面向企業技術創新風險管理的本體構建及應用探索*

宋姍姍 鐘永恒 劉佳 劉盼盼

（1. 中國科學院武漢文獻情報中心，武漢 430071；2. 中國科學院大學信息資源管理系，北京 100190；3. 科技大數據湖北省重點實驗室，武漢 430071）

企業作為經濟社會發展的核心主體和國家創新體系最活躍的組成部分，其技術創新能力對于實現科技成果轉化、促進產業轉型升級、推動經濟高質量發展以及支撐國家科技自立自強至關重要[1]，也在一定程度上塑造了企業在市場競爭中的優勢地位，是企業生存的重要基礎和持續發展的動力源泉。然而，技術創新作為一項高投入、長周期、低成功率的事業，具有機會與風險共生的特征，企業的技術創新進程也面臨著一系列不穩定因素和未知風險，極易影響并阻礙企業的可持續發展[2]。由此可以斷定，企業技術創新成敗與對相關風險的管理水平密切相關，科學研判風險信息并由此建立全面的技術創新風險管理體系尤為關鍵。大數據環境下，風險信息是融合了不同來源與時空、不同結構與類型的復雜數據體系，如何有效組織融合這些多源異構、海量動態的風險大數據資源，從中獲取和挖掘有價值的技術創新風險知識，從而支撐企業技術創新的前瞻決策便成為了值得關注的話題。

語義網的發展和知識組織技術的成熟為解決復雜的數據體系問題帶來了新的轉機，本體、關聯數據、知識圖譜等方法能夠對大量非結構化的風險信息進行組織、重構和開發，為搭建更為科學、智能的風險管理模型與預警系統提供保障[3]。本體目前仍是語義網研究的熱點，作為一種知識管理方法，本體在解決語義異構問題、實現數據集成和系統的互操作、促進知識表示與關聯關系揭示等方面具有巨大的應用潛力。近年來基于本體的風險研究快速發展，且金融、應急、建筑、產業、環境等領域的風險管理實踐取得了大量成果。為此，本文擬面向企業技術創新風險管理領域，一方面采用本體方法對相關文本資源進行概念抽取、科學表征與整合關聯，促進領域知識集成、重用與共享；另一方面，探索該領域本體的實踐應用價值，通過本體知識庫的知識推理與發現功能，輔助企業精準識別和有效防范技術創新風險，提升企業的風險預警能力和智能化決策水平。

1 相關研究及理論基礎

1.1 技術創新風險概念

技術創新概念是從20世紀50年代開始逐步從熊彼特創新理論中分化出來的，國內外眾多學者基于不同的研究視角，賦予其不同的內涵。Freeman[4]從目的論角度，定義技術創新為“新產品、新過程、新系統和新服務的首次商業性轉化”；Solow[5]從過程論角度，首倡技術創新“兩步論”，即新思想的來源和以后各階段的發展；傅家驥等[6]從系統論出發，提出“技術創新是包括科技、組織、商業和金融等一系列活動的綜合行為”。本研究采用了系統論的觀點。

基于此，學界對技術創新風險也形成了不同維度的概念釋義，普遍認可的觀點從風險來源角度出發，即技術創新的不確定性。謝科范[7]提出技術創新風險是“外部環境的不確定性、項目本身的難度與復雜性，以及企業自身能力的有限性所導致企業技術創新活動中止、撤銷、失敗或達不到預期經濟技術指標的可能性”，并進一步將風險因素歸納為內部（技術、人才、資金和管理等風險）和外部（市場、政策等風險）兩個層級。吳濤[8]認為技術創新風險定義至少應包含技術創新主體（企業）、客體（項目）與過程3個要素，且技術創新作為“設想→原型→中試→批量生產→市場化”的鏈狀過程，相關風險也貫穿其中。也有研究從調查決策、技術開發、市場營銷3個階段出發進行技術創新風險研究[9]，并結合技術創新風險因素開展矩陣分析[8]。綜上，本研究將技術創新風險定義為：外部環境的不確定性、項目的復雜性以及企業自身能力的有限性導致的技術創新活動偏離預期目標的可能性及其損失。

