知识资源计划管理平台.docx

《知识资源计划管理平台.docx》由会员分享，可在线阅读，更多相关《知识资源计划管理平台.docx（17页珍藏版）》请在三一办公上搜索。

1、知识资源计划企业知识管理新平台随着社会经济形态由工业经济向知识经济转变，我们的经济和社会生活越来越受到知识的驱动，简单浏览一下我们周围的相关信息，我们会发现我们常常提到知识经济、知识社会、学习型组织、专家和知识系统、智能企业等等，在知识经济时代，出现了数量众多、规模较大的知识密集型组织，这些组织的最大特点是：知识和信息成为他们实践活动的主要载体。财富记者Tom Stewart曾对此进行了生动的描述： “在工业革命时代，精髓的原料是石油和钢铁，现在，所花成本的50%以上用于信息的收集和处理，运用计算机技术，一个工人45分钟就能生产出一吨钢材，可见，产品中知识部分所占的比重在增大，而人的体力劳动所

2、占的比重在减少。我们所买卖的东西中，越来越多的事知识，知识是主要的原材料。” 工业革命改变了人类的体力劳动，信息革命正改变着人类的智力劳动。现在，我们在越来越清楚地认识到数据和信息的重要性同时，也发现知识资源的有效利用已经成为推动技术进步的又一方向，可以说，谁掌握了知识，谁就掌握了主动权，谁就占领了制高点，知识资源开发和管理构成的新的竞争力。1、 知识资源计划概念的提出 传统的企业管理者主要关心如何维持企业的现有规模，如何运营固定资产，而忽视知识资本的价值。大量以隐性方式存在的知识资本，一方面知识创新投入不足，一方面知识资本浪费。隐性知识制约着企业发展，加之机构、部门之间存在信息孤岛，从而导致

3、整体利益受损、效率低下和资源浪费。而只有最大限度地生产、获取、使用和传播知识，为员工提供更加有效地知识共享环境，才能提升企业的竞争能力，促进企业的自身发展。广义地说，知识资源可分为显形知识和隐性知识。显形知识也称为可编码知识，通常是可以由计算机处理的、可以度量的、结构化的知识；隐性知识也称为非编码知识，是人类头脑中属于价值观、经验和诀窍的那部分知识，为半结构化和非结构化的知识。在一定条件下，两者可以相互转化。 知识资源可以简单的分为三个层次：广义抽象层、具体知识层和用户交互层。广义抽象层主要定义了知识表示的相关模型及其之间的相互关系；具体知识层由显性知识和隐性知识组成，前者主要有所定义的知识模

4、型表示，并可以对其进行结构化处理，后者简单的讲，是除了显性知识以外的所有知识，比如知识概念之间的隐性关系等；用户交互层可以分为两种知识独享知识和共享知识，它们都是基于具体知识层而来，不同之处在于，后者可以为不同的用户所拥有，前者只能为专门用户所有。图1显示了知识资源的层次结构。此主题相关图片如下：图1知识资源的层次结构 知识型组织所拥有的、且唯一独特的资源是知识，其它资源比如资金和设备，就知识资源而言，并不具有任何特殊性。事实上，在实现良好的资源集成和利用（如ERP，ERP II）后，知识作为一种独特的资源，而且是更高级别上的资源，对其进行有效的管理、计划和应用已成为了现代知识型组织的新的核心

5、竞争力。知识的发现、认知、共享及创新的过程也将是现代知识型组织行为的主要过程。这样，“有形资源的计划（如ERP）”必须向“知识资源计划”转换。可以说，知识资源计划更是知识型组织获得可持续竞争力的最可靠的保证。 由此，在分析了知识管理、知识工程的基础上，引入了知识资源计划的概念（Knowledge Resource Plan），即知识资源，作为知识型组织的唯一独特资源，对其有效计划和管理的过程称之为知识资源计划。2、知识资源计划运作模式 KRP提倡以知识为主导，体现“知识价值工程”，将根本性地提升组织的管理理念和运作模式。如果在ERP中蕴涵的物流、信息流及工作流技术等支持着组织内部的业务活动，那

