文档链接：

Objectification of Subjective Content towards Uncertainty Processing: A Survey (综述：从"主观客观化" 到不确定性处理)

• April 2022

• DOI: 

• 10.13140/RG.2.2.13182.66883

• Project: 

• From Existence Computation to Semantic Computation through Frequency Defined Fully Typed Resources

Objectification of Subjective Content towards Uncertainty Processing: A Survey

 (综述：从"主观客观化" 到不确定性处理)

Yucong Duan,

DIKW research group, Hainan University

Email: duanyucong@hotmail.com

基于"主观客观化"^[111]的不确定性处理相关科学研究发展趋势、国内外研究现状及发展动态、海南自由贸易港应用前景，附主要参考文献目录

研究意义

当前海南自由贸易港发展中旅游、养老、热带农业等产业特色明显，本地小微“互联网+”企业对自贸港信息化与智慧海南发展有较细了解和经验积淀，相对即将进入海南的国际大企业，有本地服务实践积累的数据、信息、知识和智慧(Data，Information，Knowledge and Wisdom, DIKW)^[27]资源的不对称优势，并有本地资讯传播网络和社会化先机，以及在服务细分端进行原创创新和本地化DIKW资源重构的机遇。它们是响应国家从供给侧改革发力现代服务业升级并衔接终端用户的锚点，也是满足个性化、差异化的智慧服务需求，提供类型更多、更为安全、体验更舒适的“互联网+”数字服务的基础。本地小微企业内部汇集了大量分散的DIKW资源，是“隐形大数据”。小微企业是培养工匠精神，塑造“大国工匠”，滋养专业化的重要阵地。促进发展“互联网+”小微服务企业将激发并盘活地方经济资源，也是解决“线下一公里”问题和繁荣海南自贸港创新创业生态链的基础。但本地小微企业往往客户群体规模较小，业务相对单一，没有大企业的DIKW规模效益和资本回旋抗风险能力，且在向通用度高的XaaS智慧服务方向延伸缺乏规模化数据支撑。将小微服务企业在局部地域和细分领域的数据、环境、客户偏好、消费习惯等不完整、不精确、不一致、乃至主客观融合的小数据、小信息、小知识、小智慧对应的DIKW服务资源融合以强化特色服务以应对以大数据为基础的大企业智能服务挑战成为紧迫的服务化需求。

随着API 经济的蓬勃发展^[38]，小微服务企业依托独具的DIKW资源，以泛在服务(Ubiquitous Service)^[77]参与全球价值链(Global value chains, GVCs)上的竞争，也面对互联网平台有资金、技术和数据优势的企业所带来的严峻挑战。每一个小微企业被淘汰均意味着GVCs的DIKW服务资源损失。小微企业通过软件即服务SaaS以社群、合作博弈^[7]或联盟^[87]形式共享与交流DIKW资源是一种应对大企业及大平台竞争，及抗击自然灾害、疫情、产业变动等不确定性风险的集体长期收益优化的解决方案。海南建设国际自由贸易港可借助小微服务企业以社群服务及服务链形式进行DIKW服务共享合作，形成更完整、更精确、更一致、更客观的服务大数据、大信息、大知识、大智慧对应的“DIKW大数据” ，更加机遇平等的释放本地服务创造力与活力。利益共享服务合同/契约(Revenue/Profit Sharing Contract)^{[2][12][22][42][43][72]}可以衔多方DIKW资源与服务协调各方利益最大化^[13]。社群DIKW服务协作(Cluster Driven)^[71]缺少建模、开发、部署方面的技术衔接而停留在理论探索层面，例如现有服务交易^[31][49][86]等关注服务数据、功能、质量、支付方式、交易手段和成本建模，缺少对DIKW服务融合与转换的探索。当前从经济管理到信息技术支持小微企业以社群形式进行DIKW泛在服务融合协作的研究不足，其核心困难是各学科之间的DIKW鸿沟的存在(图1)。斯坦福大学Wiederhold教授在2016年Communications of the ACM第1期上呼吁计算机工作者应主动联手经济专家解这一信息不均衡问题。

