知识的增值——知识发现与知识管理

知识是一种像流体一样具有流动性的物质,其中混杂了已经结构化的经验、价值和有特定含义的信息及专家洞察力。 知识发明是所谓“数据挖掘”的一种更广义的说法,即从各种媒体表示的信息中,根据不同的需求获得知识。知识发现的目的是向使用者屏蔽原始数据的繁琐细节,从原始数据中提炼出有意义的、简洁的知识,直接向使用者报告。 知识管理是一个过程,个人通过这一过程学习新知识和获得新经验,并将这些新知识和新经验反映出来,进行共享,以用来促进、增强个人的知识和机构组织的价值。     

基于“知识元”的知识组织与检索

文章提出了知识组织与检索中的知识元与向导信息的导航变换理论与方法,对建立知识元的理论基础认知元做了研究,给出了文本中的知识元抽取的模块图。该理论方法已采用软件实现,展现出了光明的前景。     

基于知识元语义网格平台的知识发现研究

文章讨论了Internet的增长和普及带来的科学研究对象和方法的巨大变化,科学家在跨领域合作研究过程中对数据的语义和复杂度要求越来越高,寻找关联方式发现知识成为科学家所面临的最严峻的挑战。面对这一挑战,文章提出构建知识元语义网格平台,实现以知识元为知识单位的知识发现服务体系结构。文章对基于网格的知识发现概念、网格的知识服务结构、基于知识元的语义网格知识发现基本模型作了研究。     

数据库中发现知识的方法

本文介绍了从数据库中发现知识的含义，讨论了ＫＤＤ中发现知识的基本方法。     

一个综合知识发现与知识求精系统--XFKDRS

介绍了一个综合知识发现与知识求精系统-XFKDRS.它由分类规则、关联规则、序贯模式、相似模式、聚类模式组成知识发现模块.知识求精首先在领域知识可视化的基础上,集成了基于遗传知识树、知识型人工神经网络和基于解释学习的求精方法.最后将新知识转换成雄风专家系统工具XF6.2的知识表达形式,添加到其知识库中,完成专家系统的自动知识获取.     

基于知识库的知识发现结构研究

基于知识库的知识发现系统KDK(KnowledgeDiscoveryBasedonKnowledgebase)是直接从知识信息中提取潜在有用的、新颖的、未知的模式的过程,以解决目前知识爆炸而能提供给决策者有效的决策信息却矛盾很少。不同于KDD,KDK系统将直接作用于大型知识库的构建。该文讨论了KDK的描述性定义,给出了KDK的总体结构模型,及子系统描述。     

数据挖掘和知识发现方法研究

摘 归纳了最新的数据挖掘和知识发现方法的理论和应用进展,详细总结了研究和应用的一些关键技术,最后对数据挖掘和知识发现将来的理论发展趋势和应用趋势做出了展望。     

电子学习系统中的知识表示与知识发现模型研究

领域本体提供了丰富的概念集,是领域知识共享的基础。讨论了电子教学系统中课程知识体系的组织与本体表示方法,构造了基于领域本体的知识发现模型,阐述了基于领域概念对相似性的本体映射过程,实现了基于单元知识的电子教学资源的灵活共享。     

GIS中的知识发现研究

本文从介绍有关数据库中知识发现的技术入手，探讨了从ＧＩＳ中发现知识的方法。     

知识工程的应用研究进展

知识工程是源于专家系统建造而形成的一个研究领域,目前已经成为一个跨学科的综合学科.文章简要介绍了知识工程的概念和发展历程,重点分析了知识工程在工业工程、教育领域、新兴应用等多个领域的主要应用.提出其未来在安全认证及信任管理等方面的研究方向.     

知识云及其在知识获取中的意义

如何有效地获取领域专家的知识一直被视为人工智能中的难题．本文的目的在于提出一种关于知识获取的基本观点，并以此观点为基础来研究知识获取问题．这个观点的基本内容是：象波尔的原于模型一样，在专家的知识周围有一些知识层．它们是认识和获取专家知识的突破口或入口．本文将这些知识层看成是知识云，同时将上述观点视作知识云假设．我们将讨论知识云的内涵，研究知识云假设的合理性，最后将阐述知识云这一概念在知识获取中的意义．     

A PROPOSAL FOR A KNOWLEDGE MARKET BASED ON QUANTITY AND QUALITY OF KNOWLEDGE

Autonomous market environments have been proposed in the literature as the future of electronic markets. The ability to delegate complex negotiation processes and obtain similar or better results than their human counterparts has generated a great interest in agent-based markets. More recently, such a paradigm has been applied in the field of knowledge management and, more specifically, to knowledge sharing and exchange; however, most of the knowledge market proposals in the literature fail to give details on a key component of their models: knowledge quality. This article presents a new proposal for an agent-based market environment that aims at filling the previously mentioned gap in research. The main contribution of our research is the integration of formal mechanisms for knowledge quality and quantity measurement and the use of these values to set a price for knowledge and select the most suitable agent for negotiation.     