1.2 風險管理理論

迄今為止，學術界對風險的定義仍沒有定論，但“風險源于某種不確定性”這一認知已經被多個學科領域認可。而不確定性對目標可能會帶來雙向影響，所以也有研究將風險定義為“可能帶來損失的事件或者環境”，即認為風險就是損失[10]。一般來說，風險因素、風險事件和風險損失構成了風險統一體，且三者之間存在一定的因果聯系，即風險因素引發了風險事件，從而導致一系列風險損失。同時風險還具傳染和非線性特征，即某一風險事件也可能會次生其他類型風險，所導致的風險損失也可能會產生新的風險因素，呈現出原生風險與次生風險的復合疊加效果，如圖1所示。

圖1 風險的構成要素及影響關系

風險管理理論的主要研究內容為風險產生特征及防控原理，全面風險管理是該理論發展的高級形式，強調“全過程”“全因素”“全員”和“全措施”的核心理念[11]。2006年《中央企業全面風險管理指引》提出初始信息收集、風險識別、風險策略制定、風險解決方案實施、風險管理的監督與改進是風險管理活動的5個實質性階段[12]，2017年美國COSO委員會（Committee of Sponsoring Organizations of the Treadway Commission）發布的《企業風險管理——整合戰略與績效》（Enterprise Risk Management：Integrating with Strategy and Performance）明確了全面風險管理的五大要素：治理與文化、戰略與目標設定、績效、審查與修訂、信息溝通與報告[13]?？偠灾?，該理論的核心概念與流程框架可以為企業技術創新風險管理本體設計提供復用知識，同時還需關注風險的動態性和情景性特征，以便發揮本體模型的科學指導價值。

1.3 企業風險本體構建的相關研究

本體源于哲學領域，特指客觀事物存在的本原，后在20世紀80年代引入信息科學和知識工程領域，用于描述“共享概念體系明確的、形式化的歸約”。領域本體作為本體的重要類型之一，側重于特定領域的共性知識描述，適用于知識參考體系以及知識復用框架的構建，典型構建方法有七步法、骨架法、TOVE法、KACTUS法、METHONTOLOGY法等。

已有企業風險領域的本體建模工作對本研究具有重要的參考價值。Peng等[14]基于大規模文獻識別了企業在實施ERP（Enterprise Resource Planning）系統后的潛在風險，設計了業務風險、運營風險、組織風險和技術創新風險4個層面的風險本體；Tserng等[15]基于項目生命周期開發了項目風險本體，提取了在風險計劃制定、風險識別、風險分析、風險響應和風險防控等階段的重要概念；江小燕等[16]定義PPP（Public-Private Partnership）項目風險本體類涉及項目模式、風險類型、風險源、風險發生階段、風險承擔方、風險管理措施和風險后果。此外，風險還具有顯著的情景相關性，因此也有研究從大量的風險事件案例入手實施本體建模：Yang等[17]通過設置企業基本信息、經營狀況、相關人員和歷史風險的資源描述框架，構建了面向風險事件的動態企業風險圖譜；謝忠局等[18]將金融科技業務風險本體總結為4個超類，即風險特征、風險信息、風險等級和時期；劉政昊等[19]應用事理知識圖譜構建了事件引發類型、事件演化周期、事件應急管理等金融突發事件類的結構層次；楊波等[20]提出企業風險領域本體知識庫應包含風險事件、風險傳播、風險類型、時間維度、空間維度和風險預防6個頂層概念。從現有研究來看，學界在企業風險本體構建方面已經積累一定的研究基礎，但鮮有文獻直接討論技術創新風險這一主題。因此，本研究將在借鑒相關研究的基礎上，聚焦企業技術創新風險管理實踐，開展領域本體建模工作。

