早期文档链接：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

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

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

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？)

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

基于"主观客观化"的不确定性处理相关学术背景、创新点及其研究价值和科学意义

语义在人类思考和交流中扮演着关键的角色。它是由概念符号构成的语言，用于表达和理解概念之间的关系。探索语义的认知解释涉及到从概念关联到相应的认知语义空间的存在确认、依赖关系和模式发现。在人工智能领域，形式化处理语义的工作旨在建立对概念内容的一致性理解，无论是在计算机和计算机之间，还是在人与计算机之间。然而，语义处理面临着一系列挑战，包括主客观语义的混淆、主观语义的客观化不足、语义关联的缺失、语义的不精确性和不一致性，以及概念与语义之间的映射问题，这些问题一直制约着服务自动化和智能化交互的效率提升。

首先，让我们深入探讨语义的重要性。语义是一种对概念和信息的理解方式，它使我们能够将概念和信息与现实世界中的实体和现象相关联。语义不仅仅是一种表达方式，它还反映了我们对世界的认知和理解。例如，当我们谈论“苹果”这个词时，它不仅仅是一个字面上的符号，还代表着一种水果，具有特定的属性和特征，如颜色、形状、味道等。这些属性和特征构成了“苹果”的语义。

在人工智能领域，特别是在自然语言处理和知识图谱方面，对语义的形式化处理变得至关重要。这是因为计算机需要能够理解和处理人类语言，以便进行自动化的信息提取、问答系统、文本分类等任务。然而，语义的处理涉及到多个复杂的问题：

1. 主客观语义范畴混淆： 在自然语言中，同一个词汇可能有不同的语义，取决于上下文和使用者的主观理解。例如，词汇“银行”既可以表示金融机构，也可以表示河边的地方。这种多义性使得语义处理变得复杂，需要考虑不同的语境。

2. 主观语义的客观化处理不足： 人们对于语义的理解是主观的，而计算机需要将这些主观语义转化为客观的表示。这包括将自然语言转化为计算机可以理解的形式，如语义网络或向量表示。主观与客观之间的转化是一个挑战性的问题。

3. 语义关联的缺失： 计算机需要能够理解概念之间的关联和联系，以便进行推理和信息检索。然而，语义关联的建立通常需要大量的语料库和知识图谱，这些资源可能不完整或不准确。

4. 语义的不精确性和不一致性： 自然语言中常常存在模糊性和不确定性，这使得语义处理变得更加复杂。例如，词汇“高”可以表示不同的高度，具体含义取决于上下文。此外，不同的人可能对相同概念有不同的理解，导致语义的不一致性。

5. 概念-语义映射问题： 计算机需要将概念映射到语义空间中，以便进行信息存储和检索。然而，概念与语义之间的映射并不总是一对一的，可能存在漂移和冗余。

为了解决这些问题，语义数学技术已经成为一个重要的研究领域。语义数学通过数学方法和形式化技术来处理语义，使其更具客观性和精确性。这些技术包括语义网络、向量空间模型、词嵌入等，它们试图将语义信息表示为数学对象，以便计算机可以处理和理解。

在服务自动化和智能化交互领域，语义数学技术可以用于解决资源匹配、智能化与交互、评价等问题。例如，在资源匹配中，语义数学技术可以帮助确定不同服务资源之间的语义相似度，以便更好地匹配需求和供给。在智能化与交互中，语义数学技术可以用于自动化对话系统，使计算机能够理解和生成自然语言。在评价中，语义数学技术可以帮助客观地衡量服务质量和性能，减少主观因素的干扰。

然而，语义数学技术仍然面临一些挑战。首先，需要更多的语义资源和知识图谱来支持语义处理。其次，语义数学技术需要不断改进，以提高对复杂语义的理解和处理能力。此外，语义数学技术还需要更好地处理多语言和跨领域的语义。

总的来说，语义数学技术在处理语义问题方面具有巨大潜力，可以为服务自动化和智能化交互提供重要支持。随着研究和技术的不断进步，我们可以期待更高效和精确的语义处理方法的出现，从而更好地满足人-机-物系统之间服务自动化实现和智能化交互的需求。

