一个问题:我要解决的业务问题是什么?围绕这个问题,定义一个足以支撑它的最小本体——它只需包含回答该问题所必需的少数几个概念、几组关系、几条规则,多一个都不要。而这样定义出来的业务对象与口径,反过来也是数据治理对齐时的依据。数据治理解决的是数据可用、口径一致,本体解决的是业务逻辑能否被机器读取并据此推理;两件事互为输入,并不互相替代。

举个示意性的例子。要解决的业务问题是"设备缺陷从发现到关闭的全过程可追溯"。围绕它,最小本体只需要几样东西:设备、缺陷、处置动作、责任主体这么几类对象;缺陷挂在哪台设备上、由哪个动作处置,这两组关联;以及两条关键判断——不同缺陷等级对应多长的处置时限,什么条件下必须升级。至于企业里还有多少张表、多少套系统,这一步先不展开。等这个小本体确实能回答这个业务问题了,再把 CRM、ERP、工单系统里的数据按需挂接进来。这个顺序,比"先把所有数据盘一遍"要快,也不容易在中途卡死。

但"从业务出发"若仅停留在这一步,仍不够彻底。它的真正含义,需要一个更明确、也更尖锐的表述。

业务先行的本质,在于基于业务逻辑——也就是本体中的公理与规则。二者在本体构建中拥有一等公民的身份,共同支撑起本体的业务逻辑。 本体中的一切要素,最终都要由公理与规则来支撑:一个对象,若没有公理说明它在何种条件下成立、失效,它只是一个空洞的标签;一个属性,若没有规则约束它的取值范围与语义边界,它只是一串无人认领的字段;一个动作,若没有公理规定它在什么流程位置、什么前提条件下被触发,它只是一条永远不会执行的死指令;一段关联,若没有规则解释两个对象为何相关,它只是一条没有含义的连线。

公理与规则的分工在于:公理负责"结构",确立对象、动作与流程之间稳定不变的骨架关系;规则负责"判断",在公理搭好的骨架之上,回答"在特定条件下应当如何动作"。反过来说,初期阶段,优先纳入那些能对应到具体业务问题、有明确用途和验收要求的对象、属性、动作与关联;暂时说不清用途的,可以先标记为待定,不必一开始就全部建进来。

顺着这个视角重新审视,本体的丰富程度,从来不由数据的多寡决定,而取决于它真正找出了多少服务于业务逻辑的数据。一个只抓住几条关键数据、却把它们之间的业务逻辑表达得清清楚楚的最小本体,远比一个塞满了无关数据的庞大模型更有力量。

这也解释了本体应当如何反过来作用于数据:本体工具负责归集和链接现有数据,把散落在各系统中的数据,按照本体定义的业务逻辑挂接进来。它刻画数据之间关联的方式,也不再停留在数据库外键那样的引用关系上——外键主要解决"指向谁",业务上的关联往往还要说明"为什么相关、在什么条件下成立",后者需要以公理与规则承载——公理界定流程与操作的结构关系,规则、函数、动作描述数据之间如何相互作用。承载这些相互作用的对象,正是公理与规则。

在技术实现上,不宜将所有决策逻辑统一采用一种方法处理。确定性较强的业务条件可以由规则引擎处理;关系推导和一致性分析可以采用逻辑推理或图计算;趋势预测、风险评分等问题可以使用统计或机器学习模型;对于需要理解复杂自然语言和进行综合判断的问题,则可以结合大模型。不同机制可以围绕统一业务对象协同使用。

小结

本体的丰富程度,从来不由数据的多寡决定,而取决于它真正找出了多少服务于业务逻辑的数据。

一般性方法的边界

前两章确立了一个前提:本体须从业务出发,以公理与规则为一等公民。落到可执行层面,本体工程界已有若干成熟方法,各有适用。骨架法最为轻量,适合小团队在一至两周内完成概念验证;METHONTOLOGY 把本体当作软件工程来管理,最为繁重,适合数十人规模的企业级知识中台;七步法居于其间,出自斯坦福大学 KSL 实验室 Noy 与 McGuinness 的《Ontology Development 101》,步骤清晰、资料最丰富,也最常被引用。

七步法的步骤是:确定领域与范围并撰写能力问题,评估复用既有本体,枚举重要术语,定义类与层级,定义属性,定义公理与规则,最后创建实例、运行推理机验证并回退迭代。这里值得单独拎出的是第一步的能力问题(Competency Questions),即本体未来必须能够回答的问题集合。它迫使构建者在动手之前把"这个本体要支撑哪些决策"写清楚;凡无法对应到任何一条能力问题的概念、属性或规则,一开始就该排除。这既是"业务先行"的落地入口,也是后文反复要用到的验收标准。其余各步的具体做法,公开资料已相当完备,本文不再逐一展开。

这几套方法有一个共同前提:由领域专家在边界清晰、规模可控的范围内,逐条人工定义概念、关系与约束,再以实例验证、回退迭代。对单一领域的中小型本体,这套做法成熟可靠,公理与规则也正是在这一过程中由人写进模型的。