2 企業技術創新風險管理本體構建

遵循Gruber[21]提出的5項本體構建原則（明確性、一致性、可擴展性、最小承諾原則、最小編碼偏差）開展面向企業技術創新風險管理的本體構建工作，并將其作為本體評價的主要參考標準，進而運用七步法實施構建活動。七步法是一種基于Protégé工具的本體構建方法，Protégé主要通過構建類、屬性和實例來反映本體的類屬結構，其應用已較為廣泛和成熟。另外，企業技術創新基本等同于多個技術創新項目的集合[22]，因此技術創新項目管理活動貫穿本體構建的全過程，而且領域專家智慧也至關重要，人機協同模式可以使本體獲得更好的應用效果[23]。最終設計的企業技術創新風險管理本體構建流程如圖2所示。

圖2 企業技術創新風險管理本體構建流程

2.1 確定本體領域與范疇

依據本體構建過程，首先需要開展需求分析，確定本體領域與范疇。企業技術創新具有巨大的不確定性，傳統單純憑借人員經驗知識來識別創新項目是否存在風險的方法存在數據收集效率低下、標準難以統一、對潛在風險把控不精準等問題。而且，目前的企業風險管理系統大多基于靜態文本知識表示，系統功能也主要依托項目管理流程設計，忽視了非結構化的風險信息和動態風險事件的決策輔助作用，難以滿足大數據環境下企業的技術創新風險管理需求。

本體模型面向企業技術創新風險管理領域，覆蓋領域中的各種知識要素及其關系，主要目的在于利用科學模型指導企業開展技術創新風險管理活動，從語義層面對領域概念及其關聯關系進行形式化說明，為知識在更多主體、組織、系統間的共享奠定基礎[3]。同時，充分挖掘企業技術創新風險管理需求，對企業是否存在潛在技術創新風險行為進行識別與預判，規范企業技術創新風險管理體系設計，為企業相關管理人員提供循證式的風險決策支撐。

2.2 復用現有本體

由于企業技術創新風險本質上是多個風險事件的集合，在復用ABC本體模型、簡單事件模型（SEM）的基礎上，還借鑒了陳曉軍等[24]、楊波等[20，25]提出的企業風險知識圖譜的資源描述框架，得出本體模型的公共部分。ABC本體模型作為一種通用的事件本體模型，描述了時象類（Temporality）、具象類（Actuality）、抽象類（Abstraction）、地點類（Place）、時間類（Time）5個概念，以及事件類（Event）、狀態類（Situation）、動作類（Action）、媒介類（Agent）等子概念之間的關系，具有概念清晰、輕量化、通用性好等優點[26]。SEM從事件的五要素出發，創建了事件與人物、時間和地點之間的關聯，互操作性與靈活性較高[27]。通過復用上述模型可以為企業技術創新風險管理領域的本體構建提供結構化的表示形式，促進其與同領域內本體之間的知識互聯與交互映射。

2.3 抽取領域核心概念

為了更好地擴充本體模型與表達領域知識結構特點，從多源異構的信息資源出發，廣泛收集現有企業技術創新風險管理領域知識，用來抽取核心概念和梳理專業詞匯，并將其對應到上述模型之中，對于無法匹配的概念則考慮在本體模型中添加新的類。

面向企業技術創新風險管理領域，選擇了相關學術論文、科技政策、科創板企業招股說明書和年報等為信息源，借鑒梁娜等[28]提出的基于三重維度的企業風險信息抽取方法，采用改進的jieba分詞工具等挖掘概念要素，并基于STKOS超級科技詞表中的科技術語進行資源補充，以此獲取領域概念集合及其屬性關系。同時廣泛收集相關風險事件的新聞報道、企業風險案例、技術創新項目風險評估報告和應急預案等，將深度學習方法的BiLSTM-CRF模型用于概念抽取任務，形成可復用的技術創新風險語料庫。為保證知識的有效共享，結合相似度計算和人工校對方式進行實體消歧，確定本體中的核心概念。在繼承ABC本體模型的基礎上，對領域概念抽取結果進行了大致歸類。部分概念抽取結果如表1所示。

