www.日本精品,久久中文视频,中文字幕第一页在线播放,香蕉视频免费网站,老湿机一区午夜精品免费福利,91久久综合精品国产丝袜长腿,欧美日韩视频精品一区二区

企業(yè)信息資源集成中的知識地圖構(gòu)建與工作模型研究 信息資源體系構(gòu)建中的信息產(chǎn)權(quán)問題

發(fā)布時間:2020-03-10 來源: 散文精選 點擊:

  [摘要]分析企業(yè)信息資源集成的關(guān)鍵問題,介紹知識地圖相關(guān)理論,探討知識地圖在知識檢索、個性化信息推薦和局部本體集成三個方面對于改進(jìn)企業(yè)信息資源集成的作用。指出實現(xiàn)知識地圖在企業(yè)信息資源集成的三個方面的應(yīng)用需要構(gòu)建兩種不同類型的知識地圖,并分別解釋其構(gòu)建流程。在此基礎(chǔ)上,構(gòu)建知識地圖在企業(yè)信息資源集成中的工作模型。
  [關(guān)鍵詞]知識地圖 信息資源集成 企業(yè) 構(gòu)建流程 工作模型
  [分類號]G350
  
  企業(yè)在長期經(jīng)營過程中,積累了豐富的信息資源,這些信息資源以數(shù)據(jù)庫、文檔等不同形式存在,存儲地點分散,影響了企業(yè)對信息資源的有效利用。國內(nèi)外學(xué)者提出通過信息資源集成的方法解決這一問題,實施企業(yè)信息資源集成,可以將企業(yè)原本異構(gòu)、離散、分布的信息資源通過物理或邏輯的方式組織成一個整體,它能有效的搜集、組織和利用企業(yè)信息。但該方法同樣存在一些關(guān)鍵問題有待改進(jìn),例如實現(xiàn)信息資源集成后,如何將決策所需信息及時準(zhǔn)確地推送給決策者,如何提高信息資源檢索質(zhì)量,如何實現(xiàn)信息資源集成框架內(nèi)多領(lǐng)域本體之間的語義互聯(lián)等。
  知識地圖、知識庫和知識社區(qū)是知識管理系統(tǒng)的三大法寶。知識地圖為上述問題的解決提供了一種新的思路。本文在分析企業(yè)信息資源集成關(guān)鍵問題的基礎(chǔ)上,探討了知識地圖在企業(yè)信息資源集成中的應(yīng)用,在此基礎(chǔ)上分析了相關(guān)知識地圖的構(gòu)建。
  
  1 企業(yè)信息資源集成的關(guān)鍵問題
  
  所謂關(guān)鍵問題是指關(guān)系到企業(yè)信息資源集成質(zhì)量和效果的問題,也是需要重點改進(jìn)的方面。主要有以下幾點:
  
  1.1 知識資源檢索質(zhì)量
  在企業(yè)知識管理系統(tǒng)中,常用的檢索方法是基于關(guān)鍵詞的檢索。這種檢索方法的突出缺點就是缺乏識別、理解和使用深層語義信息的能力,只檢索出與關(guān)鍵詞匹配的知識,割斷了知識之間的聯(lián)系,而且用戶通常對自身知識需求不明確,無法準(zhǔn)確向檢索系統(tǒng)表達(dá)需求,檢索質(zhì)量不高。而企業(yè)信息資源集成的主要功能是面向半結(jié)構(gòu)化和非結(jié)構(gòu)化問題向用戶提供能夠支持決策的知識,現(xiàn)有檢索方法顯然無法滿足用戶需求。
  
  1.2 個性化信息推薦質(zhì)量
  作為知識獲取的重要方式,個性化信息推薦能夠根據(jù)不同用戶的特定需求,主動向用戶推送相關(guān)信息資源。目前信息推薦系統(tǒng)采用的主流算法是協(xié)同過濾推薦算法。協(xié)同過濾推薦,也叫基于用戶和用戶關(guān)系(User-to-user Correlation)的推薦,該算法在分析知識與知識、知識與用戶、用戶與用戶之間關(guān)系的基礎(chǔ)上,得出推薦結(jié)果。但在實際應(yīng)用中,由于知識與知識、用戶與用戶之間的關(guān)聯(lián)難以確定,影響了該算法的有效性及個性化信息推薦的效果。
  
