基于数据挖掘的智能知识管理模型框架研究.pdfVIP

第17卷专辑 中国管理科学 V01．1 Issue 7，Special Chinese of Science 2009 2009年lO月 Journal October， Management 文章编号：1003—207(2009)zk一0620—05 基于数据挖掘的智能知识管理模型框架研究 张玲玲1”，李 军2，石 勇1”，周 琳2 100190) (1．中国科学院研究生院北京，100190；2．中国科学院虚拟经济与数据科学研究中心北京 摘要：针对数据挖掘产生的一类“特殊”知识，本文较为系统地分析了智能知识管理提出的背景，提出了原始数 据、衍生原始知识、规则知识、智能知识、智能行为、智能决策、智能知识管理等相关概念，并提出了一个原始数据．衍 生原始知识一智能知识一可行动知识．数据转换的4T模型，在网站访问路径模式挖掘项目中进行了初步的应用研究。 关键词：数据挖掘；知识管理；智能知识；智能知识管理 中图分类号：C931 文献标识码：A 用户分为“现用用户、冻结用户和流失用户”，并预 1 引言 测用户类型，得到了245条规则。但业务人员惊喜 知识管理(KnowledgeManagement)一词最早出之余，无法从这些规则中获取促使用户转化的知识。 现在20世纪70年代，从广义上看，知识管理指的是上述问题涉及数据挖掘中关联规则结果的评价： 对企业内所有与知识有关的活动、业务、计划及政策 “关于什么是‘有趣的’的问题”M1。 的系统而明确的管理…。 另外数据挖掘与知识发现多注重技术因素，而 作为知识提取的重要环节，数据挖掘(Data 在得到的知识表达和解释上、数据挖掘过程中人机 Mining)技术出现于20世纪80年代后期，它是从大 的有机融合、与企业情境的结合等方面上都存在一 量的、不完全的、有噪声的、模糊的和随机的数据中， 定的欠缺，而这些正是知识管理所关注的。这些欠 提取隐含在其中的、人们事先不知道的、但又是潜在 缺和隔阂导致这一交叉学科的发展落后于其商业应 有用的信息和知识的过程旧1。随着计算机技术的 用的现实需求¨”1。 迅猛发展和Internet技术的普及，数据挖掘技术得在知识发现和数据挖掘中，数据挖掘获取的知 到了飞速发展和广泛应用嵋。’。但是值得注意的 识的模式评估目前已经是一个比较热的研究领域， 是，在国内外学术界，数据技术领域与知识管理领域 国外对关联规则、分类、聚类、序列分析等结果都有 的研究相互交流和沟通较少。知识管理研究与应用 相关探索¨…，数据挖掘和知识管理的交叉融合研究 方面，国内外学者大都将知识视为隐性知识和显性 比较少，如：1996年，Anand等在提出的基于证据理 知识，将重点放在基于信息技术的显性知识管理和 论的数据发掘一般框架ESD中，提及了“用户的先 基于人的技巧、行为和思维模式的隐性知识管理。 验知识与先前发现的知识可以耦合到发现过程 而在数据挖掘领域，在针对海量数据进行数据挖掘 得到粗糙的模式规则后便嘎然而止，而很少对挖掘 知识辅助初始发现的聚焦，限制性的搜索”的思 出的结果进行进一步处理而更好地支持企业决策。