图1 社群服务协作DIKW融合鸿沟示意

支撑DIKW资源面向XaaS服务智慧化融合的服务化机制与技术是小微企业构建共同创业社群生态环境所急需的。语义^[88]是人使用概念符号组成的语言进行思考和交流的本质认知内容，寻找概念的认知解释可以映射为探索从概念关联对应的概念空间(Concept Space)到相对应的认知语义空间(Semantic Space)的存在确认、依赖关系与模式发掘。诺贝尔物理学奖获得者Philip W. Anderson ^[32]指出基于还原论构建科学解释失败的根源往往是对基本概念的认知错误。在人工智能领域对语义的形式化工作通常尝试在计算机和计算机之间、人和计算机之间建立起对概念内容理解的一致性。但是，主体表述内容的主客观语义范畴混淆^[33]、主观语义的客观化处理程度不足、语义关联缺失、语义不精确、语义不一致、概念-语义映射漂移、语义概念映射冗余等^[73][76]长期制约人-机-物系统间服务自动化实现和智能化交互效率提升。例如服务多链协同^[4][18]中资源匹配、智能化与交互、评价受诸多因素的影响，既包括服务资源的品质、价格与时效，也包括服务供给履约力、响应速度、信誉度、付款速度与协作潜力，然而对这些服务因素的描述、组织、推理与计算^[63]等在实际场景中往往借助经典集合论、模糊集与相似度^[25][65]等进行定性-定量转换，其概念-语义处理本质为主观方式^[39][46]，缺乏对主观不确定性的客观转化。

诺贝尔生理学奖获得者Gerald Edelman与Giulio Tononi^[64]从认识论角度强调把客观世界和难以客观度量的内在主观世界结合的重要性。量子理论创立者薛定谔^[100]基于认知范畴提出将观察世界从主观转化为客观的客观化标准(Principle of Objectivation)，及对主客观世界作整体研究的主观化标准(Principle of Subjectivation)。核心科学与工程概念^[27]的内涵和外延语义的使用与提炼应伴随学科的持续分化以及科学研究与工业实践融合的发展不断与时俱进，这不仅对从认知与表述源头探索新的形式化机制抑制愈演愈烈的DIKW认知过载提出要求，还需要建立概念-语义认知迁移的自动检测与度量方法。在AI服务背景下，DIKW服务融合的基础挑战之一是相关概念-语义的辨识与运用缺乏客观一致的认知基础。项目认为应面向DIKW资源融合从服务智能化与交互组合^[55]概念-语义认知基础上解决这一差异，支撑构建DIKW服务互通与转化^[38][70][92]的数据服务、信息服务、知识服务和智慧服务匹配、选择、交互、组合解决方案。项目关注价值导向^[47][51][54]的面向小微企业社群协作的数据服务、信息服务、知识服务和智慧服务的DIKW资源互通与转化研究，协助保证^[50]企业社群DIKW资源互通与转化协作生命周期^[57][91]实施。

国内外研究现状及发展动态分析

Gereffi和Lee ^[71]提出社群驱动的服务企业成长方式。顾巧论等^[7]比较了非合作博弈的服务协作均衡解。Mathew^[87], Cusumano^[49], Al-Roomi^[31]研究了SaaS多种定价方式。Marten等^[86]分析了云服务的成本来源、支付与计算方式。Gordijn等^[74]构建了服务价值创造和转移的网模型e3value。智能服务合同^[33][93]以制度数字化的形式保障服务交易的公平运行。Cachon等^[42][43]论证了利益共享服务协作优缺点。李新明等^[13]探讨了SaaS社群共享服务的有效性。Giannoccaro^[72]从产业经济的角度分析了利益共享服务链。陈菊红等^[2]设计了收益共享服务的协作与协调机制。陈剑峰等^[3]研究了服务收益共享的权利和控制分配。李真等^[12]、王桦等^[22]进行了利益共享服务优化仿真实验。Lin等^[83]研究了基于服务合同的网络自主体的智能实施。Assunçao等^[35]指出大数据即服务DaaS和分析即服务AaaS发展的挑战是缺少语义定义良好的数据服务合同。服务协作失败的重要风险是语义表述与交互不确定性。服务代理^[44][66][90]常常被作为对服务协作不确定性转化并消除的机制，满足服务水平协议，桥接信誉^[82]，增强互操作性^[37][84]及弥补异构业务的语义差异。服务代理^[89]被用于支持服务资源的搜索、选择和分配。Duan等^[52][53][54]提出服务价值代理模型。Budgen等^[41]引入信息代理结合健康知识和数据增强隐私保护。跨学科跨领域DIKW服务交互与融合是对泛在服务供应链重构，涉及跨学科领域的概念、理论、模型与信息技术侧的技术、方法等的概念-语义结合、知识与信息迁移和评测衔接机制创新，其基础是DIKW概念-语义融合、转化与共享。王飞跃等^[22]等研究了从数据到信息到知识到智慧的集成及转化。钟义信^[28][29][30]引入语义构建了信息-知识-智能的转换与统一理论。骆翔宇等^[17]设计了服务组合的语义认知模型。李德仁^[14]提出由数据挖掘信息和知识进而构造智慧地球和智慧城市的策略。任磊等^[21]实现了面向DIKW的大数据可视化。根据DIKW结构与语法-语义-语用-社会的符号学结构，姚锡凡等^[26]提出人机物协同的制造模式。温有奎等^[23][24]研究了AI问答服务中知识到智慧的转化机制。国内外长期从多领域研究DIKW^{[5][8][9][40][48][67][97]}，但缺乏跨主客观语义^[33]的建模与分析，对相关概念-语义的统一受限。Duan^[61][62]面向本质语义与存在语义提出关系定义一切语义模型(RDXS)，构建辨识抽象机制。