此外，为了解决语义问题，还需要建立概念-语义认知迁移的自动检测与度量方法。这些方法可以帮助我们了解主体的语义认知如何影响他们对概念和信息的理解。通过自动检测和度量主体的语义认知差异，我们可以更好地理解和解释不同主体之间的语义差异，进而改进语义处理方法，使其更符合不同用户的需求。

随着科学研究和工业实践的不断发展，核心科学和工程概念的语义内涵和外延的使用也在不断演化。这需要我们不断更新和扩展语义处理方法，以适应新的概念和语义。因此，语义数学技术的研究和应用将继续在人工智能领域发挥重要作用，为智能化系统的发展和改进提供关键支持。

语义是认知和信息处理的关键组成部分，它在人-机-物系统之间的服务自动化和智能化交互中发挥着关键作用。语义数学技术通过数学方法和形式化技术的应用，可以帮助解决语义处理中的主观性、不精确性和不一致性等问题，从而提高系统的效率和性能。随着科技的不断进步，我们可以期待更多创新性的语义数学技术的出现，为智能化系统的发展和改进提供更多可能性。同时，我们还需要不断探索概念-语义认知迁移的自动检测与度量方法，以更好地理解和满足不同用户的语义需求。最终，语义数学技术将继续在各个领域发挥关键作用，推动人工智能和智能化系统的发展。

段玉聪教授长期探索概念-语义交互认知生成、溯源、澄清、表述、形式建模以及处理实践问题。自加入CCF服务计算专委委员、系统软件专委委员、软件工程专委委员以来，面向人-机-物环境的服务建模、设计、交互主要研究不完整、不精确、不一致数据、信息、知识与智慧概念-语义的自然语言及机器语言表述的多维度、多模态、多尺度主-客观内容服务交互中的不确定概念语义识别、主观客观化形式化建模、形式化表述及价值融合处理。面向吴朝晖院士团队倡导的跨界服务智能融合理念以及徐晓飞教授团队提出的“Big Service”整体服务化框架，探索面向科学知识vs.人文情感体验信息融合、个体竞争-群体协作-社会整体发展机制融合、数字治理vs.伦理技术化策略融合、理论规则vs.经验常识融合、整体论vs. 还原论方法融合等的跨界多元认知主客观服务语义交互形式化方法与工程性自动处理策略。

在当今信息化时代，人工智能（AI）在各行各业的广泛应用，带来了前所未有的技术化机遇，同时也面临着众多挑战。这些挑战不仅仅局限于技术层面，更涉及法律、伦理等多个方面。在跨学科的各种自然语言内容资源相关的数据采集、信息抽取、知识汇集与智慧价值融合范畴，特别是基于当前的数据机器学习机制为代表的数据处理机制的可解释性描述问题、人工智能获取的信息服务的可信性知识保障问题以及如何建立基于人类公共价值与福利的可靠乃至负责任的智慧AI服务的挑战，均是当前人工智能技术服务化必须应对的重要问题。

面向AI服务交互与处理的可解释性、可信性与可靠性蕴含的不确定性的概念-语义映射、语义认知溯源与主观客观化形式转换，基于融合认知语言学、信息科学、神经科学、生物社会学、后批判哲学与元科学的“Gene-culture Coevolutionary Theory (Edward O. Wilson)”内容关联框架以及 “Personal Knowledge (Michael Polanyi)” 主客观化认知纲领，系统性结合康德概念转化模式方法、维特根斯坦结构理论、叔本华语言理论、罗素数理等进行不完整、不精确、不一致数据、信息、知识与智慧概念与语义的形式化关联、界定、建模与转换基础机制研究。

 针对服务系统跨界、跨尺度、跨模态融合等阻碍大服务形成及构成服务个体及服务组合交互复杂化过程中与可解释性、可信性与可靠性有关的不确定性问题，段玉聪教授从内容表述概念形式与语义出发，将不做完整性、一致性、精确性、正确性及相互独立假设的可能持续变动与演化的相关目标内容的表述实体或关系映射到服务价值嵌入、经验体系化、本体形式化的数据-信息-知识-智慧(Data-to-Information-to-Knowledge-to-Wisdom, DIKW)等概念模型层面。策略性的将基于AI的服务描述、发现、交互及融合处理中与概念-语义认知及处理相关的不确定性映射到DIKW乃至意图表达与处理的客观语义不完整、不精确、不一致以及主客观语义逻辑的混淆等情形。并提出面向AI服务概念-语义主观客观化的存在范畴语义溯源机制和本质语义对应的语义呈现模态转换机制来构建跨DIKW的AI服务交互和融合不确定性的基础解决机制。

