知识管理全球楼梯频响莲花解决方案中国落地

随着信息化的进展,企业对已有知识资源的有效管理和创新的重要性越来越突现,但由于缺乏真正先进完整、成熟易用的知识管理解决方案,我国知识管理市场一直处于“只听楼梯响,不见佳人来”的尴尬境地。莲花公司解决方案的产生,将推动国内知识管理从概念进入了实质性的应用阶段     

中小规模研究性企业知识管理体系建设探索

研究型企业深刻意识到知识管理体系对企业的重要性．建立知识管理体系过程中出现的各类问题导致知识管理体系推动研究型企业进步的效率较低．笔者所在单位在长期管理信息系统建设过程中,从知识收集、整理归纳、知识共享、知识创新等环节进行方法研究和实践探索,取得了一定效果,企业内部知识体系逐步进入有序建设,有效推动了企业知识创新．     

以集合形式对知识再定义

知识在推动社会发展、服务社会生活过程中有着重要的作用,但人们对知识没有一个一致认可的定义。分析了已有的知识定义及分类,指出了其存在的不足,给出了集合形式的知识新定义--K-Set,并对K-Set定义进行了详细分析和解释。     

基于本体的领域知识重用方法研究*

由于已有知识表示和本体知识表示并不在同一逻辑体系基础上,从知识表示层面提出了一种基于知识等价映射的知识重用方法解决对已有异构知识的重用问题。通过语义等价提取、在本体指导下的一致性处理以及语义映射解决了本体构建过程中对已有知识的自动重用问题。实验表明,该方法易于实现且具有较高的精确性、可行性和有效性。     

信息时代知识的生产和复制（上）

本文分析了信息时代知识的生产方式和复制方式。信息技术改变了知识的载体，人工智能和虚拟真实的发展也十分迅速，但只有人才能进行学习，才能生产知识、传播知识，并在已有知识的基础上进行创新。技术对教育的影响会越来越大，但不能取代真人教师和真实环境的地位。     

基于知识表示学习的知识可信度评估

知识图谱自动化构建技术的发展以及信息量的增加导致知识图谱中引入了噪声和冲突,为了有效应用知识图谱,需要对知识的可信度进行评估。建立一种基于知识表示学习的知识可信度评估模型PTCA,利用实体之间的关联强度、实体类型信息以及多步路径信息对知识的可信度进行计算。通过三元组分类、知识图谱噪声检测以及知识图谱补全等3个任务对模型性能进行测试,结果表明,PTCA模型可以检测知识图谱内部存在的噪声和冲突,对三元组知识的可信度进行有效计算,且在有噪声干扰的数据集上的评估性能优于CKRL和PTransE模型。     

面向创新设计的专利知识抽取方法

专利蕴含丰富的背景、技术、功能等知识,对创新设计领域起着重要的作用。对创新知识进行有效提取,能推动人们对知识的利用,助于突破固有的思维定势及知识面的限制,启发设计者从独特、新颖的角度进行产品设计。从创新设计的角度,提出基于组合特征和最大熵分类器的专利创新知识抽取方法。该方法运用自然语言处理方法,增加专利领域术语识别算法,联合词特征和最短路径闭包树句法特征,最后采用最大熵进行基于语义分析的知识提取,并对知识属性进行标注。实验结果表明,引入组合特征,能高效地处理专利要解决的问题,以及技术方案中的目标功能、作用原理、位置特征等创新知识之间的语义角色关系。     

基于知识树的领域知识组织和应用

在分析已有知识表示方法优缺点的基础上,提出一种高效的知识表达模型——概念知识树。概念知识树模型不仅结构性好、表达能力强,而且在应用中具有良好的适应性和延展性,现主要应用于信息检索和自然语言理解领域。以旅游领域为背景,用概念知识树作为表达模型建立相应的领域知识体系,并在此基础之上实现了一个旅游智能分析系统。该系统可在对用户需求(自然语言)进行一定程度语义理解的基础上,根据所建立的知识体系自动进行语义匹配,最终返回满足用户需要以及相关的旅游路线信息。     