社会信息网络中多维度、多模态、多尺度乃至介尺度DIKW资源的加速生成与开放域DIKW服务融合与处理机制发展的相对滞后对大众个体的认知-处理平衡形成巨大的认知过载挑战。个体认知处理能力成长对目标DIKW内容增长的相对下降将导致个体对外部世界的认知理解信心的相对下降。进而引起个体对自身决策合理性与及对决策客观性的确定性的持续下降，及个体对自身认知的合理性的主观不确定性^[98]的增长。当前对自然语言为核心的服务语义理解与语义融合研究多基于各类知识图谱、图卷积神经网络、深度强化学习等方法进行多源知识的概念-语义及上下文分析与检索。数据机器学习为特征的方法整体假设了目标内容的语义客观性是确定的及样本目标内容是可客观标记的。李德毅院士在2020年3月的“通用人工智能十问”^[15]中指出“发展60多年的人工智能没有能够更靠近人的原始的智能”，重要原因之一是意识、情感、智慧和智能等概念语义关系不清晰，特别是意识、情感本质上是主观的，非客观的。主客观语义混合^[88]内容被错误的当作客观语义后无法从本质语义范畴进行客观标记或从存在语义范畴进行形式化传输^[59][60][61]。2019年12月乔姆斯基在与MIT的 AI 科学家 Lex Fridman座谈^[80]时指出深度学习未能从语义层面对世界本质进行理解方面的探寻，难以应对违反语言规则识别等问题，要突破客观语义面向主观语义寻找认知的理解与解释机制。当前AI方案缺乏有效的将数据机器学习、主观判断信息、专家知识与智慧策略结合，难以应对通用AI中数据不完整、信息不充分、知识不完备、智慧策略不平衡背景下的主客观语义范畴混淆、语义客观化不足、语义关联缺失、语义不精确、语义不一致、概念-语义映射漂移、语义概念映射冗余等不确定性处理，处理兼具逻辑性和艺术表现力的混合主客观的DIKW^[78][79][81]内容时在可解释可信语义表示、负责任AI服务系统构建^[10]、安全可靠保障技术等面对艰巨挑战。

项目认为问题的本质原因是当前AI技术对DIKW的产生、汇集和处理的服务相对分离的加速，基于主观客观化^[33][36]的DIKW服务融合与交互的加速创新将有助于逆转这一不对称。为突破对服务语义完整性、一致性、精确性、正确性、客观性及相互独立的假设的确定性依赖，符合更普遍的服务工程实践中各方只拥有部分数据、部分信息、部分知识和有限的智慧的服务智能化与交互场景，减少服务化的不确定性，Duan等^[58]借助DIKW体系将知识图谱扩展为关联的数据图谱、信息图谱、知识图谱和智慧图谱体系，设计DIKW资源识别与转化的元模型表达^[59], ^[60]，并面向物联网、云计算和边缘计算结合场景^[69][102]下隐私保护^[10][60]进行以DIKW转化^[68][101]为机制的服务化。服务发现常采用基于数据分析的聚类策略^[11]等。Yu等^[109]基于DIKW融合建立可信服务发现系统。Wen等^[107]借助活动知识图谱设计跨工作流的服务发现。何克清等^[75]构建了异构、自治、动态的服务资源的语义互操作系统。Xue等^[108]提出基于价值熵的服务演化度量模型。Brown等^[39]研究了主客观服务因素融合的政策服务派送。Chu等^[46]基于主客观服务因素构建了服务发现算法。Eboli等^[63]面向运输领域提出了主客观质量因素融合的服务评估方法。Eyles^[65]基于社会统计学方法给出了主观客观化模型。Lu等^[85]结合主客观方面给出云服务可信性的评价模式。Qu等^[95]将主观与客观评估结合提高云服务可审计性。越来越多的主观客观化^[100]方法和技术正从包括数字伦理^[104]、神经科学^[103]、元认知^[96]、元科学^[99]等学科及领域涌现。 