受李静海院士介科学体系中关于微观-介尺度-宏观的复杂性解决思维启发，在梅宏院士团队倡导的软件定义一切(Software Defined Everything)框架下将数字技术发展中解决实际问题和工程技术发展遇到的阻碍内容认知、界定、表述、建模、融合与使用的待溯源到概念-语义澄清类的问题映射到信息科学的介尺度概念范畴。该介尺度概念范畴对应结合宏观范畴的DIKW架构和以知识图谱技术为代表的微观技术域中出现的未被描述但迫切需要表述的概念-语义内容。针对借助该介尺度范畴所标定出的问题环境和内容，进行面向还原论与构建论融合的存在与本质语义范畴概念-语义服务化构思、概念化溯源概念界定的针对性的建模方法设计。从DIKW内容概念-语义溯源、关联、迁移、交互、演化等不确定性揭示概念主观与客观语义的由意图驱动的交互作用机制及不完整、不精确、冗错处理背景下的面向个体竞争与社会综合协作发展的智慧服务交互建模与优化处理基础机制。通过跨DIKW模态概念-语义关联建模与存在语义分析，抽象模态间转化形式机制，构建多尺度双向融合的复杂概念-语义内容表述模型与跨模态处理算法。重点关注介尺度形态内容语义的概念化或关联机制，面向价值导向工程实践背景构建与现有概念基础工程性融合的复杂语义主客观存在性识别、本质一致性度量、再概念化优化的处理实践模式，形成解释与处理概念-语义不确定性的方法体系与评估机制。

段玉聪教授在对DIKW进行形式化的基础上引入容纳表述主观内容的意图概念-语义部分构建跨模态、跨主客观范畴的DIKWP(DIKW+Purpose)架构。面向服务的概念空间-语义空间-认知空间交互与主客观概念-语义融合的不确定性处理，段玉聪教授首次针对认知的主客观化提出了自然语言的概念-语义公理化体系以及兼顾现有概念-语义的工程化解决方案，方法创新主要有4点，包括：

(1) 基于服务描述是主客观融合的，面向连通主客观一体化分析提出并探索DIKW载体上的意图计算与推理机制(Purpose Computation and Reasoning, PUCR)。面向DIKWP的PUCR建模与交互转换，将知识图谱等关联扩展为数据图谱(Data Graph)、信息图谱(Information Graph)、知识图谱(Knowledge Graph)，智慧图谱(Wisdom Graph)和意图图谱(Purpose Graph)-DIKWP图谱化体系。

(2) 面向服务概念-语义的本质溯源与构建，从存在语义层面进行DIKWP概念-语义关联，提出存在计算与推理机制(Existence Computation and Reasoning, EXCR)。EXCR侧重从认知直觉和直觉迁移角度形成概念-语义空间不确定到确定的转换关联构建。

面向这一任务提出EXCR的基础公理-存在语义的守恒公理(Axiom of Conservation of Existence Set, CEX)：在遵从概念-语义对应的类型TYPE/类型实例type, 实例类型INS/实例类型的实例ins对象范畴的一致性(CS)操作（包括推理和计算）过程中本质上的存在语义集合EX 或{ex}只能被组合但不能被否定存在，或者存在语义不会被改变。

CEX:

EX({ex}, CS(TYPE/type, INS/ins))

::=EX({Computation({ex}), Reasoning({ex})}, CS(TYPE/type, INS/ins))

(3) 基于服务需求的概念描述的本质语义映射，将本质语义对应到DIKWP图谱化模型体系的概念-语义跨体系关联呈现，将基于EXCR得到的相关公理集合的解决具体DIKWP问题前的类型语义范畴实例化溯源、表达权衡、表达转换、表达迁移和效率优化抽象为对相关关联论述的存在语义层面的处理，提出并探索面向本质的计算与推理机制(Essence Computation and Reasoning, ESCR)。

