本文探讨了“知识萃取”这一概念的英文翻译问题，分析了“Knowledge Elicitation”和“Knowledge Extraction”的不同含义及适用场景，并提出了“Knowledge Distillation”的可能性。
关于"知识萃取"这一重要概念，在英文中可以翻译为"knowledge elicitation"或"knowledge extraction"。那么到底使用哪一个更好呢？
前言
在最近一次国家标准研讨会上，专家委员们就《知识萃取》标准中的术语翻译展开了激烈的讨论。他们对如何将"知识萃取"这一概念准确地表达出来产生了分歧。
关于"知识萃取"这个重要概念，在英文中可以翻译为"knowledge elicitation"或者"knowledge extraction"，到底使用哪一个更好呢？
01 Knowledge Elicitation
支持将"知识萃取"译为“Knowledge Elicitation”的专家们提出了以下理由：
- 英文中的"elicitation"一词意指“引出、启发、抽出、诱出”等。如果与“knowledge”组合，通常指的是从人类专家或经验丰富的个体中获取隐性知识的过程。
- 隐性知识（即"implicit knowledge"）并未被明确记录或揭示，而将隐性知识显性化的过程，就是"Knowledge Elicitation"。
- 隐性知识（即"implicit knowledge"）并未被明确记录或揭示，而将隐性知识显性化的过程，就是"Knowledge Elicitation"。
因此，“Knowledge Elicitation”更准确地表达了“隐性知识显性化”这一过程。这个过程通常通过对话、提问等方式进行提炼和萃取。
02 Knowledge Extraction
支持将"知识萃取"译为“Knowledge Extraction”的专家们也有他们的理由：
- 英文中的"extraction"一词意指“取出、抽出、拔出”等。如果与“knowledge”组合，通常指的是从结构化或非结构化数据中提取信息和知识的技术过程。
- 例如，在机器学习和自然语言处理领域，“feature extraction”常被用来描述从图像或其他数据中提取特征的过程。
- 例如，在机器学习和自然语言处理领域，“feature extraction”常被用来描述从图像或其他数据中提取特征的过程。
因此，“Knowledge Extraction”更准确地表达了“显性知识规范化”这一过程。这种方法通常在数据挖掘、模式识别等领域广泛应用，尤其是在涉及文本、数据库或图像等原始数据时。
总结
如果我们讨论的是从人类专家中挖掘隐性经验的过程，那么使用"Knowledge Elicitation"可能更合适一些；如果讨论的是通过算法从大量数据中提取信息和模式，则使用"Knowledge Extraction"可能更加贴切。
在翻译"知识萃取"时，我们需要反映出这两个层面的含义：隐性知识显性化（Elicitation）和显性知识规范化（Extraction）。那么是否有更好的词汇来表达这一概念呢？
例如，“distill”一词意指“蒸馏、提炼、净化”，是否可以使用“Knowledge Distillation”来对应“知识萃取”的英文翻译？
这种情况下，"Knowledge Distillation = Knowledge Elicitation + Knowledge Extraction"也是一个不错的选择。
💛 🧡 Baklib 是一个统一的内容中台平台，可提供更好的数字体验。为了满足现代参与日益增长的需求，您需要一个现代的内容管理系统。使用 Baklib 解决渠道扩散、本地化、个性化等问题。Baklib 由三个主要组件组成：Baklib 知识库可以根据团队的需求量身定制内容工作区，内置他们期望的所有可视化文档管理工具。Baklib 资源库则是一个无需操作的存储和分发层，可同步内容和数据，供整个组织的团队使用。其精确的查询语言支持在任何地方重复使用内容。Baklib 应用库的模板和 API 旨在帮助开发人员蓬勃发展。它们与现有的 CI/CD 工作流程无缝集成，支持编程模式编码，并提供实时双向同步。
Baklib 不断升级其产品，鼓励反馈并倾听最终用户的意见。支持一直很好 - 我们已联系过几位客户服务代表，他们都很博学。我的团队或我们在平台上培训的任何人都可以轻松掌握该软件 - 过程并不复杂。我和我的团队整天都在使用 Baklib ，并且一直在寻找改进流程的方法。
提交反馈
博客