在自然科学基金等组织的资助下，经过多年的持续研究，国内已经有许多单位如北京邮电大学^[28]，哈尔滨工业大学^[19]，南京航空航天大学^[1]，南京理工大学^[20]，中国科技大学^[16]，上海交通大学^[6]，华南理工大学^[24]，中国科学院软件研究所^[21]，中国科学院自动化研究所^[22]等跨学科跨领域从包括信息技术和经济管理等视角出发，在DIKW资源转化与共享框架下在个性化服务建模、满意度模型、决策支持、语义融合建模等相关领域具有了较高的学术水平，在数据服务、信息服务、知识服务和智慧服务服务化的不确定性处理等方面也取得了一定成果，但该领域尚处于成长期，其相关理论、方法和技术将是今后研究的重点，要最终形成成熟的应用技术，还需要更具有创新性的研究。基于海南自由贸易港小微企业社群服务智慧化与资源共享的基础需求，适时启动一些诸如基于DIKW的服务不确定性语义主观客观化建模与处理研究等关键支撑技术的研究课题是必要且迫切的。

参考文献：

[1]    白琳. 顾客感知价值、顾客满意和行为倾向的关系研究述评[J]. 管理评论, 2009(01): 87-93.

[2]    陈菊红, 郭福利, 史成东. 需求具有价格敏感性的供应链收益共享契约设计研究[J]. 中国管理科学, 2008(3): 78-83.

[3]    陈剑, 陈剑锋. 基于收益共享合同的虚拟企业控制权力分配[J]. 清华大学学报: 自然科学版, 2009(3): 447-451.

[4]    方伯芃, 孙林夫. 不确定环境下的产业链生产与配送协同调度优化[J]. 计算机集成制造系统, 2018, 24(01): 33-54.

[5]    甘永成. 虚拟学习社区中的知识建构和集体智慧研究[D]. 华东师范大学, 2004.

[6]    耿秀丽. 顾客价值驱动的产品服务系统方案设计建模与决策技术研究[D].上海交通大学, 2012.

[7]    顾巧论, 高铁杠, 石连栓. 基于博弈论的逆向供应链定价策略分析[J]. 系统工程理论与实践, 2005,25(3): 20-25.

[8]    顾大权, 刘高飞. 对数据、信息、知识和智慧的研究与思考[J]. 长春大学报, 2012, 22(04): 399-401.

[9]    荆宁宁, 程俊瑜. 数据、信息、知识与智慧[J]. 情报科学, 2005(12): 1786-1790.

[10]    雷羽潇, 段玉聪. 面向跨模态隐私保护的AI治理法律技术化框架[J]. 计算机科学, 2021, 48(09): 9-20.

[11]    李征, 王健, 张能, 等. 一种面向主题的领域服务聚类方法[J]. 计算机研究与发展, 2014, 51(002): 408-419.

[12]    李真, 程书萍, 李迁, 等. 基于收益共享合同的工程质量优化研究[J]. 运筹与管理, 2013, 22(1): 164-170.

[13]    李新明, 廖貅武. 服务供应链视角下SaaS模式免费试用策略分析[J]. 运筹与管理, 2013(5): 43-50.

[14]    李德仁. 展望大数据时代的地球空间信息学[J]. 测绘学报, 2016, 45(4): 379.

[15]    李德毅，院士谈CAAI名誉理事长李德毅：通用人工智能十问[EB/OL]. https://www.sohu.com/a/384291711_505819, 2020-03-30.

[16]    刘安. Web服务驱动的业务流程的容错性研究[D]. 中国科学技术大学, 2008.