6、么，KRP则是对整个业务过程，包括CRM、SCM等在内系统进行全面支持。传统业务过程，转变为知识过程，并成为组织运作的主导过程。同时在各个过程中，不断地提取的知识，又更进一步激励组织的行为，如图2所示。此主题相关图片如下：图2 面向KPR的组织运作模式3、知识资源计划的运作流程 构建知识资源计划，那么组织将会是一个面向KPR、基于知识价值工程二构建的全新的管理理念的组织，集成组织的各个系统都将在知识（领域的专业知识和共享知识）支持之下。组织的“信息价值流”也逐渐演化成“知识价值流”，知识价值工程得以实现。同时，在具体的业务过程中，不断地发掘知识，获得新知识再支持的循环、提升的螺旋过程。组织在提

7、升自身知识竞争力的同时，也实现了组织内个人能力的提高和知识的增殖，从而实现了组织的全面提升与进化。因此，可以说，知识资源计划（KPR）是一个新的、基于知识的管理理念和方法。 图3表示了KRP的运行过程。它一方面包括了知识挖掘、知识表示、知识存储。伴随着KPR的运行过程，知识库不断丰富，以支持知识过程；另一方面又包括了知识请求、知识识别和知识的组织，以支持实际的业务过程。这个过程也是组织对自有的、拥有自主知识产权的知识资源的计划。图3 知识资源计划运作流程此主题相关图片如下： 从上图可以看出，业务过程与知识流过程存在一定的对应关系。业务过程导致知识需求，进而对知识进行识别、组织，形成一定的领域相

8、关知识。同时，业务过程中也内含知识流过程，并且知识需求、知识识别和知识组织分别与知识表示、知识发现、知识存储存在一定的对应关系，虽然上图采用了链式的表示方法，但是，由于在具体的业务过程和知识流过程中，可能存在交叉映射的网状关系，此处为了表示的清晰性，采用了链式图来表示整个知识资源计划的运作流程。 从过程的观点来看，知识存在于任何一项业务过程中，被业务过程所包含，同时在运行，即存在一个流动的知识流过程。知识流过程映射于业务过程，支持着业务过程，主导业务过程，从而提升、激励业务过程。所以，从这个意义上说，知识资源计划（KPR）是一个基于知识的可操作的系统。 通过以上的分析可以得出，知识资源计划（K

9、PR）包含知识资源的产生和知识资源的使用两大部分。如图4所示：图4 知识资源计划的组成此主题相关图片如下：（1）、知识资源的产生包含四个部分：知识表示、挖掘（即知识发现）、存储和评估。它们是构成知识资源计划的基础。（2）、知识资源的使用包含两个部分：知识集成和知识共享。知识集成是通过集成分布的、异构的知识资源，以形成满足具体业务流程的知识资源。知识共享是指在知识资源产生的基础上，通过一定的技术和非技术手段将这些知识为不同的用户所使用。它们是知识资源计划的执行部分。基于以上分析，我们给出知识资源计划的形式化表示：知识资源计划=知识资源的产生，知识资源的使用其中，知识资源的产生=知识表示，知识发现

10、，知识存储，知识评估；知识资源的使用=知识共享，知识集成。知识资源计划是一种管理方法，同时也是一种可运行的信息系统。在知识资源计划中主要涉及知识表示、知识存储、知识发现和知识使用支撑组件等关键技术，以下对这四方面的关键技术进行简要分析。1、 知识表示技术人类对知识的认识和获取经历了一个漫长的过程。知识最原始的记载形式是信号，从信号到数据再到信息直到知识。在信息科学中，数据定义为事物、概念或指令的一种形式化的表示形式，以适合于用人工或自然的方法进行通信、解释或处理。信息是数据表达的客观事实。在上世纪四十年代，香农（Shannon）研究了信息的数学本质，用熵的概念来研究信息的容量，以比特为信息的度

