论文部分内容阅读
知识正成为知识经济时代的重要资源。如何促进知识的分享一直是知识管理领域研究的重点。随着信息技术的发展,运用数据挖掘可以获取大量隐藏的模式,但如何有效地利用这些模式并将之转化为知识,尚未引起学者足够的重视,成为制约数据挖掘推广应用的瓶颈。本文对数据挖掘获取的知识的形式、特点和管理模式进行研究,以促进知识管理和数据挖掘学科的互补式交叉发展,提高企业决策质量。运用理论和实践相结合、定性和定量相结合的研究方法,综合知识管理、数据挖掘、人工智能、可拓学和复杂性理论等交叉学科的研究成果,给出了智能知识(IK)和智能知识管理(IKM)的概念。改变了学者一贯采用的智能的知识管理方案,提出让知识本身具有记忆、识别、推理、自适应等一系列特点的智能知识及其管理模式理论,建立了IKM研究的体系框架,以减少即将来临的知识过载。这一研究具有较强的前瞻性。实现技术上,引入可拓学理论,设计了具有目标智能性的决策树规则可拓挖掘算法和基于MCLP的可拓分类算法,首次提出了智能知识的孵化方法,实现了智能知识的表达和存储方案,并提出了智能知识的自我审计方法和推理机制。最后分析了智能知识管理系统(IKMS)的需求,并进行了详细的软件功能设计。通过该方案在某互联网公司的运用,验证了智能知识的意义和实践价值。