[17]    骆翔宇, 谭征, 苏开乐, 等. 一种基于认知模型检测的 Web 服务组合验证方法[J].计算机学报, 2011, 34(6): 1041-1061.

[18]    吕瑞. 基于云平台的多核服务价值链协同技术研究[D]. 西南交通大学, 2019.

[19]    马超, 王忠杰, 徐晓飞. 价值知觉的迭代式服务建模方法[J]. 智能计算机与应用, 2013(02): 6-10.

[20]    孟庆良. 客户价值驱动的客户关系管理研究[D]. 南京理工大学, 2006.

[21]    任磊, 杜一, 马帅, 等. 大数据可视分析综述[J]. 软件学报, 2014, 25(9): 1909-1936.

[22]    王飞跃, 王晓, 袁勇, 等. 社会计算与计算社会:智慧社会的基础与必然[J]. 科学通报, 2015, 60(Z1): 460-469.

[23]    温有奎, 乔晓东. 大数据下智慧发现服务平台研究[J]. 情报学报, 2015, 34(11): 1181-1189.

[24]    温有奎, 温浩, 乔晓东. 让知识产生智慧—基于人工智能的文本挖掘与问答技术研究[J]. 情报学报, 2019, 38(7): 722-730.

[25]    杨柳. 模糊本体建模方法及语义信息处理策略研究[D]. 中南大学, 2011.

[26]    姚锡凡, 练肇通, 杨屹, 等. 智慧制造—面向未来互联网的人机物协同制造新模式[J]. 计算机集成制造系统, 2014, 20(06): 1490-1498.

[27]    叶继元, 陈铭, 谢欢,等. 数据与信息之间逻辑关系的探讨—兼及DIKW概念链模式[J]. 中国图书馆学报, 2017, 2017(3): 34-41.

[28]    钟义信. 知识论：核心问题—信息-知识-智能的统一理论[J]. 电子学报,2001,29(4): 526-530.

[29]    钟义信. 信息转换原理:信息、知识、智能的一体化理论[J]. 科学通报, 2013, 58(14):7.

[30]    Zhong Y . A Theory of Semantic Information[J]. 中国通信, 2017, 014(001):1-17.

[31]    Al-Roomi M, Al-Ebrahim S, Buqrais S, et al. Cloud Computing Pricing Models:A Survey[J]. International Journal of Grid & Distributed Computing, 2013, 6(5): 93-106.

[32]    Anderson P W. More is different[J]. Science, 1972, 177(4047): 393-396.

[33]    Saini A. Want to do better science? Admit you're not objective[J]. Nature, 2020, 579(7798): 175-175. 

[34]    Angelov S A. Foundations of B2B electronic contracting[J]. Technische Universiteitndhoven, 2006.

[35]    Assunção M D, Calheiros R N, Bianchi S, et al. Big Data computing and clouds: Trends and future directions[J]. Journal of Parallel & Distributed Computing, 2014, 75: 3-15.

[36]    Benjamin J. An outline of intersubjectivity: The development of recognition[J]. Psychoanalytic psychology, 1990, 7(S): 33.

[37]    Bichler M, Segev A, Beam C. An Electronic Broker for business-to-business electronic commerce on the Internet[J]. International Journal of Cooperative Information Systems, 1998, 07(04): 315-329.

[38]    Breiter G, Behrendt M, Gupta M, et al. Software defined environments based on TOSCA in IBM cloud implementations[J]. IBM Journal of Research and Development, 2014, 58(2/3): 1-10.

[39]    Brown K, Coulter P B. Subjective and objective measures of police service delivery[J]. Public administration review, 1983, 43(1): 50-58.

[40]    Buckland M K．Information as thing[J]. Journal of the American Society, 1991, 42(5): 351-360．

[41]    Budgen D, Rigby M, Brereton P, et al. A Data Integration Broker for Healthcare Systems[J]. Computer, 2007, 40(4): 34-41.

[42]    Cachon G P. Supply Chain Coordination with Contracts[J]. Handbooks in Operations Research & Management Science, 2003, 11(03): 227–339.

[43]    Cachon G P, Lariviere M A. Supply chain coordination with revenue-sharing contracts: strengths and limitations[J]. Management science, 2005, 51(1): 30-44.

[44]    Casati F, Ilnicki S, Jin L J, et al. Adaptive and dynamic service composition in eFlow[C]. International Conference on Advanced Information Systems Engineering, 2000: 13-31.