  1.3 局部本體集成
  基于本體的信息資源集成方法主要有三種:單本體方法、多本體方法和混合本體方法。單本體方法中,任何信息源的改變都會引起全局本體的變動,難以維護(hù)。混合本體中,局部本體的構(gòu)建須以全局本體為基礎(chǔ),限制了已有本體的重用。多本體方法能避免兩者的缺點,但由于缺乏公共詞匯表使得不同局部本體的比較變得困難。目前常用的解決辦法是在不同局部本體之間定義本體映射。如果存在n個局部本體,那就需要定義n(n-1)/2個映射規(guī)則。實際上,由于各局部本體的構(gòu)建完全獨立,彼此沒有明顯的語義關(guān)聯(lián),本體映射難以定義。且實踐中,構(gòu)建本體映射大多還需要領(lǐng)域?qū)<沂止そ槿,自動化程度達(dá)不到大規(guī)模本體共享與交流的目的。如何突破本體映射的障礙,實現(xiàn)局部本體集成,關(guān)系到企業(yè)信息資源集成項目的成敗。
  
  2 知識地圖理論
  
  2.1 知識地圖的定義
  知識地圖的概念最早由英國情報學(xué)家B.C.Brookes提出,關(guān)于知識地圖的定義,國內(nèi)外專家看法不一。李華偉等認(rèn)為,知識地圖是一種幫助用戶知道在何處能找到知識的知識管理工具,企業(yè)知識地圖將企業(yè)各種資源的入口集成起來,以統(tǒng)一的方式將企業(yè)的知識資源介紹給用戶。Vail認(rèn)為,知識地圖是已經(jīng)獲取的知識以及知識之間關(guān)系的可視化描述,它可以使不同背景的知識尋求者在不同的詳細(xì)程度上學(xué)習(xí)知識,并同其他人進(jìn)行交流。雖然各位學(xué)者對知識地圖的理解不同,但都存在以下共同點:知識地圖只告訴人們知識的位置,并不直接指向知識內(nèi)容,它不僅揭示知識的存儲地,而且揭示知識間的關(guān)系,不僅揭示顯性知識,也揭示隱性知識,同時可視化展現(xiàn)知識間關(guān)系,有助于發(fā)現(xiàn)新知識。
  
  
  2.2 知識地圖的類型
  目前主流的知識地圖分類標(biāo)準(zhǔn)是Lgona和Caldwen在2000年提出的,他們將知識地圖劃分為概念型知識地圖、流程型知識地圖和能力型知識地圖三類。概念型知識地圖依據(jù)主題或概念組織而成,只包含用于描述某個事實或概念的靜態(tài)知識。流程型知識地圖依據(jù)活動流程組織而成,用于將企業(yè)內(nèi)與業(yè)務(wù)流程相關(guān)的知識或知識源圖形化表示。能力型知識地圖,又稱為職能型知識地圖,主要用于描述企業(yè)員工的知識、技能及相關(guān)領(lǐng)域的專家。
  
  2.3 知識地圖的作用
  知識地圖是對知識的地圖化描述,幫助人們定位知識,明確知識的所有權(quán),發(fā)現(xiàn)知識的價值并利用知識,增強對已有知識的使用。知識地圖能夠為用戶提供企業(yè)各種知識資源庫的集成邏輯視圖,知識地圖還可用于實現(xiàn)知識資源的可視化配置,明確知識的分布以及分布于不同空間的知識資源的內(nèi)在聯(lián)系。
  
