融合本体和上下文知识的企业竞争情报分析算法研究.docVIP

融合本体和上下文知识的企业竞争情报分析算法研究 张玉峰/何超 2012-9-21 10:55:37　　来源：《情报资料工作》2012年02期 　　【英文标题】A Study of Analytical Algorithm of Enterprise Competitive Intelligence on the Basis of Mixture of Ontology with Context Knowledge　　【作者简介】张玉峰，女，1946年生，武汉大学信息资源研究中心教授，博士生导师；何超，男，1985年生，武汉大学信息资源研究中心博士研究生，湖北430072　　【内容提要】 文章将本体和上下文知识融入企业竞争情报分析之中，设计了一种基于语义决策树的归纳学习算法进行语义层面的情报分析和情报知识发现。该算法利用本体解决情报语义问题，利用上下文知识解决应用环境和具体对象问题。实验结果表明，该算法取得了很好的预期效果，显著提高了情报挖掘的智能性和情报分析的准确性，在一定程度上实现了企业竞争情报语义挖掘和情报知识自动分析与获取。　　This paper integrates ontology and context knowledge into the competitive intelligence analysis for enterprise, designs an inductive learning algorithm based on semantic decision tree to analysis competitive intelligence and discovery intelligence knowledge. The proposed algorithm uses ontology to solve the problem arose by intelligence semantic and context knowledge to the problem about application environment and object. Experiment results demonstrate that the model and algorithm achieve a good desired effect, dramatically improve the intelligent of intelligence mining and the accuracy of intelligence analysis, and implement competitive intelligence semantic mining and the automatic analysis and acquisition of intelligence knowledge to some extent. 　　【关 键 词】竞争情报分析/本体/上下文知识competitive intelligence analysis/ontology/context knowledge　　1、引言　　竞争情报是知识经济时代企业保持竞争优势的战略资源和分析与预测行业发展态势、制定科学战略决策的依据。目前，已被公认为除资本、技术、人才之外的企业“第四核心竞争力”[1]。随着Web2.0和语义Web的快速发展和普及，网络信息资源日益丰富并逐渐成为企业竞争情报分析和获取的最重要的信息来源，Google、微软、百度等企业纷纷提出“Internet is database”的观点，即未来企业所需的信息、知识和情报都可以通过网络获取，企业竞争优势的保持和核心竞争力的培育很大程度上取决于网络信息资源分析与获取的能力[2]。然而，由于网络信息资源通常具有高维、海量、异质异构和动态等特征，传统的竞争情报分析和获取方法，如SWOT分析法、定标比超分析法、关键成功因素分析法等定性和定量分析法，虽然可以对结构化数据信息实现自动排序、筛选和去重，但对于海量的半结构化与非结构化、异构分布式数据还不能进行有效的加工处理。此外，当前的情报分析与获取主要依靠人工方法，速度慢、效率低，无法适应网络信息资源的快速增长和动态变化，而且人工定性分析和经验判断存在较多的不确定性，导致分析结果随机性较大。主流的竞争情报系统，如TRS竞争情报系统、天下互联竞争情报系统以及赛迪数据竞争情报系统等[3]，虽然借助智能代理、数据挖掘、知识管理等智能信息处理技术进行竞争情报挖掘和自动分析，但由于这些系统采用类似搜索引擎的网页搜索与分析技术，其自动分析与挖掘功能局限在信息采集和有限的数据挖掘上，仅仅实现了浅层信息的统计分析，无法获取深层情报内容和挖掘情报的