[45]    Cardellini V, Casalicchio E, Grassi V, et al. A Framework for Optimal Service Selection in Broker-Based Architectures with Multiple QoS Classes[C].Services Computing Workshops. IEEE, 2006: 105-112.

[46]    Victor W Chu, Raymond K Wong, Fang Chen, et al. Service discovery based on objective and subjective measures[C]. 2013 IEEE International Conference on Services Computing. IEEE, 2013: 360-367.

[47]    Collopy P, Hollingsworth P. Value-driven design[J]. Journal of Aircraft, 2011, 48(3): 749-759.

[48]    Cooper P. Data, information, knowledge and wisdom[J]. Anaesthesia & Intensive Care Medicine, 2014, 15(1): 44-45.

[49]    Cusumano M A. The changing labyrinth of software pricing[J]. Communications of the ACM, 2007, 50(7): 19-22.

[50]    Duan Y. A survey on service contract[C]. IEEE/ACIS SNPD2012: 805-810.

[51]    Duan Y. Value modeling and calculation for everything as a service (xaas) based on reuse[C]. IEEE/ACIS SNPD2012: 162-167.

[52]    Duan Y, Kattepur A, Zagarese Q, et al. Service value broker patterns: Integrating business modeling and economic analysis with knowledge management (short paper)[C]. 6th International Conference on Service-Oriented Computing and Applications, 2013: 140-145.

[53]    Duan Y, Wang Y, Wei J, et al. Value-Added Modelling and Analysis in Service Value Brokerage[M]//Lomuscio A, Nepal S, Patrizi F, et al. Service-Oriented Computing – ICSOC 2013 Workshops. Springer International Publishing, 2014: 209-222.

[54]    Duan Y, Huang K, Kattepur A, et al. Towards Value-Driven Business Modelling Based on Service Brokerage[M]//Lomuscio A, Nepal S, Patrizi F, et al. Service-Oriented Computing – ICSOC 2013 Workshops. Springer International Publishing, 2014: 163-176.

[55]    Duan Y, Narendra N C, Du W, et al. Exploring cloud service brokering from an interface perspective[C]. IEEE ICWS 2014: 329-336.

[56]    Duan Y, Huang K, Chen D, et al. Service Value Broker Patterns: An Empirical Collection and Analysis[J]. International Journal of Networked and Distributed Computing, 2014, 2(1): 54-69.

[57]    Duan Y, Narendra N, Hu B, et al. A Survey on the Categories of Service Value/Quality/Satisfactory Factors[M]//Lee R. Computer and Information Science. Springer International Publishing, 2015: 141-152.

[58]    Duan Y, Shao L, Hu G. Specifying Knowledge Graph with Data Graph, Information Graph, Knowledge Graph, and Wisdom Graph[J]. International Journal of Software Innovation (IJSI), 2018, 6(2): 10-25.

[59]    Duan Y, Sun X, Che H, et al. Modeling data, information and knowledge for security protection of hybrid IoT and edge resources[J]. IEEE Access, 2019, 7: 99161-99176.

[60]    Duan Y, Lu Z, Zhou Z, et al. Data privacy protection for edge computing of smart city in a DIKW architecture[J]. Engineering Applications of Artificial Intelligence, 2019, 81: 323-335.

[61]    Duan Y. Towards a Periodic Table of conceptualization and formalization on State, Style, Structure, Pattern, Framework, Architecture, Service and so on[C]. SNPD, 2019: 133-138.

[62]    Duan Y. Existence computation: Revelation on entity vs. relationship for relationship defined everything of semantics[C]. SNPD, 2019: 139-144.

[63]    Eboli L, Mazzulla G. A methodology for evaluating transit service quality based on subjective and objective measures from the passenger’s point of view[J]. Transport Policy, 2011, 18(1): 172-181.

[64]    Edelman G, Tononi G. A Universe of Consciousness: How Matter Becomes Imagination[M]. Basic books, 2008.

[65]    Eyles J. Objectifying the subjective: the measurement of environmental quality[J]. Social Indicators Research, 1990, 22(2): 139-153.

[66]    Farmer R, Raybone A, Uddin R, et al. Metadata Discovery for a Service-Broker Architecture[C]. IEEE International Conference on e-Business Engineering (ICEBE), 2008: 173-178.

