智能知識管理

如何有效利用數(shù)據(jù)挖掘獲取的知識，彌補(bǔ)知識管理實(shí)施中遇到的問題，尚未引起學(xué)者足夠的重視。數(shù)據(jù)挖掘獲取的知識是將隱藏在數(shù)據(jù)庫和互聯(lián)網(wǎng)中的規(guī)律，通過深入挖掘分析而得到的，它很難用顯性知識或隱性知識來描述其特征。因此，當(dāng)前知識管理理論和方法還沒有探討如何有效地管理上述由數(shù)據(jù)挖掘獲取的知識。而數(shù)據(jù)挖掘領(lǐng)域的專家大都把數(shù)據(jù)建模后得到知識作為數(shù)據(jù)挖掘流程的結(jié)束，對獲取的知識如何有效選擇、運(yùn)用沒有進(jìn)行足夠的分析研究。知識管理和數(shù)據(jù)挖掘的智能融合研究對持續(xù)提高組織的決策水平，提升企業(yè)的核心競爭力有著重要的意義。

智能知識管理將探討如何利用可能的技術(shù)手段，構(gòu)筑一套系統(tǒng)化方案，使信息爆炸轉(zhuǎn)化為知識的智能化個性服務(wù)，從而提升組織及個人的信息利用能力，提高決策水平。傳統(tǒng)的智能知識管理從算法、過程、結(jié)構(gòu)等方面，強(qiáng)調(diào)以IT為工具對現(xiàn)有知識的管理，研究對象是“智能的知識管理系統(tǒng)”，研究的側(cè)重點(diǎn)側(cè)重于管理平臺功能的智能性，缺乏對從大量數(shù)據(jù)和信息中獲取知識并進(jìn)行管理的系統(tǒng)研究和知識整合利用的方法的設(shè)計(jì)，忽視知識本身的智能化。當(dāng)知識數(shù)量巨大時，這種智能的知識管理平臺難以勝任，必須讓知識自身具備一定的智能，進(jìn)行自我管理。

因此，從知識本身入手，參考復(fù)雜性科學(xué)理論，研究數(shù)據(jù)挖掘獲取的知識的特點(diǎn)和統(tǒng)一表達(dá)，使知識本身具備記憶、學(xué)習(xí)、識別等智能性，是減輕知識管理平臺壓力，降低信息爆炸的一條新路。智能知識是指通過數(shù)據(jù)挖掘技術(shù)得到的，通過人機(jī)交互的處理后具有記憶、識別、自我更新和消亡等智能特征的有價值的知識。

智能知識管理（Intelligent KnowledgeManagement，IKM）是引入心理學(xué)、復(fù)雜系統(tǒng)、人工智能等理論和技術(shù)，對通過數(shù)據(jù)挖掘技術(shù)獲取的原始知識（粗糙知識）與主體知識（規(guī)范知識、經(jīng)驗(yàn)、領(lǐng)導(dǎo)意圖、企業(yè)情境等因素）相結(jié)合，并對其進(jìn)行過濾、篩選、提取、存儲、轉(zhuǎn)化和利用，以智能地支持企業(yè)有效管理決策的管理過程。它是在有用知識的基礎(chǔ)上進(jìn)行智能化處理，孵化出自身具有智能特點(diǎn)的知識并實(shí)現(xiàn)自我更新和智能應(yīng)用等過程的管理，使知識能在需要的時間將需要的知識傳送給需要的人，從而促進(jìn)數(shù)據(jù)挖掘獲取的知識的實(shí)用性，減少信息爆炸，提高知識管理水平。2100433B

信息時代出現(xiàn)的數(shù)據(jù)爆炸、信息泛濫及噪音化趨勢，使人們難以根據(jù)自己的需要選擇、收集所需的信息，系統(tǒng)或個人所接受的信息超過其自身的處理能力導(dǎo)致信息不能有效利用的狀況，稱為“信息爆炸”（Information Explosion）。隨著管理信息系統(tǒng)和數(shù)據(jù)挖掘技術(shù)的應(yīng)用，知識的增長速度又進(jìn)一步加快。而數(shù)據(jù)挖掘得到的大量知識具有多樣性、粗糙性、時效性和分散性等特點(diǎn)，需要靠專家經(jīng)驗(yàn)進(jìn)行鑒別、篩選才能有效利用。當(dāng)產(chǎn)生的這類知識數(shù)量很大或者表現(xiàn)形式可解釋性差時，人工識別變得非常困難。另外，識別出的知識隨著時間的推移也會失效，同時新的知識也在不斷產(chǎn)生，而且，應(yīng)用過程中知識是被動地利用，不能主動提供給需要的人，而用戶無法識別邊界條件，導(dǎo)致人工審計(jì)大量知識的成本高，工作量大，周期長。從上述分析可以看到，有效管理數(shù)據(jù)挖掘獲取的知識并非易事，莊子“人生也有涯而知也無涯”的矛盾深深地困擾著現(xiàn)代人。

