智能知识及其管理模式研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 第一章.引言
• 1.1 研究背景与选题意义
• 1.1.1 知识管理和数据挖掘的研究与应用背景
• 1.1.2 知识管理和数据挖掘在应用中遇到的问题
• 1.1.3 选题来源及研究的意义
• 1.2 研究的框架与内容
• 1.3 研究方法与技术路线
• 第二章. 国内外相关理论研究述评
• 2.1 知识管理研究现状综述
• 2.1.1 知识管理研究的对象综述
• 2.1.2 知识管理模式的研究现状
• 2.1.3 知识管理技术和工具研究现状
• 2.1.4 本节小结
• 2.2 数据挖掘的研究综述
• 2.2.1 数据挖掘过程
• 2.2.2 数据挖掘算法
• 2.2.3 数据挖掘的研究领域分析
• 2.2.4 本节小结
• 2.3 智能知识管理的研究现状
• 2.3.1 智能的概念及其实现途径
• 2.3.2 机器学习的策略
• 2.3.3 智能知识管理相关研究综述
• 2.4 本章小结
• 第三章.智能知识管理的理论框架
• 3.1 智能知识管理的基本概念
• 3.1.1 基于来源的知识分类
• 3.1.2 从原始知识到智能知识
• 3.1.3 智能知识管理（IKM）
• 3.1.4 智能知识管理系统（IKMS）
• 3.2 智能知识管理的理论基础
• 3.2.1 认知心理学理论
• 3.2.2 人工智能理论
• 3.2.3 复杂性科学与复杂系统理论
• 3.2.4 系统科学理论
• 3.2.5 可拓学理论
• 3.3 智能知识管理的理论框架
• 3.3.1 智能知识管理（IKM）的目标
• 3.3.2 智能知识管理的研究框架
• 3.3.3 智能知识管理的方法和路径
• 3.4 智能知识管理的关键技术
• 3.5 智能知识管理支撑条件的构建
• 3.6 本章小结
• 第四章.智能知识的直接获取技术
• 4.1 智能知识获取的数据准备
• 4.1.1 数据集的类型分析及选取策略
• 4.1.2 内部数据转换的可拓策略分析
• 4.1.3 数据转换措施
• 4.2 获取智能知识的转化规则挖掘算法
• 4.2.1 转化规则挖掘的理论分析
• 4.2.2 转化规则获取的方法
• 4.2.3 获取转化规则的挖掘算法及实现步骤
• 4.3 获取智能知识的可拓分类算法
• 4.3.1 MCLP分类原理
• 4.3.2 可拓分类的的概念
• 4.3.3 可拓分类的实现框架
• 4.3.4 可拓分类的算法设计
• 4.3.5 可拓分类的结果示例
• 4.4 本章小结
• 第五章.智能知识管理的间接实现模式
• 5.1 原始知识的获取方法及表现形式
• 5.2 智能知识的孵化过程
• 5.3 智能知识的表达与存储
• 5.3.1 常用的知识表达方式
• 5.3.2 元知识与情景信息
• 5.3.3 基于基元的智能知识表达
• 5.3.4 智能知识的存储
• 5.4 智能知识的审计
• 5.4.1 知识审计的概念
• 5.4.2 知识审计的方法
• 5.4.3 智能知识的自我审计技术
• 5.5 智能知识的推理机制
• 5.5.1 知识推理方法
• 5.5.2 智能知识的推理机制
• 5.5.3 智能知识的推理算法
• 5.6 本章小结
• 第六章 智能知识管理系统设计
• 6.1 智能知识的生命周期分析
• 6.2 系统需求分析
• 6.3 智能知识管理系统的整体架构
• 6.4 智能知识管理系统的软件架构及组件划分
• 6.5 智能知识管理系统的功能概要设计
• 6.6 本章小结
• 第七章 智能知识管理模式的应用
• 7.1 智能知识应用的一般流程
• 7.2 智能知识的应用实例
• 7.2.1 应用背景
• 7.2.2 智能知识的应用过程
• 7.2.3 效果分析
• 7.3 智能知识管理模式的初步应用
• 7.4 本章小结
• 第八章 总结与展望
• 8.1 研究成果
• 8.2 主要创新点
• 8.3 对后续研究的展望
• 附录：知识管理和数据挖掘研究论文统计
• 主要参考文献
• 攻读博士学位期间参加的科研项目和发表（录用）的学术论文
• 致谢