[67]    Frické M．The knowledge pyramid: a critique of the DIKW hierarchy[J]. Journal of Information Science, 2009, 35(2): 131-142．

[68]    Gao H, Duan Y, Shao L, et al. Transformation-based processing of typed resources for multimedia sources in the IoT environment[J]. Wireless Networks, 2019: 1-17.

[69]    Gao H, Huang W, Duan Y. The Cloud-edge-based Dynamic Reconfiguration to Service Workflow for Mobile Ecommerce Environments: A QoS Prediction Perspective[J]. ACM Transactions on Internet Technology (TOIT), 2021, 21(1): 1-23.

[70]    Gartner Research. Cloud Service Brokerage[EB/OL]. http://www.gartner.com/it-glossary/ cloud-services-brokerage-csb.

[71]    Gereffi G, Lee J. Economic and Social Upgrading in Global Value Chains and Industrial Clusters: Why Governance Matters[J]. Journal of Business Ethics, 2014: 1-14.

[72]    Giannoccaro I, Pontrandolfo P. Supply chain coordination by revenue sharing contracts[J]. International Journal of Production Economics, 2004, 89(2): 131-139.

[73]    Gillespie A, Cornish F. Intersubjectivity: Towards a dialogical analysis[J]. Journal for the theory of social behaviour, 2010, 40(1): 19-46.

[74]    Gordijn J, Yu E, Van Der Raadt B. E-service design using i* and e/sup 3/value modeling[J]. IEEE software, 2006, 23(3): 26-33.

[75]    He K, Wang J, Liang P. Semantic interoperability aggregation in service requirements refinement[J]. Journal of computer science and technology, 2010, 25(6): 1103-1117.

[76]    Heylighen F. Objective, subjective and intersubjective selectors of knowledge[J]. Evolution and cognition, 1997, 3(1): 63-67.

[77]    Hussain C S, Ahmed C S, Akbar A H, et al. Ubiquitous Service Discovery in Pervasive Computing Environment[J]. Information Technology Journal, 2008, 7(3): 533-536.

[78]    Hu T, Duan Y. Modeling and Measuring for Emotion Communication based on DIKW[C]. SERVICES, 2021: 21-26.

[79]    Huang Y, Duan Y. Towards Purpose Driven Content Interaction Modeling and Processing based on DIKW[C]. SERVICES, 2021: 27-32.

[80]    Lex Fridman. Lex Fridman with Noam Chomsky on Deep Learning, Language and Cognition[EB/OL]. https://www.newworldai.com/lex-fridman-noam-chomsky-deep-learning-language-cognition/, December 2, 2019.

[81]    Li Y, Duan Y, Maamar Z, et al. Anamaria-Beatrice Spulber, Stelios Fuentes. Swarm Differential Privacy for Purpose-Driven Data-Information-Knowledge-Wisdom Architecture[J]. Mobile Information Systems, 2021: 1-15.

[82]    Lin K, Lu H, Yu T, et al. A reputation and trust management broker framework for web applications[C]. 2005 IEEE International Conference on e-Technology, e-Commerce and e-Service. IEEE, 2005: 262-269.

[83]    Lin R, Kraus S. Can automated agents proficiently negotiate with humans?[J]. CACM, 2010, 53(1): 78-88.

[84]    Loreto S, Mecklin T, Opsenica M, et al. Service broker architecture: location business case and mashups[J]. IEEE Communications Magazine, 2009, 47(4): 97-103.

[85]    Lu L, Yuan Y. A novel TOPSIS evaluation scheme for cloud service trustworthiness combining objective and subjective aspects[J]. Journal of Systems and Software, 2018, 143: 71-86.

[86]    Martens B, Walterbusch M, Teuteberg F. Costing of Cloud Computing Services: A Total Cost of Ownership Approach[C]. Hawaii International Conference on System Science, 2012: 1563-1572.

[87]    Mathew M, Nair S. Pricing SaaS models: Perceptions of business service providers and clients[J]. Journal of Services Research, 2010.

[88]    Millikan R G . Varieties of Meaning[J]. Studies in Cognitive Systems, 2004:287-326.

[89]    D'Mello D A, Ananthanarayana V S, Thilagam P S. A QoS Broker Based Architecture for Dynamic Web Service Selection[C]. Second Asia International Conference on Modelling and Simulatio-n (AMS), 2008: 101-106.

[90]    Moore B, Mahmoud Q H. A service broker and business model for saas applications[C]. The 7th IEEE/ACS International Conference on Computer Systems and Applications (AICCSA), 2009:322-329.