对应于类型TYPE和类型实例type与实例类型INS和实例类型的实例ins之间已经假设的任何确定的合理的类型层面关联（包括公理和定理）关联类型ASS(TYPE/type, INS/ins)和关联类型实例ass(TYPE/type, INS/ins)的一致性CS(TYPE/type, INS/ins)，提出对应的语义一致性公理(Axiom of Consistency of Semantics, CS)：只有当特定联系ass(TYPE/type, INS/ins)属于关联类型ASS(TYPE/type, INS/ins )时，具体的关联实例ass(type, ins)才是合理的。

CS:

CS(TYPE/type, INS/ins)

::={ASS(TYPE/type, INS/ins ), ass(TYPE/type, INS/ins)}

(4) 面向语义计算与推理(Semantic Computation and Reasoning, SCR)的完整认知过程处理，提出从语义计算与推理到存在计算与推理+本质计算与推理+意图计算与推理的融合模式：

SCR

::=PUCR+EXCR+ESCR

针对此模式中概念-语义映射与组合提出基础公理-本质集合整体完整性的组合一致性公理(Axiom of Consistency of Compounded Essential Set, CES)与存在语义继承公理(Axiom of Inheritance of Existence Semantics, IHES)：

在遵从CS(TYPE/type, INS/ins)的一致性操作（包括推理和计算）过程中，本质上的存在语义集合EX 或{ex}的某个具体整体ISM(CS(EX))的组合Complex(CS(EX))有多种遵循一致性公理CS(TYPE/type, INS/ins)的表达形态Complex(CS(EX))或Complex(T), 这些表达形态之间具有本质语义上的等价性，或者说它们都可以通过符合CS(TYPE/type, INS/ins)的一致性操作被规约为语义SM(CS(EX))。

CES:

ISM(CS(EX))::=ISM(Complex(CS(EX)))

类型层面的存在语义在纯类型层面的语义处理过程中，对于具有存在语义依赖关系或者语义等价关系的目标A和目标B，例如类型A的存在语义依赖于或等价于类型B的存在语义集合EX(B) 或{ex(b)}，目标A继承或保有目标B的所有存在语义EX(A) 或{ex(a)}。

IHES：

ASS({EXCR(A):=EXCR(B), EXCR(A)=>EXCR(B)})

=>EX(B)=>EX(A)

近五年有代表性的相关工作包括：

1. 主观客观化的公理化体系的理论典型验证与跨界融合

使用基于EXCR与ESCR构建的CS、CEX、CES、IHES等公理体系对欧式空间的点、线、面进行语义空间揭示，进而完成对Four Color Theorem(DOI: 10.13140/RG.2.2.14505.67684、旧DOI: 10.1109/ICCMS.2010.113)的本质语义-存在语义范畴几何模型构建及构造性规约解释，以及对Goldbach's Conjecture(DOI: 10.13140/RG.2.2.23213.77281)和Collatz Conjecture(DOI: 10.13140/RG.2.2.28299.36647, DOI: 10.1109/SERA.2017.7965748)的存在语义-本质语义范畴问题存在性映射、本质建模及认知规约分析。

面向算法设计的优化极限场景的认知主观客观化进行了基于本质语义+哲学奥卡姆剃刀定律(Ockham's Razor)的算法设计方法学设计。并在求中位数的典型设计中取得了T(n) =3n的对应极限的语义认知客观化表述和本质语义驱动设计的算法(DOI: 10.1109/SNPD.2018.8441053)。基于本质语义-存在语义映射、建模与分析的语义驱动模式探索顾隐私保护的智能填表(DOI: 10.1109/SERVICES51467.2021.00032)、面向情感交互的主客观内容转换(DOI: 10.3969/j.issn.0255-8297.2020.05.011)、情感传输协议设计与主动适应优化机制(DOI: 10.1109/SERVICES51467.2021.00031)、面向DIKW的多模态隐私保护方法(CN112818381A、CN113032832A )与跨模态差分隐私保护方法(CN112685772A、CN112307028A、CN112818386A )等，并实验于虚拟社区监管服务等场景。基于海南自贸港数据进出境智能治理的国际化数字资产管理制度创新需求，首次在国内提出融合知情权、参与权与监督权的结合数据技术治理、信息技术治理与法律合规的跨DIKW模态隐私资源保护法律技术化框架(DOI: 10.11896/jsjkx.201000011) 。论文《面向跨模态隐私保护的 AI治理法律技术化框架》获选为《计算机科学》2021年第9期封面论文，并位于技术类论文的全文下载量榜首。