知识获取方法DECO

知识获取方法学是目前人工智能领域中最重要的分支之一,现在已出现了几种不同应用范围的获取方法,集成式知识获取方法的研究已成为当前的一种趋势,本文所介绍的DECO方法是一种集成式方法,它将知识获取分为若干个基本上相互独立的步骤,并且溶进了知识库快速生成技术以及基于专家分析实例的学习方法。     

关于知识表示的讨论

知识表示是人工智能（ＡＩ）研究中基本问题之一,对ＡＩ来说,知识表示的研究分成两个层次：（２）知识表示方法的研究,（２）表示观的研究,首先,本文在总结各种表示方法的基础上,提出了一种“知识表示体系树”,以观察ＡＩ研究的发展趋势,其次,文中收集了目前ＡＩ学界对这个问题讨论了各种主张,并将其归纳为评论论、本体论及知识工程等三类对表示的观点;最后,还讨论了ＡＩ一些研究分支与表示的关系。     

基于eLearning的企业知识管理模型

知识管理与eLearning技术能有效提升企业竞争力。首先改进了SECI知识管理模型;然后提出了基于eLearning的企业知识管理模型;最后给出了基于该模型的应用案例。通过对该案例的分析,可以更好地理解eLearning与知识管理在企业中的实际关系。     

一类命题知识库的更新算法

本文介绍了知识库更新的基本概念及命题知识库更新的复杂性研究现状。近年来，学者们提出了许多方法进行命题知识库的更新，一类是基于公式的方法，一类是基于模型的方法，但所有这些方法在通常上都是难解的。本文结合实际应用，提出了一种特殊情况下的更新方法，并给 相应的多项式时间算法。     

COMBINING KNOWLEDGE BASES CONSISTING OF FIRST-ORDER THEORIES

Consider the construction of an expert system by encoding the knowledge of different experts. Suppose the knowledge provided by each expert is encoded into a knowledge base. Then the process of combining the knowledge of these different experts is an important and nontrivial problem. We study this problem here when the expert systems are considered to be first-order theories. We present techniques for resolving inconsistencies in such knowledge bases. We also provide algorithms for implementing these techniques.     

DIPKIP: A CONNECTIONIST KNOWLEDGE MANAGEMENT SYSTEM TO IDENTIFY KNOWLEDGE DEFICITS IN PRACTICAL CASES

This study presents a novel, multidisciplinary research project entitled DIPKIP (data acquisition, intelligent processing, knowledge identification and proposal), which is a Knowledge Management (KM) system that profiles the KM status of a company. Qualitative data is fed into the system that allows it not only to assess the KM situation in the company in a straightforward and intuitive manner, but also to propose corrective actions to improve that situation. DIPKIP is based on four separate steps. An initial “Data Acquisition” step, in which key data is captured, is followed by an “Intelligent Processing” step, using neural projection architectures. Subsequently, the “Knowledge Identification” step catalogues the company into three categories, which define a set of possible theoretical strategic knowledge situations: knowledge deficit, partial knowledge deficit, and no knowledge deficit. Finally, a “Proposal” step is performed, in which the “knowledge processes”—creation/acquisition, transference/distribution, and putting into practice/updating—are appraised to arrive at a coherent recommendation. The knowledge updating process (increasing the knowledge held and removing obsolete knowledge) is in itself a novel contribution. DIPKIP may be applied as a decision support system, which, under the supervision of a KM expert, can provide useful and practical proposals to senior management for the improvement of KM, leading to flexibility, cost savings, and greater competitiveness. The research also analyses the future for powerful neural projection models in the emerging field of KM by reviewing a variety of robust unsupervised projection architectures, all of which are used to visualize the intrinsic structure of high‐dimensional data sets. The main projection architecture in this research, known as Cooperative Maximum‐Likelihood Hebbian Learning (CMLHL), manages to capture a degree of KM topological ordering based on the application of cooperative lateral connections. The results of two real‐life case studies in very different industrial sectors corroborated the relevance and viability of the DIPKIP system and the concepts upon which it is founded.     

关系数据库中的模糊知识发现

本文提出用部分量词和模糊谓词来表示模糊知识这一方法，在简要介绍数据抽象这一关系数据库中知识发现的方法后，详细描述了该方法中对模糊性问题的处理方法．