基于知识粒度的异常数据挖掘算法

粒计算理论提供了一种新的处理不确定、不完全与不一致知识的有效方法。知识粒度是粒计算理论中度量不确定信息的重要工具之一。已有的异常数据挖掘算法主要针对确定性的异常数据挖掘,采用知识粒度度量不确定性数据,进行异常数据挖掘的研究尚未报道。为此,在引入知识粒度概念的基础上,定义了相对知识粒度及异常度来度量数据之间的异常程度,并提出基于知识粒度的异常数据挖掘算法,该算法可有效进行异常数据的挖掘。实例验证了该算法的有效性。     

百度“知道”知识共享传播机制与企业知识共享平台建设

知识是企业重要的创新资源,知识共享可以有效提升企业的竞争力。本文在介绍百度“知道”平台的基础上,分析了其知识共享与传播机制,以此为基础构建了企业内知识共享平台。     

形式背景下的技能约简与评估

知识空间理论(KST)为构建知识评价体系提供了有效的途径.形式概念分析(FCA)是知识发现的有力工具.知识空间理论与形式概念分析间存在密不可分的联系.知识空间理论被运用于评估学习者的知识和指导未来的学习.目前,如何构建准确的知识结构是知识空间理论的重点研究问题.基于技能与问题间的关系,对知识空间理论与形式概念分析间的联...     

以概念格为背景的关联规则可视化

传统的关联规则表示方法无法展示概念之间的本质关系,缺少对概念层面的认识,忽略了知识发现结果的共享等问题,而概念格作为一种能够生动简洁地体现概念之间泛化和例化关系的数据结构,在对关联规则可视化和发现潜在知识方面也有着独特的优势。提出了以概念格为背景的关联规则可视化方法,以概念为查找单元,在概念格中寻找需要展示的关联规则路径,将属性之间的关联关系扩展到概念层面,并给出了相对应的多模式规则的可视化的策略与算法。结合某校图书馆借书记录数据,进行关联规则分析与可视化实现。实验结果表明,该可视化方法在知识发现和共享方面具有良好的效果。     

概念格与粗糙集的关系研究

概念格理论和粗糙集理论是两种不同的知识表示与知识发现的工具,都已被成功应用于许多领域.粗糙集理论的数据表现方式是信息系统,其研究基础是对象之间的等价关系;概念格理论的数据表现方式是形式背景,其研究基础是一种有序的层次结构--概念格.本文讨论了概念格理论与粗糙集理论之间的基本联系;重点分析了形式概念与等价类之间、概念格与分划之间的关系;证明了概念格与分划之间可以相互转换,给出了转换算法,并用例子加以说明.     

面向知识结构分析的模糊概念格模型

知识空间理论使用数学语言对学习者进行知识评价与学习指导, 属于数学心理学的研究范畴. 技能与问题是构成知识空间的两个基本要素, 深入研究两者之间的关系是知识状态刻画与知识结构分析的内在要求. 在当前的知识空间理论研究中, 没有明确建立技能与问题之间的双向映射, 从而难以提出直观概念意义下的知识结构分析模型, 也没有明确建立知识状态之间的偏序关系, 不利于刻画知识状态之间的差异, 更不利于规划学习者未来的学习路径. 此外, 现有的成果主要集中在经典的知识空间, 没有考虑实际问题中数据的不确定性. 为此, 将形式概念分析与模糊集引入知识空间理论, 建立面向知识结构分析的模糊概念格模型. 具体地, 分别建立知识空间与闭包空间的模糊概念格模型. 首先, 建立知识空间模糊概念格, 并通过任意两个概念的上确界证明所有概念的外延构成知识空间. 引入粒描述的思想定义技能诱导的问题原子粒, 由问题原子粒的组合判定一个问题组合是否是知识空间中的一个状态, 进而提出由问题组合获取知识空间模糊概念的方法. 其次, 建立闭包空间模糊概念格, 并通过任意两个概念的下确界证明所有概念的外延构成闭包空间. 类似地, 定义问题诱导的技能原子粒, 由技能原子粒的组合判定一个技能组合是否是闭包空间中某一知识状态所需的技能, 进而提出由技能组合获取闭包空间模糊概念的方法. 最后, 通过实验分析问题数量、技能数量、填充因子以及分析尺度对知识空间与闭包空间规模的影响. 结论表明知识空间模糊概念不同于现有的任何概念, 也不能从其他概念派生而来. 闭包空间模糊概念本质上是一种面向属性单边模糊概念. 在二值技能形式背景中, 知识空间与闭包空间中的状态具有一一对应关系, 但这种关系在模糊技能形式背景中并不成立.     