问题出在把它们搬进企业级场景。其一是规模:待梳理的不是几百个术语,而是散落在各业务系统的数据表、文档、工单与制度条文里的对象与关系,靠专家穷举既慢,也必然遗漏。其二是载体:承载业务逻辑的公理与规则,多数并不现成地装在专家脑中,而是散落在流程说明、制度条文与系统代码的条件判断里,把它们逐条提炼出来的成本,往往高于建模本身。其三是演进:业务规则会随组织调整和制度变化持续改动,而人工逐条定义、逐次回退的迭代节奏跟不上这种变化。

也正因如此,本体构建绕不开自动化:需要借助工具与模型,从企业既有的数据资产里批量抽取候选的实体、关系与三元组,把人力从逐条搬运释放到判断与取舍。这里恰好接回上一章划定的边界——数据治理沉淀下来的结构化数据、统一口径与文档资产,不是被绕过的对象,而是自动化抽取最直接的原料;治理做得越扎实,机器产出的草稿就越可用。

接下来的问题是:自动化该从哪几类数据源切入、各条路径能覆盖到本体的哪一层、又有哪些环节始终不能交给机器。下一章的三个实践方向,由此展开。

小结

治理做得越扎实,机器产出的草稿就越可用。

本体的自动化构建:多源融合而非单一抽取

前述方法在边界清晰的单一领域内行之有效,企业级落地面对的却是另一套条件。对实际企业而言,本体工作往往是对现有数据治理工作的升级。传统企业数据治理存在两类典型视角:一类是以业务实体为核心的面向对象视角,典型代表是领域模型;另一类是以业务流转为核心的面向流程视角。本体视角则以业务逻辑作为底层支撑——在前两类传统视角下,治理方案中虽会零散定义部分业务规则,但不存在承载完整企业业务逻辑的载体。若要支撑大模型基于本体开展自动推理,就需要从原有业务体系中系统性提炼、显性化业务逻辑。

这一过程可通过一个综合性的方法框架落地:构建一个中心"本体簇",承担异构多源知识的对齐与一致性推理;三个方向各自生成局部本体实例,最终汇入中心并持续修正。

方向一:工具辅助的主动构建。 这一方向以人为核心、以工具为支撑,属于"人主动定义、机器辅助实现"的路径。它由三类能力构成:其一,本体设计器,提供概念建模的可视化能力,让业务专家直接声明"有哪些对象、对象之间如何关联",而不必写代码——这一步承接了一般性方法中"枚举术语、定义类与层级"的手工环节;其二,规则引擎编辑器,以 SWRL 等语义规则语言把业务逻辑写成机器可执行的"如果—那么"断言,使公理与规则真正落到可推理的层面;其三,机器学习模型库,内置 NLU(自然语言理解)、GNN(图神经网络)、异常检测等模型,在后续自动化路径中提供抽取与校验的算法底座。三者的分工,恰对应前文"公理搭骨架、规则做判断、数据被归集"的层次:设计器负责骨架、规则编辑器负责判断、模型库负责归集。

方向二:结构化数据的深度挖掘与映射。 这一方向面向企业已有的结构化数据资产,是"让既有数据找到最终形态"最直接的落点。其流程为:多源结构化数据源分析 → 数据库元数据提取 → 概念层级识别 → 关系模式发现 → Schema 生成 → 本体对齐修正。这套"逆向工程—再工程"的做法并非凭空而来,而是本体工程界已有一致共识的方法:马德里理工大学本体工程组(OEG)提出的 NeOn 方法论专门设立了"场景 2",处理"复用并再工程非本体资源(NOR)"——把关系数据库、XML Schema、电子表格等结构化资源,通过明确的转换规则逆向出概念模型,再生成目标本体。这一方向的关键在于一个容易踩空的点:结构化数据的模式(外键、约束)必须被显式识别为本体中的关系与公理,而不是被简单平移为字段。外键对应的是对象属性(谁关联谁),约束对应的是公理(什么在什么条件下成立),若只做"表平移成类、字段平移成属性",得到的仍是一份数据库的镜像,而非能回答业务问题的本体。

方向三:非结构化与半结构化数据的智能理解。 这一方向面向文档、图表等多模态内容,是近年大模型介入最深的路径,流程为文档标签化与业务逻辑提取 → OCR 与图表理解 → 实体识别与消歧 → 三元组生成 → 知识融合。它背后是本体学习(Ontology Learning)这条成熟的研究脉络。Buitelaar、Cimiano 与 Magnini 在 2005 年提出的"层次蛋糕"模型,把"从文本学到本体"拆成自底向上的七层——术语抽取、同义词、概念、概念层级、关系、关系层级,直至最顶层的公理模式与通用公理,下层输出作为上层输入。大模型的出现,实质是用更强的语义理解能力替代了蛋糕中间层的实现(术语抽取、概念层级、关系抽取),使"从文档直达本体草稿"成为可能;但最顶层的公理,仍是公认最难、最不成熟的一环。这也再次印证了前文的判断:自动化能高效地产出中间的实体、关系与三元组,却难以可靠地产出承载业务逻辑的公理与规则——而后者恰是本体真正值钱的部分。

