第五章重点整理.doc

第5章知識萃取與創新管理 (知識發掘的流程 知識萃取的目標就是要從現有的資料、資訊甚至知識庫中創造新的知識。許多技術可以協助知識萃取工作的進行，如資料採礦、文字採礦、視覺化技術等，能自動從資料或文字間關係找出範型得到新知識；視覺化技術可以將資料以人類熟悉的圖像方式展現，方便人們從資料得遂行決策的制訂。 (有哪些「視覺化」技術方法能協助人們從大量資料中發掘知識？ 視覺化技術包含以下六種，每一種都可以用二維或三維方式呈現： 圖解：以傳統的圖形結構來表達資料。（直條圖、橫條圖、折線圖、圓形圖） 幾何圖：幾何圖技術包含盒鬚圖及XY圖。 圖像法：只採用畫像、顏色或其他圖示來強化結果的展現效果。 圖素法：將每個資料數值以其特有顏色圖素表達。 階層式：將資料數值階層地歸類成為幾塊分別顯示在螢幕不同的區域裡。 混合式：將前述五種技術混用結合在一個展示畫面中。 (資料庫知識發掘流程（KDD）的五大步驟：如下圖所示 釐清應用領域及瞭解需求 本步驟最明顯的工作就是依據需求與專案範圍去執行資料選取作業，自現有的資料庫原始資料產生篩選的目標資料集；本步驟包含了界定問題、資料選擇與取得資料三個細項步驟。 資料處理 即在資料轉換及採礦前進行資料的前處理與資料清理工作；資料清理與前處理的方式有三：治標；從資料輸入端根除；重起爐灶。 資料轉化與簡化 本步驟大致有兩個細項作業要執行，就是資料轉換及資料彙整。 資料轉換是為了讓資料在一致的基礎上進行運算處理，轉換方式有：資料型態轉換；顯示格式轉換；欄位譯解。 資料彙整，主要是合併不同來源資料，並配合適當運算讓資料能更為有用，這其中包含下列三樣工作：不同資料來源的資料整合；產生衍生資料；合計表格產生。 資料採礦 這步驟包括去決定採礦方式、選擇適當演算法、建立訓練資料集、將模型建立、在資料中採用包括了分類規則、決策樹、統計回歸、群聚方法、線性分析等演算法去尋找有用或有興趣的範型，以一個特別的形式呈現，並決定模式和參數是否適當。 知識呈現 把發掘出來的範型或知識，用一些報告方法或圖形工具，轉換成讓人可輕易瞭解的文件或簡報，以提供決策支援之用，進而創造價值。 此步驟除展示成果外，亦包含了對資料採礦模型的評估。 (請概要說明資料採礦五大技術的方法 分類分析 即從已知類別的物件集合中，依據其屬性建立一個分類模型來描述物件屬性與類別之關係，再根據分類模型，對其他未經分類或是新的資料作預測。 群集分析 群集化就是將一群異質的群體區隔為同質性較高的群體或是子群的行為，這通常是其他資料採礦以及模型化的前導作業。其與分類不同的是，群集化並沒有依據事先明確定義的類別來進行分類。 關聯分析 此分析方法是蒐集一組交易，每一交易包含若干交易項目，希望由這些交易資料中，找出交易項目的關聯法則。 序列範型分析 序列範型分析的目的即是希望從一群有次序性的交易中，找出經常循序出現的交易項目，進而瞭解用戶的長期購買行為。跟關聯分析不同的是，關聯分析得到的相關商品必須是同一時間購買，而序列範型分析所發掘出來的相關商品，則是在不同時間以相同順序陸續採購的。 時間序列分析 時間序列分析的是會隨著時間而改變的屬性值，這些資料通常是在固定間隔時間點取得的。 (知識加值與創新管理 創造力是每個人都具有，並且是可以逐漸培養的一種技能，而且大多是由產品或服務來提出他們看法與定義。 欲判斷某項產品或服務是否具有創造，可以從下列兩個主要特點來評估：數量；（創意愈多愈好）品質（新奇性、價值性高且可付諸實現的創意）。 (請說明技術商品化之目的： 維持公司成長與競爭力 增加收入、市場佔有率 創造新商機 技術創業 (影響創新能力的因素 建立開放、分權的組織結構/支持並提供機會讓員工創意實驗。 鼓勵實驗態度，並提供所需資源。 架設良好溝通管道，好讓觀念流通。 重視「倡導及創意」人員及行為。 提供嘗試失敗的自由。 提供物質及社會的報酬以獎勵成功。 創造並維持支援冒險與質疑的組織文化。 強調創意人員的自我評估。 減少行政干預，讓創意擁有發展空間。 瞭解創意難於立竿見影，並適度放寬期限。 重視個人創造與集思廣益。 關心目標是否完成，也重視意外發現。 授權員工擔任倡導或創新的責任。 允許幽默活潑的組織氣氛。 相信人人可以創造，與上行下效的哲學。 鼓勵研發人員閱讀創新資料、參加會議、接受訓練進修等。 (Vijay指出，從技術到市場的商業化過程，必須經過五個關鍵步驟（1、3、5、7、9），以及四個銜接的環節（2、4、6、8）；如下圖所示：商品化的流程 (產學合作之方式 技術授權 先期開發聯盟 合作承包 客戶委託 規格制訂 合作開發 先期授權 原型授權 產品聯盟 企業分殖 (企業分殖（spin-off）：係指尚無業者擁有或使用之新技術，編列事業計畫書，邀請企業投資創立新公司，並協助部分開發員工