  3 企業(yè)信息資源集成中知識地圖的應(yīng)用
  
  如前文所述,企業(yè)信息資源集成系統(tǒng)還存在三個需要改進(jìn)的方面,知識地圖技術(shù)為這些問題的解決提供了一種新思路。
  
  3.1 知識檢索
  當(dāng)用戶向檢索系統(tǒng)提出查詢式時,檢索引擎先對用戶查詢請求進(jìn)行分詞預(yù)處理,然后通過概念分類、聚類算法對檢索關(guān)鍵詞進(jìn)行擴(kuò)展。具體過程是調(diào)用知識地圖文件并通過推理機(jī)對其進(jìn)行解析,找到知識地圖中節(jié)點間的關(guān)聯(lián)權(quán)值,將關(guān)聯(lián)值較高的知識概念加入到檢索關(guān)鍵詞中,生成更加接近用戶真實意圖的查詢式,從而將信息檢索提高到語義檢索的高度。用戶有時想知道不同類型知識之間是否有聯(lián)系,這在基于關(guān)鍵詞的檢索中無法實現(xiàn),但通過知識地圖可以實現(xiàn)基于關(guān)聯(lián)的檢索,發(fā)現(xiàn)不同類型知識與知識之間存在的關(guān)聯(lián)。
  
  
  3.2 個性化信息推薦
  如前文所述,由于知識與知識、用戶與用戶之間的關(guān)聯(lián)具有不確定性或者難以獲取,影響了協(xié)同過濾推薦算法的有效性。而知識地圖可以很好地體現(xiàn)知識、用戶之間的關(guān)系,將知識地圖和協(xié)同過濾算法結(jié)合起來,有助于算法理解各類知識及用戶之間的關(guān)聯(lián),提高個性化信息推薦的精度。因為通過對知識地圖文件的解析,可以獲取兩個用戶之間更具體的關(guān)聯(lián)關(guān)系,從而加強用戶間的相似度,比如同一部門的兩個用戶很有可能有相同的信息需求。
  
  3.3 局部本體集成
  實現(xiàn)信息資源集成的關(guān)鍵是定義各局部本體之間的本體映射。但由于缺乏語義基礎(chǔ),本體映射難以定義,且本體映射并不是簡單地一對一的映射,還需要對 繼承和推理的一致性進(jìn)行校驗和確認(rèn),這使得本已復(fù)雜的本體映射規(guī)則的構(gòu)建變得更加困難。知識地圖技術(shù)為解決異構(gòu)局部本體集成提供了一個新思路。知識地圖在局部本體集成中的應(yīng)用,如圖1所示:
  先利用已有局部本體,以XML標(biāo)記語言為數(shù)據(jù),對各種信息資源進(jìn)行標(biāo)注,使得被標(biāo)注的數(shù)據(jù)具有明確的意義,使機(jī)器可以理解,最終產(chǎn)生知識庫。不同知識庫之間需要使用對方的數(shù)據(jù),這就需要各局部本體之間能相互理解。而在數(shù)字信息資源組織中,利用知識地圖技術(shù),可以有效地對領(lǐng)域本體進(jìn)行知識連接和引導(dǎo)。具體方法是,根據(jù)一定的映射規(guī)則將各局部本體中的類、實例等映射為知識地圖中的節(jié)點,然后利用人工、自動或半自動的方法發(fā)現(xiàn)局部本體之間的語義關(guān)系,如繼承關(guān)系、參考關(guān)系、反相關(guān)系等,并將這些語義關(guān)系映射到知識地圖中,形成一個既關(guān)聯(lián)、又獨立的本體知識地圖,從而將異構(gòu)局部本體鏈接起來。
  
  4 知識地圖的構(gòu)建
  
  為實現(xiàn)上述三個方面的應(yīng)用,需要構(gòu)建相應(yīng)的知識地圖。其中,應(yīng)用于知識檢索和個性化信息推薦的知識地圖是同一個,稱之為綜合知識地圖。應(yīng)用于局部本體集成的稱之為本體知識地圖。
  