表1 領域概念抽取結果（部分）

2.4 定義類及類的層次結構

基于風險管理理論涉及的關鍵概念和定義名稱以及所抽取的領域核心概念清單，擴展ABC本體模型，實現對企業技術創新風險信息的概念化描述。在風險管理框架和領域專家的指導下，確定類的規范化表示和層次結構，最終創建了企業技術創新風險管理本體模型的8個超類和相應子類，如圖3所示。

圖3 企業技術創新風險管理本體模型的類及類的層級結構

（1）技術創新主體（Enterprise）：ABC本體Actuality的子類Agent。企業是技術創新主體，依據其在年報“公司簡介”中的信息披露格式，設置了基本情況、人員隊伍、主營業務3個子類。

（2）技術創新項目（Project）：由ABC本體的Actuality拓展而來。依照國家稅務總局對企業研發項目類型的描述，企業的技術創新項目既可以是自主研發形式，也可以是委托研發、合作研發、集中研發以及以上方式的組合形式[29]。其中，自主研發形式面臨的風險最大，但企業可以掌握整個技術創新活動的主導權，且擁有創新成果的完整知識產權。

（3）技術創新活動（Activity）：由ABC本體的Actuality拓展而來。從過程論視角考察企業技術創新活動，可以將其劃分為研究決策、技術開發、產品測試、生產制造和市場營銷5個階段，這是企業研發成果價值不斷提升的過程，且失敗率在各活動階段不盡相同。

（4）技術創新風險因素（Risk factor）：由ABC本體的Actuality拓展而來。風險因素引起或增加風險事件發生可能性或提升損失程度。根據技術創新風險的普遍定義可知，企業技術創新風險有技術、財務、人力、生產、管理、市場、政策7個類型，具體表現形式如技術成熟度低、項目資金不足、技術人才流失、難以批量生產、管理者經驗不足等，如表2所示。

表2 企業技術創新風險因素及其表現形式

（5）技術創新風險事件（Risk event）：ABC本體Temporality的子類Event。風險事件是使潛在的風險因素轉化為現實損失的條件，是風險因素與風險損失之間的橋梁。結合SEM和風險的情景特征，界定技術創新風險事件的關鍵在于對其時間維度、主體維度、情境維度、傳播維度信息的描述[20]。

（6）技術創新風險損失（Risk impact）：ABC本體Temporality的子類Situation。技術創新風險事件與風險損失是一對多的關系，即一個風險事件可能導致多個損失結果，具體以“名詞+動詞”形式描述。技術創新風險事件帶來的損失可分為直接損失和間接損失兩種：直接損失是實質損失，例如項目終止、項目經費損失、人力成本浪費等；間接損失是派生損失，例如責任損失、口碑下降、市場競爭優勢減弱、營業業績下滑等。

（7）技術創新風險等級（Risk level）：由ABC本體Abstraction拓展而來。一般依據風險發生概率（不太可能、偶然、可能、很可能）和損失程度（一般、較大、重大、特大）綜合判定風險等級，依據風險矩陣的不同組合，可以將技術創新風險等級歸納為低、中、較高、極高4個子類。

（8）技術創新風險防范策略（Prevention measure）：ABC本體Temporality的子類Action。對應技術創新風險的三維防范體系[11]，可將風險防范策略概括為主體防范、社會分攤和政府防護，且每個策略又涉及了一系列的具體防范措施，可采用“動詞＋名詞”的形式表示，例如增強風險意識、引進風險投資、購買科技保險、申請專利保護等。

2.5 定義類的屬性及屬性分面

屬性是本體表達語義的關鍵，其不僅可以對類的各方面情況作出詳細說明，還可以揭示類與類之間錯綜復雜的語義關聯，使本體模型更具系統性和結構性。Protégé工具將屬性劃分為對象型和數據型兩種。鑒于此，定義的企業技術創新風險管理本體模型主要屬性如圖4所示。