2. 跨模态跨尺度数据、信息、知识与智慧语义图谱化表述

从语言表述层面将跨学科、跨领域、跨案例的语义融合问题形式上映射到概念-语义表述融合和语义本质内容融合两个层面，并从语义认知融合角度将这些概念-语义表述的认知融合转换为对这些表述的DIKWP主观认知语义与客观认知语义的融合。面向大规模的概念-语义表述模糊与混杂的语义内容融合，特别是语义内容有时效性并且持续演化的融合场景，基于EXCR存在语义跨DIKW模态融合构建本质语义的关系定义一切语义建模模型(Relationship Defined Everything of Semantics, RDXS)(DOI: 10.1109/SNPD.2019.8935728, DOI: 10.1109/SNPD.2019.8935653, DOI: 10.1109/SNPD.2019.8935701)。基于RDXS对AI服务从对需求语义到学习样本标记中难以或无法客观描述的内容(DOI: 10.1109/SNPD.2019.8935653)包括模式(Pattern)、框架(Framework)、架构(Architecture)、风格(Style)、特征(Feature)、结构(Structure)等概念结合认识论与本体论提供了认知语义溯源与语义形式化区分(DOI: 10.1109/SNPD.2019.8935653)。

面向概念-语义主客观融合从包括自然语言文字描述、数据记录、关系型数据库、对象模型、数据图谱、知识图谱、语义网络、知识规则、经验表述等形式化、部分形式化的混合表述语义中抽象并提出DIKW图谱化体系-DIKW Graphs:Data Graph、Information Graph、Knowledge Graph、Wisdom Graph(DOI: 10.1109/SERA.2017.7965747, 据IEEEXplore 统计已被下载约1.5万次)。该体系相对通常的数据图谱和知识图谱等表达能力更强，支持在DIKW数据图谱上的继承关系、多维频度跨量纲计算与概率推理等，及在DIKW信息图谱上的行为、使用等关系递推抽象，包括对蕴含关系、比较关系、操作可达性判定等。通过将内容描述性和可执行性矛盾目标的EXCR存在语义与ESCR本质语义关联，DIKW Graphs支持多模态范畴更完整的概念-语义建模与处理。

 3. 基于存在语义的主客观化与面向本质语义的融合计算与推理

跨DIKW数据、DIKW信息与DIKW知识表达模态的语义搜索，扩大了单一DIKW模态下的语义目标搜索空间。部分相同目标表述本质语义内容可以DIKW Graphs的超过一种图谱进行等价可互换表述，这为存储、传输、运算的转换提供了灵活性，例如部分常用数据、信息可以被存储而不用重新经过知识推理得到以节省重复处理代价，而部分不常用数据集则可以被分析为信息或抽象为知识规则来节省存储代价。对应的段玉聪教授依据EXCR与ESCR机制设计了DIKW Graphs的元模型(DOI: 10.1109/ACCESS.2019.2931365)、DIKWP模态间转换范式“Data+Purpose=>Information”/“Information-Purpose=>Data”等及混合数值计算、逻辑推理与概率统计的融合规则(DOI: 10.1007/978-3-030-78303-7_3)。利用本质相同的语义内容以不同模态DIKW Graphs呈现的分布拓扑差异、存储空间大小差异、搜索代价差异、转化难度不对称，设计了面向云计算-雾计算-边缘计算结合的软件定义的存储-传输-计算-推理一体化的优化策略(DOI: 1007-130X(2018)08-1383-07)及代价不对称和多样性驱动的负载均衡方法(DOI:10.1007/s11276-019-02200-6, DOI:10.1155/2018/3794175)、可信服务发现(DOI:10.1142/S0218194021400015)、类型化隐私保护方法(DOI:10.3778/j.issn.1673-9418.1810016, DOI:CNKI:SUN:BJYD.0.2019-04-019)、非确定不保真复杂资源环境的正反双向动态平衡搜索服务(DOI:CNKI:SUN:XXWX.0.2019-01-035)、个性化多模态学习路径推荐服务(DOI: 10.3778/j.issn.1673-9418.1712057 )等。