容差近似空间的广义概念格模型研究

在粗糙集合理论中,近似空间概念格之间存在着有趣的对应关系,利用概念格研究知识的约简和发现。更直观和更有效,但已有的概念格模型是基于近似空间的等价类划分的。等价类划分过于苛刻,扩展的基于容差关系的近似空间具有更广泛的意义,但目前未见有相应的格模型被提出。该文提出了容差近似空间的一种格模型,称为广义概念格,给出了定义,描述了建立方法和由它产生规则的原则,讨论了空间复杂性问题,并且与其它相近方法做了比较     

证据合成的格结构研究

在粗糙集和证据理论体系结构的基拙上,分析粗糙集和证据理论中合成质量函数的不同方法,研究细分偏序 格中划分与证据理论中的正交组合运算的关系利用粒度分析细分偏序格上划分的变化情况,证明了在细分偏序格 的上、下确界与所有上、下界所对应的划分中,获取的质量函数并不对应于证据理论中质量函数正交运算的结论,从而 澄清了不同知识粒度下粗糙集中所有划分获取的质量函数与证据理论中正交运算之间的关系。     

基于等价关系的最小乐观概念格生成算法

决策信息系统的规则提取是数据挖掘的研究内容之一,概念格理论与粒计算理论是该领域研究的主要数学工具.文中通过探究这两大理论间的关系,利用等价关系定义了最小乐观概念格及其结构,最小乐观概念区别于传统经典概念,但是具有格的结构.在此基础上,提出了一种决策信息系统的规则提取算法,该算法引入了粒度思想,通过求取每一粒层中的最小乐...     

面向属性（对象）多粒度概念格之间的关系

受粗糙集中多粒度标记信息系统研究的启发,对于多粒度标记的形式背景,不同粒度标记下形成的概念格之间存在着一些联系,这在形式概念分析理论中属于热点研究问题。为了研究不同粒度标记下形成的概念格之间的关系,首先讨论了不同粒度标记下的生成的极值算子之间的关系;其次通过极值算子之间的关系,对不同粒度标记下形成的面向对象的概念格之间的关系进行了研究;再利用面向属性的概念格和面向对象的概念格之间的互补关系,对不同粒度标记下形成的面向属性的概念格之间的关系进行了研究,实现了在已知细粒度标记下的形式背景、粗粒度标记下的形式背景,通过细粒度标记下的知识推断出粗粒度标记下的知识;最后在此基础上提出了相应的概念格生成的方法。     

Attribute reduction theory and approach to concept lattice

The concept lattice, also called Galois lattice, was proposed by Wille in 1982[1]. A concept lattice is an ordered hierarchy that is defined by a binary relationship between objects and attributes in a data set. As an efficient tool of data analysis and knowledge processing, the concept lattice has been applied in many fields, such as knowledge en- gineering, data mining, information searches, and software engineering[2―7]. Most of the researches on the concept lattice concentrate on such to…