11、量单位，开辟了信息研究的新篇章。知识则是经过加工和改造过的信息。所以说，知识与信号、数据、信息之间密不可分，它们是四个不同层次的概念，其中信号是最底层，然后是数据、信息，知识位于最上层。它们四者的区别如表1所示：表1 信号、数据、信息和知识的区别名称 特征 示例 信号 物理特征表示 红灯、绿灯 数据 未经处理的原始材料 张三、男、26岁 信息 有意义的数据 SOS 知识 具有一定目的的信息，并能导致一定的行动 紧急警报开始营救行动 知识可以认为是在实践中应用并证实一个有组织的概念或框架时产生的结果，由一个包含语义信息的特征集以及与之相关的约束和规则集组成。知识表示则是描述这些结果所作的一组约定

12、并易于被计算机接受和处理的一种表现形式。而知识表示方式常常取决于人类知识的结构及其机制。从工程的角度，知识被理解为有助于解决问题的可复用的模式化的信息，一般的表示形式为：概念、规则、规律、模式、约束和可视化。这些知识可以直接提供给决策者，用于辅助决策过程，或者提供给领域专家，修正己有的知识体系，也可以作为新的知识存储到应用系统的知识存储机构中，例如专家系统、规则库等。知识可以认为是在实践中应用并证实一个有组织的概念或框架时产生的结果，由一个包含语义信息的特征集以及与之相关的约束和规则集组成。知识表示则是描述这些结果所作的一组约定并易于被计算机接受和处理的一种表现形式。而知识表示方式常常取决于人

13、类知识的结构及其机制。从工程的角度，知识被理解为有助于解决问题的可复用的模式化的信息，一般的表示形式为：概念、规则、规律、模式、约束和可视化。这些知识可以直接提供给决策者，用于辅助决策过程，或者提供给领域专家，修正己有的知识体系，也可以作为新的知识存储到应用系统的知识存储机构中，例如专家系统、规则库等。 知识表示领域的核心是解决如何进行信息的编码并以推理计算模型加以利用。传统的知识表达模式有谓词逻辑方法、框架表示方法、产生式规则、状态空间搜索方式、语义网络、脚本方法、过程式方法、直接表示法、面向对象的知识表示方法等。近几年，由于将本体引入知识工程领域，知识表示领域又出现了一些新的方法。近年，有

14、专家认为知识表示由三个主要部分组成：逻辑、本体和计算。逻辑提供了通过逻辑运算从现有知识演绎出新的逻辑描述的功能；计算则是指确定一个描述是否能够从给定描述演绎得出的过程。Ontology本体是自然事物及其关系的研究，在知识表示中又被称为形式化本体和计算本体，是某个领域事物的符号描述，方便知识共享和重用的实现。2、 知识存储知识库系统技术知识库系统是近十几年发展起来的一个综合性方向,它是目前知识存储领域主要的技术。由于知识库系统技术集成了知识表示、知识获取及问题求解等人工智能领域的最新成果，它又和数据库紧密地结合在一起。因此，知识库系统广泛应用于设计、决策、诊断、控制、教学等领域，并成为人们研究的

15、热点。对于知识库系统的定义，目前还没有统一的形式化描述。一般地，知识库系统是一个完整的系统，它是以知识库为核心的，包含人、硬件和软件的各种资源，用于实现知识共享的系统。知识库是经过合理组织的关于某一特定领域的陈述型知识和过程型知识的集合，知识通过一定的表示，存储在知识库中。知识库与传统的数据库不同，知识库不但包含大量的简单事实，还包括了用于推理及问题求解的条件和规则。知识库系统实现需要解决知识表示、知识使用和知识获取及发现三个关键技术问题，即知识采用什么形式表示，使计算机能对之进行处理，并以一种人类能理解的方式将处理结果告知人们。知识利用则是指利用知识库中的知识进行推理，从而得出结论的过程。知