基于EXCR与ESCR构建的CS、CEX、CES、IHES等公理体系将自然语言混合形态的目标语义表达载体的基本元素分类映射到DIKW模型，并进而进行DIKW图谱化的解决策略能够相对于以数据机器学习为代表的弱AI，更直接的对接对资源不做完整性、一致性、精确性、正确性及相互独立假设的强AI处理的输入和输出要求。进而减少了由于要引入相关假设而伴随的主客观概念-语义不确定性增长等风险，另外直接先DIKW模态转换相对于对资源进行先模态内操作后跨模态操作的处理模式通常可以减少抽象处理环节，这两方面都有助于缩短问题输入与处理结果之间的认知距离与计算推理距离。这种解决策略对期待输出结果为非精确度度、正确性、处理时限单维度期待值确定的情形更有效。

4. 跨学科、跨模态、跨尺度DIKW服务化发明创造方法创新

响应国家加强基础研究发展新的科研模式号召，面向多行业多领域创新结合自贸港重点发展方向与地域特色拓展应用，依据段玉聪教授与IBM Watson研究中心、金蝶软件集团、Ericsson 研究院等共同提出的一切皆服务(Everything as a service, XaaS )模型(DOI: 10.1109/CLOUD.2015.88)，开展DIKWP针对内容的多模态表达、建模、转化、融合和处理优化方面的多行业多领域XaaS创新实践。

面向海南自由贸易港创新引领科技发展在跨境数字资产管理、智慧城市建设、医疗康养等领域的对系统化原创类科技的迫切需求，基于跨界服务化背景下物理与数字资源双向全交互过程的多维度、多模态、多尺度的实践，进行理论抽象、问题本质识别、问题转化和具体技术泛化，形成以概念-语义不确定性界定和分析为核心的复杂内容处理和优化策略，工程性将混合模态的表达映射到DIKW类型化元素及图结构，面向客观语义缺失、精确度不符、不一致、表述冗余、主客观语义混淆的非数据机器学习通用AI场景，提出了意图驱动的面向DIKW融合的发明创造方法: DIKWP-TRIZ。依托该方法从概念-语义溯源范畴进行体系化变革性创新探索研究与实践，从基础创新层面支撑海南自由贸易港建设可持续发展。基于多模态DIKW内容资源表达、多模态间转换的处理、计算、存储、传输资源不对称性，进行了面向概念语义模糊、不精确、缺失、建模与处理效率提升的一系列跨界、跨学科以工程实践关联概念族语义形式化方法和技术为基础的技术发明创新实践。自2017年5月以来，段玉聪教授面向多行业、多领域设计了面向概念语义模糊、不精确、缺失、传输、建模与处理效率提升的241件 (见链接：http://www.yucongduan.org/patents.html，其中190余件已提前公开，15件PCT发明专利，4件已分别进入美国、加拿大、澳大利亚、日本的国家阶段)系列化中国国家及国际发明专利。自2019年7月以来，段玉聪教授连续保持海南省第一发明人发明专利年度授权量年度第一，已获授权第一发明人中国国家发明专利63件，按第三方截至2021年10月初的数字，段玉聪教授当前授权中国国家发明专利占比海南省属地有效发明专利总量4940件超过1.3%，近3年贡献率超过6%；占比海南大学有效发明专利总量499件超过13%，近3年贡献率超过22%。在信息技术类(G06或H04)段玉聪教授近3年有效授权发明专利占比海南省属地有效发明专利总量超过11%，贡献率超过33%。据第三方专业检索报告，截至2020年11月段玉聪教授在数据图谱领域的专利申请和授权量均位居全国首位，被科技日报以“海南大学数据图谱领域专利科研成果位居全国前列”进行报道。至2021年12月，段玉聪教授以48件(8件知识融合+40件知识计算与应用)相关发明专利使海南大学以国内高校首位位列知识图谱技术专利段玉聪教授排名全球第15位。