圖4 企業技術創新風險管理本體模型的類的屬性定義

（1）數據屬性表示的是類和數據之間的數值關系，是對類的詳細信息描述。以技術創新主體為例，其基本情況維度的數據屬性包括企業證券代碼、名稱、注冊時間、所在地，人員隊伍維度的數據屬性包括員工規模、研發人員規模，主營業務維度的數據屬性包括行業類別、研發技術及產品，其中行業類別參照中國證監會發布的《上市公司行業分類指引》劃分[30]。對于技術創新風險事件，時間維度的數據屬性為開始時間、結束時間、持續時間，主體維度的數據屬性為影響群體，情境維度的數據屬性為事件描述、項目信息、活動信息，傳播維度的數據屬性為風險來源等。

（2）對象屬性表示的是兩個類之間顯性和隱性的語義關聯關系。例如：企業作為技術創新項目的責任主體可用“in_charge_of”表示，技術創新項目包含技術創新活動可以用“has_activity”來表達，技術創新活動和技術創新風險損失中存在的風險因素可以表示為“has_factor”，風險因素引發風險事件導致風險損失這一過程可以分別用“cause_risk”和“has_impact”連接，針對風險事件采取相應的防范策略則可以表示為“has_measure”。

屬性分面定義即是對屬性的性質和特征的說明，包含值類型、容許的值、基數數量等，一個屬性可能會擁有多個分面特征。Protégé工具提供的屬性類型包括字符型、時間型、數值型、布爾型等。以技術創新主體為例，其名稱和行業類別的取值類型為字符型、注冊時間和員工規模為數字型。而在描述技術創新風險等級時，發生概率和損失程度通常會有固定的多個類別，因此需要在容許的值和基數數量中進行設置。

2.6 創建本體實例

為實現對企業技術創新風險領域知識的有效揭示，在本體模型基礎上添加實例，通過可視化的方式展示企業技術創新風險管理本體模型的應用情況，同時檢驗模型中是否存在語義沖突或矛盾的知識。選取2021年“百奧泰研發ADC藥物失敗”這一案例，首先大量獲取該事件發生后企業官網和各新聞網站發布的相關報道，創建實例集；然后對這些非結構化文本進行信息標注與抽取，并將結果整合到所構建的本體類之中；最后利用Protégé工具開展本體實例化，共形成了80個實例，且經Protégé推理機檢驗得到該模型并無邏輯錯誤，實例可視化結果見圖5。

圖5 企業技術創新風險管理本體模型的實例表示（部分）

百奧泰是一家以創新藥和生物類似藥研發為核心的創新型生物制藥企業。2021年，百奧泰披露抗腫瘤新藥BAT8001的三期臨床主要療效指標未達到預設的優效目標，決定終止該項目的臨床試驗，此后又宣布終止新藥BAT8003和BAT1306的臨床開發。披露信息顯示，上述項目累計投入超過3.36億元，研發失敗對公司的核心競爭力、日常經營和資金募集都產生了一定負面影響，失敗原因在于市場存在同質化競爭的進度風險以及企業自身戰略布局存在缺陷[31]。與此同時，百奧泰長期獲得政府研發補助，涉及生物產業研發獎勵資金、新藥臨床研究補助、知識產權資助等，補助可在一定程度上幫助其走出技術創新困境。

2.7 本體評價

本體構建不是一蹴而就的，而是一個反復迭代與螺旋上升的過程，因此本體評價必不可少。鑒于該領域本體重在指導企業技術創新風險管理實踐，在本體評價上，除了要統籌考慮本體的結構和功能外，還需要盡可能滿足預期的應用場景需求。為此，采用了專家評價和任務評價相結合的方法：專家主要參與本體的結構評價（本體命名明確、類和關系豐富等）與功能評價（類和關系的適用性、本體描述語言的邏輯性等）；任務評價重在檢驗本體的一致性和可用性。通過上文的本體實例可以看出，所提模型能夠清晰描述“百奧泰研發ADC藥物失敗”事件，較好完成了企業技術創新風險事件的知識組織任務。