[91]    Neto J B, Hirata C M. Lifecycle for Management of E-contracts Based on Web Service[J]. Lecture Notes in Engineering & Computer Science, 2013, 2207(1).

[92]    Liu F, Tong J, Mao J, et al. NIST cloud computing reference architecture[J]. NIST special publication, 2011, 500(2011): 1-28.

[93]    Norta A. Creation of Smart-Contracting Collaborations for Decentralized Autonomous Organizations[M]// Perspectives in Business Informatics Research. Springer International Publishing, 2015: 3-17.

[94]    PS A K, Mahadevan G. A qos towards dynamic web services recapitulation and selection[J]. International Journal of Computer Applications, 2012, 54(4).

[95]    Qu L, Wang Y, Orgun M A, et al. CCCloud: Context-aware and credible cloud service selection based on subjective assessment and objective assessment[J]. IEEE Transactions on Services Computing, 2015, 8(3): 369-383.

[96]    Questienne L, Atas A, Burle B, et al. Objectifying the subjective: Building blocks of metacognitive experiences in conflict tasks[J]. Journal of Experimental Psychology: General, 2018, 147(1): 125.

[97]    Rowley J. The wisdom hierarchy: representations of the DIKW hierarchy[J]. Journal of Information Science, 2010, 33(2): 163-180.

[98]    Sanfey, Alan, et al. Social decision-making: insights from game theory and neuroscience[J]. Science, 2017, 318: 598–602.

[99]    Schooler J W. Metascience could rescue the ‘replication crisis’[J]. Nature, 2014, 515(7525): 9.

[100]    Schrodinger E. What is life?: With mind and matter and autobiographical sketches[M]. Cambridge University Press, 2012.

[101]    Song Z, Duan Y, Wan S, et al. Processing optimization of typed resources with synchronized storage and computation adaptation in fog computing[J]. Wireless Communications and Mobile Computing, 2018: 1-13.

[102]    Song M, Duan Y, Huang T, et al. Inter-Edge and Cloud conversion accelerated user-generated content for virtual brand community[J]. EURASIP Journal on Wireless Communications and Networking, 2020, 2020(1): 1-17.

[103]    Taylor M R, Scott S R, Steineck A, et al. Objectifying the subjective: the use of heart rate variability as a psychosocial symptom Biomarker in hospice and palliative care research[J]. Journal of Pain and Symptom Management, 2021, 62(3): e315-e321.

[104]    Thompson T C, Cortes C E. Objectifying the Subjective: toward the Development of a Computerized Database of the Treatment of Ethnicity and Foreignness in American Motion Pictures[J]. Characterization 1987:7.

[105]    Wang H, Lee C, Ho T. Combining subjective and objective QoS factors for personalized web service selection[J]. Expert Systems with Applications, 2007, 32(2):571-584.

[106]    Wilson E O. Consilience: The unity of knowledge[M]. Vintage, 1999.

[107]    Wen J, Zhou Z, Wang Y, et al. Discovering Crossing-Workflow Fragments Based on Activity Knowledge Graph[C]. OTM Confederated International Conferences" On the Move to Meaningful Internet Systems". Springer, 2019:515-532.

[108]    Xiao X, Chen Z, Wang S, et al. Value Entropy: A Systematic Evaluation Model of Service Ecosystem Evolution[C]. SERVICES 2021: 15.

[109]    Yu L, Duan Y. Trusted Service Provider Discovery Based on Data, Information, Knowledge, and Wisdom[J]. International Journal of Software Engineering and Knowledge Engineering. 2021, 31(1): 3-19.

[110]    Zahavi D. Beyond empathy. Phenomenological approaches to intersubjectivity[J]. Journal of consciousness studies, 2001, 8(5-6): 151-167.

[111]    Duan Y.Uncertainty Processing: What is Objectification of Subjective Content AND Why we need the Transformation from Subjective to Objective？ (不确定性处理：什么是"主观客观化"？为什么需要从主观到客观的转化？). April 2022. DOI: 10.13140/RG.2.2.27125.45280 https://www.researchgate.net/publication/359709063_Uncertainty_Processing_What_is_Objectification_of_Subjective_Content_AND_Why_we_need_the_Transformation_from_Subjective_to_Objective_buquedingxingchulishenmeshizhuguankeguanhuaweishenmexuyaocongzhugua