逐步形成具有明显创新性和突出优势的较为完善的DIKW图谱化建模与处理理论体系和技术方法。2016年段玉聪教授第三参与的“智慧服务关键技术研究及应用”项目获得海南省科技进步二等奖1项。2019年段玉聪教授第一批入选海南省南海名家与领军人才。通过DIKW图谱化技术研究成果与IBM、阿里巴巴、爱立信(印度)、海南省气象局、海南省地质局、崖州湾科技城管理局、海口市信息中心、海南省第一戒毒所、海南省妇幼保健院等广泛产学研合作，并牵头完成国家知识产权局“海南航天航空大数据的高价值专利组合”与“智慧城市建设高价值专利组合(专利池)-跨模态多维度智慧处理与优化高价值专利组合”等多个服务地方科技创新专项。并获得人民网、科技日报、新华社、光明日报、海南日报、海南新闻联播等国内及海南主流媒体报道。

 2020年牵头10余家海南互联网骨干企业组成的“面向数据、信息、知识、技术融合的互联网创新团队”入选海南省委双百人才团队。2020年经海南省科协举办的全省选拔赛，DIKWP-TRIZ方法以“面向体系化AI发明创造的DIKW图谱化扩展及应用”获得海南省唯一代表资格参加中国科协、科技部主办的中国创新方法大赛决赛，并显著提升海南省占比排名。2020年第一完成人项目 “DIKW图谱化扩展及建模处理”获吴文俊人工智能技术发明三等奖，被海南日报等报道“海南省在人工智能领域的突破”。2021年作为第一完成人由海南大学推荐申请海南省技术发明一等奖。

DIKW图谱化服务化工作受到国际学术界高度重视，在ER模型创立者Peter Chen教授 (IEEE Fellow、ACM Fellow)、Carl Chang教授(IEEE Fellow、ACM Fellow)等领衔指导下自2019年连续三年在国际服务计算顶会成功举办DIKW图谱化服务专题论坛：2019 IEEE International Workshop on Knowledge Graph as a Service、2020 IEEE Workshop on Knowledge Networks 和2021 IEEE International Workshop on Data, Information, Knowledge and Wisdom Networks，段玉聪教授任共同程序委员会主席。2021年段玉聪教授独立发起并与海南省科学技术协会等共办首届国际数据、信息、知识与智慧大会(2021 IEEE Data, Information, Knowledge and Wisdom Conference, IEEE DIKW 2021)，汇聚20余国家/地区超百位DIKW专家学者，被多家媒体报道为海南本土发起的首次国际技术大会。

基于在DIKWP创新方法的政产学研链式融合，段玉聪教授受聘海南省发明协会副会长、海南省知识产权协会副会长、海南省海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等。多次受邀在海南多所高校、科研院所、政府机构宣讲DIKW服务创新。2020年新冠疫情期面向社会无偿志愿捐赠防疫抗疫专利技术与解决方案。为激发自贸港各行各业全链条创新潜力，2021年10月在海南省科学技术协会协会年会及海口市创新联盟成立会议分别宣布5年内向100余家行业协会捐赠5•100共计500件发明创新方案，及向各个众创空间/龙头企业每年援助3件DIKW创新方案。近5年国内外期刊发表相关论文50余篇，5篇入选ESI高被引，Google学术统计被55个国家或地区新增引用超2000次。成果被用于商务部“一带一路”20余国培训，提升了海南自贸港创新国际影响力。

References:

(1) Yucong Duan: Towards a Periodic Table of conceptualization and formalization on State, Style, Structure, Pattern, Framework, Architecture, Service and so on. SNPD 2019: 133-138

(2) Yucong Duan: Existence Computation: Revelation on Entity vs. Relationship for Relationship Defined Everything of Semantics. SNPD 2019: 139-144

(3) Yucong Duan: Applications of Relationship Defined Everything of Semantics on Existence Computation. SNPD 2019: 184-189

(4) Yucong Duan, Xiaobing Sun, Haoyang Che, Chunjie Cao, Zhao Li, Xiaoxian Yang: Modeling Data, Information and Knowledge for Security Protection of Hybrid IoT and Edge Resources. IEEE Access 7: 99161-99176 (2019)

(5) 段玉聪等, 跨界、跨 DIKW 模态、介尺度内容主客观语义融合建模与处理研究. 中国科技成果，2021年8月498期，45-48.