結合本體構建原則和企業技術創新風險特點，設計了具體的評價指標體系（見表3），并與湖北省5位高新技術產業專家進行面談。首先闡釋了該本體的開發需求、主要概念以及構建流程，征詢專家意見；隨后發放本體評價的調查問卷，問卷采用李克特五級量表的方式組織，即1分表示完全不同意、2分表示比較不同意、3分表示一般同意、4分表示比較同意、5分表示完全同意；最后結合專家訪談建議和問卷評分結果進行本體調整優化。由表3可以看出，該本體在可擴展性和最小承諾原則下的評分較低，表明本體中定義的類和屬性還不夠豐富，擴展到不同行業領域的技術創新風險管理實踐的可能性不高。

表3 企業技術創新風險管理本體模型的評價指標體系及評價結果

3 企業技術創新風險管理本體應用

為了有效運用該模型對領域知識進行組織與場景化應用，設計了涵蓋事實庫、規則庫和案例庫的本體知識庫原型系統，用來統一描述企業技術創新風險管理領域的事實知識、推理規則和相關案例，從而將領域知識轉化為計算機可識別、理解和推理的形式，實現企業技術創新風險信息檢索、量化評估和智能預測等知識服務功能，輔助企業進行動態精準化的技術創新風險決策。本體知識庫原型系統結構如圖6所示。

圖6 企業技術創新風險管理的本體知識庫原型系統

3.1 基于語義匹配的風險信息檢索

現有企業風險管理系統普遍存在信息關聯性不足、難以準確獲取用戶需求等問題，因而將所構建的本體模型嵌入企業風險管理系統，在一定程度上實現對于相關風險信息在語義層面的揭示，進而結合語義匹配算法與用戶需求關聯。即當用戶在知識庫中給定自然語言問題時，系統后臺會自動對用戶需求進行語義解析和概念擴展，將其轉換為結構化查詢語句，依據設置好的規則和算法與知識庫中儲存的信息進行匹配，并為用戶反饋查詢結果的統計與可視化內容，便于用戶快速發現風險的復雜關聯特征，同時將衍生的新知識儲存在知識庫中[32]。若系統未匹配到相關結果，則需要借助知識推理功能或調動領域專家力量開展解析，同時記錄該條需求及其解決方案。

語義檢索的核心在于查詢規則的構建和理解，運用Protégé工具的SPARQL Query功能，可以實現對本體知識庫中所有三元組的查詢。此外，該信息檢索功能在考慮概念層級結構的基礎上，還可以添加基于語義相似的匹配算法，其實質是將風險查詢（Query）和風險信息（Concept）的文本內容表示為統一的數學向量模型，并通過計算兩者在向量空間的余弦距離來衡量語義相似度，相似度閾值可以根據實際需求進行測試調整，以免遺漏重要的風險信息，計算方式如式（1）所示。

式中：Q代表風險查詢向量，C代表風險信息向量；Qi表示Q在第i個維度上的分量，Ci表示C在第i個維度上的分量，即每一維語素的值。

3.2 基于風險指標的風險量化評估

將企業存在的風險隱患予以有效揭示、量化評估和平穩處置，是企業日常業務監管的重要任務之一?；诖?，在知識庫中可設立企業技術創新風險指標和風險觸發預警規則：一方面，通過獲取企業結構化數據、文本實體數據和文本特征數據等，實時計算和更新企業各個風險指標的量化結果，構建綜合評估模型和企業風險畫像；另一方面，基于預警規則的先驗性邏輯，實現對企業技術創新風險事件的全景描述并提出預警建議[33]。

