企业信息资源集成中知识地图构建与工作模型研究.docVIP

企业信息资源集成中知识地图构建与工作模型研究 　　[摘要]分析企业信息资源集成的关键问题，介绍知识地图相关理论，探讨知识地图在知识检索、个性化信息推荐和局部本体集成三个方面对于改进企业信息资源集成的作用。指出实现知识地图在企业信息资源集成的三个方面的应用需要构建两种不同类型的知识地图，并分别解释其构建流程。在此基础上，构建知识地图在企业信息资源集成中的工作模型。 　　[关键词]知识地图　信息资源集成　企业　构建流程　工作模型 　　[分类号]G350 　　 　　企业在长期经营过程中，积累了丰富的信息资源，这些信息资源以数据库、文档等不同形式存在，存储地点分散，影响了企业对信息资源的有效利用。国内外学者提出通过信息资源集成的方法解决这一问题，实施企业信息资源集成，可以将企业原本异构、离散、分布的信息资源通过物理或逻辑的方式组织成一个整体，它能有效的搜集、组织和利用企业信息。但该方法同样存在一些关键问题有待改进，例如实现信息资源集成后，如何将决策所需信息及时准确地推送给决策者，如何提高信息资源检索质量，如何实现信息资源集成框架内多领域本体之间的语义互联等。 　　知识地图、知识库和知识社区是知识管理系统的三大法宝。知识地图为上述问题的解决提供了一种新的思路。本文在分析企业信息资源集成关键问题的基础上，探讨了知识地图在企业信息资源集成中的应用，在此基础上分析了相关知识地图的构建。 　　 　　1　企业信息资源集成的关键问题 　　 　　所谓关键问题是指关系到企业信息资源集成质量和效果的问题，也是需要重点改进的方面。主要有以下几点： 　　 　　1.1　知识资源检索质量 　　在企业知识管理系统中，常用的检索方法是基于关键词的检索。这种检索方法的突出缺点就是缺乏识别、理解和使用深层语义信息的能力，只检索出与关键词匹配的知识，割断了知识之间的联系，而且用户通常对自身知识需求不明确，无法准确向检索系统表达需求，检索质量不高。而企业信息资源集成的主要功能是面向半结构化和非结构化问题向用户提供能够支持决策的知识，现有检索???法显然无法满足用户需求。 　　 　　1.2　个性化信息推荐质量 　　作为知识获取的重要方式，个性化信息推荐能够根据不同用户的特定需求，主动向用户推送相关信息资源。目前信息推荐系统采用的主流算法是协同过滤推荐算法。协同过滤推荐，也叫基于用户和用户关系(User-to-user Correlation)的推荐，该算法在分析知识与知识、知识与用户、用户与用户之间关系的基础上，得出推荐结果。但在实际应用中，由于知识与知识、用户与用户之间的关联难以确定，影响了该算法的有效性及个性化信息推荐的效果。 　　 　　1.3　局部本体集成 　　基于本体的信息资源集成方法主要有三种：单本体方法、多本体方法和混合本体方法。单本体方法中，任何信息源的改变都会引起全局本体的变动，难以维护。混合本体中，局部本体的构建须以全局本体为基础，限制了已有本体的重用。多本体方法能避免两者的缺点，但由于缺乏公共词汇表使得不同局部本体的比较变得困难。目前常用的解决办法是在不同局部本体之间定义本体映射。如果存在n个局部本体，那就需要定义n(n－1)/2个映射规则。实际上，由于各局部本体的构建完全独立，彼此没有明显的语义关联，本体映射难以定义。且实践中，构建本体映射大多还需要领域专家手工介入，自动化程度达不到大规模本体共享与交流的目的。如何突破本体映射的障碍，实现局部本体集成，关系到企业信息资源集成项目的成败。 　　 　　2　知识地图理论 　　 　　2.1　知识地图的定义 　　知识地图的概念最早由英国情报学家B.C.Brookes提出，关于知识地图的定义，国内外专家看法不一。李华伟等认为，知识地图是一种帮助用户知道在何处能找到知识的知识管理工具，企业知识地图将企业各种资源的入口集成起来，以统一的方式将企业的知识资源介绍给用户。Vail认为，知识地图是已经获取的知识以及知识之间关系的可视化描述，它可以使不同背景的知识寻求者在不同的详细程度上学习知识，并同其他人进行交流。虽然各位学者对知识地图的理解不同，但都存在以下共同点：知识地图只告诉人们知识的位置，并不直接指向知识内容，它不仅揭示知识的存储地，而且揭示知识间的关系，不仅揭示显性知识，也揭示隐性知识，同时可视化展现知识间关系，有助于发现新知识。 　　 　　 　　2.2　知识地图的类型 　　目前主流的知识地图分类标准是Lgona和Caldwen在2000年提出的，他们将知识地图划分为概念型知识地图、流程型知识地图和能力型知识地图三类。概念型知识地图依据主题或概念组织而成，只包含用于描述某个事实或概念的静态知识。流程型知识地图依据活动流程组织而成，用于将企业内与业务流程相关的知