分035 612 ，也更为成熟，但在功能上比053要强大得多，其代表着未来发展的方向。电子政务实施中的文档型政务知识的表现方法通过实现。乂礼指令能够提取存储于X文档中的任何数据，包括属性值和子元素数据，如上例中的标题、作者等。

电子政务系统的文档知识库负责存储和组织各种文档型政务知识。它可以直接用转换得到的大量基于的页构建基于〈全部为XVI文档）的数据库；也可以利用XVI与数据库可以协同工作的特点，将实际数据〈如属性值）保存在关系数据库〈1 110031（ 13 1108〉的多个表中，然后生成？ ！1 文档。第二种方法尤其适用于较大型的应用，可以从关系数据库中移出数据或把数据送往目标数据库，甚至可以用适当的070利用作为中间格式来转换不同格式的文档。

1.人工神经网络

对蕴涵在样本数据中的样本型政务知识通过的形式实现存储与维护。事实上，这已经成为人I领域的一个产业化分支。本书中的电子政务系统实施将直接引人V领域的既有成熟成果实现对样本型政务知识的存储与组织。

与传统知识处理系统不同，… 中的知识是隐式、分布存储的。它不是将知识显式组织并存储于各种形式的知识库，而是将有关某一问题的若干知识通过入各神经元间的连接权重分布地存储在同一网络中，网络中的权重代表了系统知识的当前状态。权值分布决定于网络的拓扑结构，亦即神经元间的互连结构。几十年的研究与实践发展成了八的多种拓扑结构，按网络层次进行归类可将其划分为单层、双层和多层网络结构。其中，前两种拓扑结构是早期入? 的主要互连模型；现在模型则多是三层或三层以上结构，一并称之为多层网络结构。考虑到样本型政务知识的复杂性，电子政务系统模型将引入八XX多层网络结构。

电子政务系统的多层乂 网络结构可按功能划分为一个输人层0叩以）、一个输出层（（ 中以）、一个或多个中间层（隐层〉。其中，输人层神经元接受输入模式（样本数据并在乂 反应函数作用下将输入模式向隐层传递；隐层是V模式变化能力的实现层，通过隐层的内部处理，将模式传递给输出层并由其输出。

多层网络按内部反馈情况又可设计为多层前向网络（图4-37 （心）、多层侧抑制网络（图4-37 （ ,）和（ ;））和多层反馈网络（图4-37 （ ）和…））以及全互连网络。6？网络是典型的多层前向网络，其模式变化由网络各层向前逐层推进完成；网络只具有指向下一层的连接弧，不具有同层间及向上一层的连接