為開展對企業技術創新項目的風險評估，可以在分析技術專利、產品銷售、研發投入等數據基礎上，引入本體知識庫構建文本評估指標，綜合衡量風險的發生概率和損失程度，并依據計算結果劃分風險等級。首先通過提取案例庫中的相關風險案例列表，以歷史發生頻次代表風險發生概率，風險案例相似度的計算方法可以參考江小燕等[34]的研究，即先依據本體類提取風險案例的文本指標，進而運用最近祖先法分別計算各指標的相似度結果，最后開展加權處理。其次在衡量風險損失程度方面，不同企業的風險容忍度差異較大，因而可以結合歷史風險損失與專家打分的方法量化風險損失程度。最后綜合兩者得出風險等級。此外，案例信息的檢索結果可能分布在多個不同的風險類型之下，通過可視化風險評估結果，還可以進一步了解風險的整體分布狀況，由此確定企業對技術創新風險的監管重點和防御方向。

3.3 基于知識推理的風險智能預測

知識推理是指從已有知識出發，借助本體公理或邏輯規則（Rules），深入挖掘與發現知識庫所蘊含的復雜隱性知識和新的關聯知識等[35]。實現該知識服務功能的關鍵在于定義事實推理規則，知識庫儲存的大量案例實例為事實規則抽取提供了良好數據基礎，加上機器學習算法和領域專家的深度參與，可整合形成企業技術創新風險預測的事實規則庫。

基于知識推理的企業技術創新風險預測可以采用Protégé工具的推理引擎Drools實現。Drools可以將本體知識庫中的事實和規則關聯起來，以獲取具體問題的解決方案，同時將推理的新知識在知識庫中存儲。面向企業技術創新風險管理領域，當用戶以實例形式在本體知識庫中輸入企業的風險信息時，Drools會自動搜索相匹配的推理規則完成語義推理，在一定程度上實現風險因素分析、風險事件鏈補充、風險指數計算、防范策略填充等，同時支持對風險事件的原因、損失、處理策略及連帶影響的查詢。本研究在推理規則表達上采用了語義網規則語言（Semantic Web Rule Language，SWRL），其主要形式為IF conditions THEN actions結構，以此確保案例知識與推理結果之間的語義交互，部分SWRL推理規則示例如表4所示。例如，在“百奧泰研發ADC藥物失敗”本體實例化后，可以發現該風險事件源于技術不成熟、技術難度大和市場競爭力不強，百奧泰可以對照該類型風險事件的防控措施，減輕風險影響。另外，本體知識庫可以將該案例以個性化推薦方式提供給其他相似企業，滿足其防控新藥研發風險的需求。

4 結語

企業在進行技術創新風險管理時需要收集和組織大量數據資源和風險案例，構建起全面、動態、協同的技術創新風險管理體系，并運用科學的風險管理方法和工具實現對風險的有效管控。但在大數據時代，風險管理領域的文本呈現出海量碎片化和多源異構的特點，風險管理“信息孤島”“模式割裂”和“溯源困難”等問題亟待突破。對此，本研究面向企業技術創新風險管理領域，利用文本挖掘技術進行領域概念抽取與表示，基于類和屬性進行本體構建與實例展示，實現對該領域知識的結構化組織，最后提出構建企業技術創新風險管理本體知識庫作為數據驅動風險決策的系統支撐，可滿足風險信息檢索、風險量化評估和風險智能預測的需求。

構建的本體旨在促進企業技術創新風險管理領域概念間的語義關聯，對文本深層次的內容描述與表示還存在明顯不足，類和關系的定義還不夠完全，且所使用的語料范圍較窄，可擴展性不強。因此，未來有必要選取更加廣泛全面的數據，設計適用性和可擴展性更強的知識抽取方法，高效、準確地獲得高質量的領域概念抽取結果，使本體模型呈現螺旋上升的進化趨勢。此外，還應重視本體模型對時間、空間等復雜語義的表達，深入探索技術創新風險事件的時序演化和空間關聯規律，并進一步結合知識圖譜、深度學習等技術，構建與系統化應用較大體量的三元組實例知識庫，更好地發揮語義技術在賦能企業技術創新風險防控中的重要價值。