16、识获取及发现是指从知识源获得知识来建造知识库，并可以从已有的知识库中发现新的知识。此主题相关图片如下：图1 知识库系统运作流程3、 知识发现技术知识发现的研究始于从数据库中发现有用模式这一概念,并先后具有不同的术语,如数据开采、知识提取、信息发现、数据模式处理以及数据库中的知识发现。简言之，知识发现就是在信息环境下,从大量现有的或历史的数据集合中提取可信的、新颖的、有效的并能被人理解的模式的处理过程。它的应用对象是大型数据库、文档库或知识库，目标是发现数据库中规律性的知识。一般来说，知识发现分为六个步骤：数据清理、集成、选择、挖掘、模式评价和知识展现。数据清理可以消除噪声和不一致的数据，使数据

17、信息均一化；数据集成是将各种数据组合在一起；数据选择是从知识库中检索与分析任务相关的数据；数据变化将数据统一变换成适合于挖掘的形式；数据挖掘是知识发现的核心部分，使用智能方法提取数据模式；模式评价是根据某种兴趣度度量，识别表示知识真正有趣的模式；知识展现是使用可视化的方法将挖掘得来的模式展现给用户。3、 知识发现技术知识发现的研究始于从数据库中发现有用模式这一概念,并先后具有不同的术语,如数据开采、知识提取、信息发现、数据模式处理以及数据库中的知识发现。简言之，知识发现就是在信息环境下,从大量现有的或历史的数据集合中提取可信的、新颖的、有效的并能被人理解的模式的处理过程。它的应用对象是大型数据

18、库、文档库或知识库，目标是发现数据库中规律性的知识。一般来说，知识发现分为六个步骤：数据清理、集成、选择、挖掘、模式评价和知识展现。数据清理可以消除噪声和不一致的数据，使数据信息均一化；数据集成是将各种数据组合在一起；数据选择是从知识库中检索与分析任务相关的数据；数据变化将数据统一变换成适合于挖掘的形式；数据挖掘是知识发现的核心部分，使用智能方法提取数据模式；模式评价是根据某种兴趣度度量，识别表示知识真正有趣的模式；知识展现是使用可视化的方法将挖掘得来的模式展现给用户。表2 知识发现的分类任务 对象 方法 1、 分类或预测模型发现； 2、 数据总结、聚类、关联规则发现； 3、 序列模式发现；

19、4、 依赖关系和依赖模型发现； 5、 异常和趋势发现； 1、 关系型数据库； 2、 面向对象数据库； 3、 空间数据库； 4、 时态数据库； 5、 文本数据库； 6、 多媒体数据库； 7、 Web/Internet 1、 机器学习方法（决策树、规则归纳学习、基于事例学习、遗传酸法等）； 2、 统计方法（多元回归、自回归、贝耶寺判别、费歇尔判别、非参数判别等）； 3、 神经网络方法、数据库方法； 4、 可视化 4、知识使用支撑组件技术海量数据、信息爆炸和异构的分布性知识，极大的阻碍了人们对知识的利用，对知识的创新也无法通过知识资源计划的组织来实现。既然知识资源计划是一个可执行可操作的系统，所以，

20、要将相应的方法以及具体的需求加以实现必须由支撑组件技术提供支持。如前文所述，知识资源的使用分为两大部分：知识集成与知识共享。知识集成和知识共享之间存在互相依赖的关系，集成的目的为了共享，共享又能促进知识的更全面的集成。知识集成旨在通过共享标准的综合数字信息来实现资源的高效组织，将分散的知识元素依据一定的逻辑规则有机结合在一起，使知识有序化、层次化，从而高效的利用信息资源，实现知识共享，有利于知识创新。知识共享是建立在知识集成的基础之上的，通过集成，实现异构系统之间的信息标准的统一，加强系统的问题求解能力，实现知识处理系统间的互操作性。目前，对知识集成的研究主要分为四大方向：结构化集成、基于特征的集成、模型驱动集成、面向对象的集成。其中所使用的支撑技术还是以基于不同开发平台的网络组件技术为主，如基于J2EE平台的EJB技术，基于Microsoft的COM技术，以及基于.NET平台的Web Service技术等，这些技术都存在一个共同的问题：尽管它们都号称能够实现跨平台使用，但是异构平台的集成性能不是很好，例如， 使用Java开发的EJB组件很难在Microsoft的平台上使用。