论文部分内容阅读
在知识经济时代,知识成为组织的核心竞争资源。然而,知识具有高强度的环境依赖特性,当新知识高速涌现出来,原知识注定会被加速推进垃圾堆内。知识价值的有效发挥需要依靠其高质量及有限规模的持续保障,亦即需要对知识实施有效进化。研究与实践均表明,隐性知识占据知识结构的大部分,并且对实用与创新意义重大。对隐性知识实施案例外显化,可促成对其高效的直接管理。然而,知识的快速产生和肆意存储造成现有知识管理系统(KMS)内隐性知识外显案例规模增大、冗余存留,严重影响隐性知识价值发挥的效率和有效性。由鉴于此,本文从进化时点视角提出能够定期、规模、自动化进行的周期型进化和能够有针对性、高质量、人机交互的应用型进化模式。两种进化模式并行,采用“分治策略”对系统内案例进行“质”和“量”的双维进化,以达到在维持案例有限规模的前提下提高案例的整体价值。其中,周期型进化模式以日常运营库和休眠库案例为对象,依据决策属性对案例进行初步聚类,并基于稀缺性标准进行再过滤,再辅以时效性和检索应用标准阀值分类,利用能贴合隐性知识案例特征的信息增益为属性赋权,进而通过欧氏距离计算案例视图相似度。在此基础上对案例进行淘汰、休眠、或激活等进化操作,并通过算例验证此进化模式的合理性。应用型进化模式以检索应用问题案例(准案例)为导向,通过监测过滤机制对问题案例依据异常值存在情况、适配源案例相似程度以及检索评价效果为标记进行分类,以领域专家为进化主导,并对新案例进行及时发现与纳新存储。此外本文还根据知识应用主体特性对各项标准值进行设置与调整。该进化计算有较好的柔韧性,能广泛适应各类知识库维护与管理。知识进化作为知识链中最后整体管理与进一步创新提升的承接环节,不仅是原知识生命的延续,更是创造新知识的动力源泉。经过进化操作的高质量隐性知识外显案例有助于提高KMS内的知识质量和问题求解效益,加快组织内新知识的应用进程、提升应用效果并保障其可持续发展。