从知识运转模式论知识挖掘.docVIP

　　从知识运转模式论知识挖掘 随着 计算 机技术、 网络 通讯技术、高密度存储技术、数据挖掘技术等的广泛 应用 ，改变了情报 研究 组织获取信息的方式和 方法 ，以及其内部信息资源保障体系的服务手段和工作重心。这就要求情报研究知识管理系统不仅要完成一般性的知识管理功能，还应该在对知识管理的基础上应用 现代 化手段实现知识挖掘，即利用智能工具挖掘蕴藏于海量显性知识中的隐性知识。 　　　　1、知识与知识运转模型 1.1　显性知识和隐性知识　1958年，英国物 理学 家和 哲学 家M.Polanyi在其代表作《个体知识》中首先提出了隐性知识和显性知识的概念，后来，I.Nonaka又对隐性知识和显性知识的概念进行了较明确的定义[1]：隐性知识（Tacit Knoetime）和群组协作解决方案（QuickPlace）等核心协作工具与服务，集应用、协作服务和个人服务3个基本层次于一体，把“人、场所和事件”3???知识管理的基本因素统一到单一的界面上，提供群组协作应用功能，允许相关人员通过Lotus Notes 客户端或浏览器单一访问入口，以发现、共享和传递知识。后端的LoNs知识发现服务器能够发现“人、场所和事件”之间的关系，帮助用户从存储在企业文档、数据库、 电子 邮件、RPII（Manufacture Resource Planning II）、MIS（Management Information System）系统对企业内部各种层次生产经营管理过程的信息化支撑，以及对企业外部Inter的信息获取。三类系统的相互作用体现了Intra的思想，通过设计与实现优秀的Inter信息获取工具，可以有效地利用外部的有用信息为企业内部的经营管理过程服务。第二层是企业多维知识仓库，存在于底层企业信息支撑环境中的企业信息资源是庞杂而海量的，需要在数据挖掘与模式提取的工具支持下，发掘其中有价值的模式与知识，进行紧密而科学的组织，这是支持知识管理系统实现的有利依据。图中的圆环代表了企业员工的工作环境，其上的各个结点代表企业中不同岗位上的企业员工。 知识管理的目的就在于更好地支持各个层次企业员工的工作流过程，包括：a.员工与企业知识仓库之间的个人知识挖掘与融合过程，用于完成员工不断根据个人需求在知识仓库中的映射与知识提取，以及员工个人知识不断融合进入企业整个知识仓库的过程；b.员工之间的知识流转与共享过程，提供了不同知识映射集合之间共享与交叉的可能，同时也提供了无法进入企业知识仓库中的非结构化个人头脑知识的交流与互动的机会，从而可能引发新知识的产生；c.个人知识支持的工作过程与信息反馈过程，是在个人知识平台支持下指导实现员工的工作过程，以及工作结果的信息反馈过程。充分利用这一过程，可以及时地收集知识利用的反馈信息，为闭环知识管理系统的完善与控制提供了必要基础。 基于企业多维知识仓库还可以通过进一步的知识支持与决策分析过程，建立面向决策的企业决策支持系统，也就是图中的第三层。通过建立决策模型与先进系统 理论 的应用，支持企业决策者高层次的管理决策过程，从根本上决定与引导企业的发展演变过程。 由上述分析，可以看到知识在企业内部的纵向提取过程、员工与知识系统的发散性融合作用、企业员工工作环境中员工知识的相互交叉作用，相增相长，以及员工知识在企业信息管理中的循环更新过程，这正是知识管理系统的逻辑实现模型。 　　　　4、基于知识挖掘的相关技术 从对Lotus系统构架的 分析 ，可以看到知识挖掘所涉及的主要技术有知识分类技术、数据仓库技术、联机分析挖掘技术、, Online Analytical Mining） OLAM是OLAP和DM相结合的产物，OLAP（Online Analytical Processing，联机分析处理）与DM（Data Mining，数据挖掘）是基于数据仓库技术而发展起来的信息分析与挖掘工具。在系统中OLAM和OLAP往往是集成应用的（如图4）。 　集成的OLAM和OLAP结构(略) OLAP是验证型的，建立在多维视图的基础上，重在根据已有的模式将直接源自数据仓库中的不同信息源的大量相关信息联系起来，以给分析人员一个清晰、一致的视图。OLAP的多维数据分析与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。OLAP的多维数据分析主要通过对多维数据的维进行剖切、钻取和旋转来实现对数据库所提供的数据进行深入分析，为决策者提供决策支持。多维结构是决策支持的支柱，也是OLAP的核心。多维结构中的维突破了三维概念，可以是超立方体和多立方体的数据结构。OLAP主要有两个特点：一是在线性（online），即对用户的请求做出快速响应；二是可以应用多种统计分析工具、算法对数据进行多维分析（multi－analysis）。DM是挖掘型的，