(6) Y. Duan, "Semantic Oriented Algorithm Design: A Case of Median Selection," 2018 19th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD), 2018, pp. 307-311, doi: 10.1109/SNPD.2018.8441053.

(7) Y. Duan, "A Constructive Semantics Revelation for Applying the Four Color Problem on Modeling," 2010 Second International Conference on Computer Modeling and Simulation, 2010, pp. 146-150, doi: 10.1109/ICCMS.2010.113.

(8) Yucong Duan, A dualism based semantics formalization mechanism for model driven engineering, IJSSCI, vol. 1, no. 4, pp. 90-110, 2009.

(9) Yucong Duan, "Efficiency from Formalization: An Initial Case Study on Archi3D" in Studies of Computing Intelligence, Springer, 2009.

(10) Yucong Duan, "Creation Ontology with Completeness for Identification of 3D Architectural Objects" in ICCTD, IEEE CS press, pp. 447-455, 2009.

(11) Y. Huang and Y. Duan, "Towards Purpose Driven Content Interaction Modeling and Processing based on DIKW," 2021 IEEE World Congress on Services (SERVICES), 2021, pp. 27-32, doi: 10.1109/SERVICES51467.2021.00032.

(12) T. Hu and Y. Duan, "Modeling and Measuring for Emotion Communication based on DIKW," 2021 IEEE World Congress on Services (SERVICES), 2021, pp. 21-26, doi: 10.1109/SERVICES51467.2021.00031.

(13) Duan Yucong, Christophe Cruz. Formalizing Semantic of Natural Language through Conceptualization from Existence. International Journal of Innovation, anagement and Technology, 2011, 2 (1), p. 37-42, ISSN: 2010-0248. ffhal-00625002

(14) Y. Duan, "A stochastic revelation on the deterministic morphological change of 3x+1," 2017 IEEE 15th International Conference on Software Engineering Research, Management and Applications (SERA), 2017, pp. 333-338, doi: 10.1109/SERA.2017.7965748.

(15) Yucong Duan, The end of "Objective" mathematics as a return to "Subjective". February 2022.DOI: 10.13140/RG.2.2.36171.87841.https://www.researchgate.net/publication/358 607773_The_end_of_Objective _mathematics_as_a_return_to_Subjective/stats

(16) Yucong Duan, Existence Computation and Reasoning(EXCR) and Essence Computation and Reasoning(ESCR) based revelation of the semantics of point, line and plane. February 2022. https://www.researchgate.net/publication/358608122_Existence_Computatio n_and_ReasoningEXCR_and_Essence_Computation_and_ReasoningESCR_base d_revelation_of_the_semantics_of_point_line_and_plane

(17) Yucong Duan, Existence Computation and Reasoning(EXCR) and Essence Computation and Reasoning(ESCR) based Revelation of the Four Color Theorem. February 2022. https://www.researchgate.net/publication/358608147_Existence_Computatio n_and_ReasoningEXCR_and_Essence_Computation_and_ReasoningESCR_base d_Revelation_of_the_Four_Color_Theorem

(18) Yucong Duan, Existence Computation and Reasoning(EXCR) and Essence Computation and Reasoning(ESCR) based Revelation of the Goldbach's conjecture. February 2022. https://www.researchgate.net/publication/358637942_Existence_Computation_and_ReasoningEXCR_and_Essence_Computation_and_ReasoningESCR_based_Revelation_of_the_Goldbach's_conjecture

(19) Yucong Duan, Identifying Objective True/False from Subjective Yes/No Semantic based on OWA and CWA. July 2013. Journal of Computers 8(7)DOI: 10.4304/jcp.8.7.1847-1852.https://www.researchgate.net/publication/276240420_Identifying_Objective_ TrueFalse_from_Subjective_YesNo_Semantic_based_on_OWA_and_CWA/citations

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼北京信用学会高级顾问、重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、海南省人工智能学会高级顾问、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

 信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

 知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

 智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

 意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。