本書是國家自然科學(xué)基金項(xiàng)目"領(lǐng)域知識驅(qū)動的深層知識發(fā)現(xiàn)研究"和創(chuàng)新研究群體"數(shù)據(jù)挖掘與智能知識管理：理論與應(yīng)用研究"的研究成果之一，是眾多科研人員的科研成果的結(jié)晶。多年來，本書的作者一直從事基于最優(yōu)化的數(shù)據(jù)挖掘，大約八九年前作者對知識管理的研究非常感興趣，并進(jìn)行了深入的研究。全書共分為七章。本章前言作為第一章，主要闡述了智能知識管理提出的應(yīng)用和研究背景以及作者對于智能知識管理的一些主要觀點(diǎn)。

第1章數(shù)據(jù)挖掘與智能知識管理研究現(xiàn)狀1

1.1數(shù)據(jù)挖掘及其主要研究方向1

1.2知識管理及主要流派4

1.3智能知識管理的提出8

參考文獻(xiàn)16

第2章智能知識管理理論模型23

2.1智能知識的相關(guān)定義與艦框架23

2.2智能知識管理過程模型釀28

2.3智能知識管理的方法論36

2.4智能知識管理的未來研究發(fā)展方向41

參考文獻(xiàn)44

第3章智能知識管理的4T過程模型研究45

3.1基于知識來源的知識發(fā)現(xiàn)分類與比較分析45

3.2智能知識管理的4T過程與主要步驟49

3.34T的主要過程分析54

3.4本章小結(jié)70

參考文獻(xiàn)70

第4章智能知識的獲取研究72

4.1智能知識的分類與評價72

4.2基于關(guān)聯(lián)規(guī)則的智能知識獲取釀76

4.3基于粗糙集的MCLP分類的智能知識獲取86

4.4智能知識評價的應(yīng)用舉例102

4.5本章小結(jié)110

參考文獻(xiàn)110

第5章基于領(lǐng)域知識的深層知識發(fā)現(xiàn)及個性化推薦研究114

5.1領(lǐng)域知識驅(qū)動的知識發(fā)現(xiàn)過程114

5.2領(lǐng)域知識的表示與提取117

5.3基于領(lǐng)域知識的個性化推薦模型126

5.4本章小結(jié)156

參考文獻(xiàn)157

第6章智能知識管理系統(tǒng)的理論框架、設(shè)計(jì)與實(shí)現(xiàn)16%

6.1當(dāng)前數(shù)據(jù)挖掘系統(tǒng)概況164

6.2當(dāng)前數(shù)據(jù)挖掘軟件的不足166

6.3新一代挖掘系統(tǒng)的特性168

6.4軟件構(gòu)思及關(guān)鍵技術(shù)170

6.5系統(tǒng)框架模型175

6.6雛形系統(tǒng)的一個實(shí)現(xiàn)實(shí)例177

6.7本章小結(jié)182

參考文獻(xiàn)183

第7章案例與應(yīng)用研究：商業(yè)銀行客戶流失智能知識發(fā)現(xiàn)及應(yīng)用管理185

7.1商業(yè)銀行信用卡業(yè)務(wù)理解185

7.2貸記卡數(shù)據(jù)收集及數(shù)據(jù)整理188

7.3基于Logistic回歸的原始知識發(fā)現(xiàn)過程197

7.4基于Logistic回歸的智能知識發(fā)現(xiàn)208

7.5本章小結(jié)212

參考文獻(xiàn)212 2100433B

在管理理念上

知識管理真正體現(xiàn)了以人為本的管理思想，人力資源管理成為組織管理的核心。

在管理對象上

知識管理以無形資產(chǎn)管理為主要對象，比以往任何管理形式都更加強(qiáng)調(diào)知識資產(chǎn)的重要性。

在管理內(nèi)容上

要遵循“知識積累——創(chuàng)造——應(yīng)用——形成知識平臺——再積累——再創(chuàng)造——再應(yīng)用——形成新的知識平臺”的循環(huán)過程。

在范圍及重點(diǎn)上

知識管理包括顯性知識管理和隱性知識管理，但以隱性知識管理為重點(diǎn)，并注重顯性知識與隱性知識之間的共享與轉(zhuǎn)換。

目標(biāo)和策略上

以知識管理創(chuàng)新為直接目標(biāo)，已建立知識創(chuàng)新平臺為基本策略，智力性和創(chuàng)新性是知識管理的標(biāo)志性特點(diǎn)。

在組織結(jié)構(gòu)上

與以往其他管理形式所采取的金字塔式的等級模式不同，知識管理采取開放的、扁平式管理的學(xué)習(xí)型組織模式。