三个方向并非彼此孤立。工具辅助路径定义的结构,为另两条路径提供目标 schema;结构化路径识别出的关系模式,反哺工具辅助路径的规则定义;非结构化路径抽取的新概念,则触发本体的增量更新。这一"多源汇流"的意义,在于弥补单一路径的固有缺陷:仅依赖文本,会受限于"原文未表达的关系无法发现";仅依赖结构化数据,则漏掉文档中尚未沉淀为字段的知识;纯人工路径又受制于成本与效率。

但须强调,无论哪条路径,最终都要回到前文的标准——服务于业务逻辑的公理与规则。自动化从数据中抽取的实体、关系与三元组,只有能被公理所支撑、被规则所驱动,才真正进入本体;否则,它们只是被搬进图里的数据,而非被业务逻辑所承载的知识。

自动化能做什么,不能做什么。

回到开篇的问题:大模型驱动的自动化本体构建,究竟替代了什么?它能完成的,是"草稿"环节——从文档中抽取类与属性、将能力问题直接翻译为本体、大规模属性的分类与路由,均已得到论文层面的验证。它尚无法替代的,是"判断"环节:其一,自动产出的是模式骨架而非可推理的本体,公理与逻辑层往往缺失;其二,模型缺乏"企业视角",常出现范围界定困难、个体与类混淆、层次推理方向性错误;其三,数据驱动存在天花板——关系严格忠于原文,原文未表达的关系无法发现。用前文的话说:自动化擅长把数据搬进图里,却不擅长判断哪些数据真正服务于业务逻辑、该由哪条公理与规则来承载。

因此,可落地的路径并非"全自动",而是"模型生成草稿、人工把关"(human-in-the-loop)。具体可循三步:以自动化生成草稿;以能力问题实施验收——不直接采信机器结果,回到能力问题逐条检验;仅在关键处人工介入——类与实例的边界、概念的取舍、公理与规则的增删,交由熟悉业务者完成。此外,应先以小范围试点验证,这一"最小可行本体"(MVO)思路在自动化时代依然成立,且自动化降低了生成初稿的成本,让小范围试点的门槛明显下降。

小结

自动化擅长把数据搬进图里,却不擅长判断哪些数据真正服务于业务逻辑、该由哪条公理与规则来承载。

初始不必过度工程化

最后,有一项略显反直觉的建议:初始阶段不宜过度构建。并非所有场景都需要 OWL 与 SHACL。若仅需一份"字段字典 + 关系说明 + 少量校验",以 YAML 配置配合应用层校验器即可满足。待真正需要跨系统共享语义、机器消费与声明式约束时,再迁移至 OWL/SHACL 亦不为迟。

这一建议背后是一个朴素判断:本体并非越复杂越具价值。其价值不在于采用多么繁重的工具,而在于是否真正以公理与规则承载了业务逻辑、是否真正被应用所消费。

回到开篇。本体构建之所以困难,并非因其理论高深,而在于它要求构建者在动手之前先明确"要让机器理解什么、服务于何种业务逻辑",随后克制地、逐步地构建,并反复验证、回退、迭代。自动化能够加速"草稿"环节,却无法替代"明确应回答什么"这一前提。本体构建更接近一门工程:有章法可循,却无捷径可走。

小结

本体构建更接近一门工程:有章法可循,却无捷径可走。

参考文献与出处

方法与标准

? Noy N. F., McGuinness D. L. Ontology Development 101: A Guide to Creating Your First Ontology. 斯坦福大学 KSL 实验室,2001.

? 国家标准 GB/T 48000.3《本体建模要求》.

? Suárez-Figueroa M. C., Gómez-Pérez A., Fernández-López M. NeOn Methodology for Building Ontology Networks. 马德里理工大学本体工程组(OEG).

? Buitelaar P., Cimiano P., Magnini B. Ontology Learning from Text: Methods, Evaluation and Applications. IOS Press, 2005.

? Text2Onto(Cimiano & V?lker,2005)、Text-To-Onto、OntoLT(Protégé 插件)、OntoGen、SPRAT

本系列文章的诸多判断,来自我们团队在企业本体构建上的持续实践,也部分源于对市场上流行案例的系统性研究。我们更在意的,不是复述这些案例,而是把其中的方法拿回企业真实场景里验证:哪些环节可以自动化,哪些必须由熟悉业务的人来把关。

作者简介

王仕亿,普元信息 AI 科学家,上海交通大学人工智能方向在站博士后。长期聚焦领域本体构建与企业数据治理,主持大型集团 AI 项目领域本体构建,并以第一作者身份在相关国际会议发表数据治理与本体相关研究成果。

「本体洞见」系列关注本体在企业 AI 落地中的真实作用——它是什么、为什么中国企业可以从既有数据资产出发、又如何真正跑起来。本系列将持续更新。

扫码咨询产品专家,了解普元本体能力!

原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。