  4.1 綜合知識地圖的構(gòu)建
  綜合知識地圖的作用是提高知識檢索質(zhì)量和個性化信息推薦的精度。其構(gòu)建步驟如下:
  4.1.1 構(gòu)建流程知識地圖 企業(yè)內(nèi)的知識流動與業(yè)務(wù)流程密切相關(guān),員工在解決問題時使用知識,問題解決后又產(chǎn)生和創(chuàng)新知識。企業(yè)內(nèi)任何一個知識都必定和某個業(yè)務(wù)流程關(guān)聯(lián),為此采用流程型知識地圖,根據(jù)業(yè)務(wù)流程對知識進(jìn)行組織。首先要分解企業(yè)業(yè)務(wù)流程,將單個業(yè)務(wù)活動分離出來,明確各業(yè)務(wù)活動之間的邏輯關(guān)系。然后通過管理層對業(yè)務(wù)活動的描述及對業(yè)務(wù)活動相關(guān)人員的調(diào)研,整理出不同業(yè)務(wù)活動所需知識資源,最終以流程知識地圖的形式展現(xiàn)出來。流程知識地圖以業(yè)務(wù)活動為邏輯單元進(jìn)行知識組織,向用戶展現(xiàn)一個集成的、以流程為索引的企業(yè)知識地圖,使得物理存儲上相互獨立的各種知識相對于用戶是透明的。
  4.1.2 構(gòu)建職能知識地圖 流程知識地圖中所展示的顯性知識只是企業(yè)所有知識資源的冰山一角,更多地是隱藏在冰山下的隱性知識。學(xué)者秦鐵輝認(rèn)為隱性知識是構(gòu)筑企業(yè)競爭優(yōu)勢的中堅力量,所以綜合知識地圖中也應(yīng)當(dāng)包含隱性知識。由于隱性知識難以收集和表達(dá),我們采用職能型知識地圖,通過對作為承載隱性知識主體的人的組織,實現(xiàn)對隱性知識的間接組織。職能型知識地圖主要依據(jù)員工的技術(shù)、職位等進(jìn)行組織,實質(zhì)上是以員工為節(jié)點的知識網(wǎng)絡(luò),圖中每個節(jié)點代表一個員工;另外,我們還要為每個節(jié)點添加除了員工基本信息之外的其他信息,如該員工的專業(yè)技能、項目經(jīng)歷和聯(lián)系方式等,從而將部門、員工和知識對應(yīng)起來。
  4.1.3 流程知識地圖與職能知識地圖的融合流程知識地圖中的顯性知識和職能知識地圖中的員工信息及其背后的隱性知識之間是相互關(guān)聯(lián)、密不可分的,甚至是可以相互轉(zhuǎn)化的。流程知識地圖中的文檔、數(shù)據(jù)都是由企業(yè)員工創(chuàng)作;而員工所具備的技能和經(jīng)驗也是通過對文檔、資料等顯性知識的學(xué)習(xí)內(nèi)化而來。兩種知識地圖間的知識關(guān)聯(lián)如圖2所示:
  通過在流程知識地圖和職能知識地圖節(jié)點之間構(gòu)建知識關(guān)聯(lián)的方式可將兩者融合,形成綜合知識地圖。例如,如果員工甲主持了本企業(yè)供應(yīng)商信用評價規(guī)則的制定,我們就可以在員工甲及供應(yīng)商信用評價規(guī)則間構(gòu)建知識鏈接。兩類知識地圖的融合有助于完善知識檢索和個性化信息推薦的結(jié)果。比如當(dāng)企業(yè)決策者要對某個新供應(yīng)商進(jìn)行信用評級,他不僅能檢索到供應(yīng)商信用評價規(guī)則的相關(guān)知識,還能檢索出主持過這一評價規(guī)則制定的員工甲的相關(guān)信息。決策者再通過與員工甲的交流獲得這一領(lǐng)域的隱性知識,以便對新供應(yīng)商做出正確的信用評級。為使讀者對綜合知識地圖有直觀認(rèn)識,筆者采用Inspiration 7.0軟件繪制了一個簡要的綜合知識地圖示意圖。如圖3所示:
  
  4.2 本體知識地圖的構(gòu)建
  本體知識地圖的作用是實現(xiàn)不同局部本體間的集成。構(gòu)建步驟如下:
  4.2.1 發(fā)現(xiàn)局部本體問的語義關(guān)聯(lián) 要使局部本體在知識地圖中相關(guān)聯(lián),首先要發(fā)現(xiàn)各局部本體之間的語義關(guān)聯(lián)。語義關(guān)聯(lián)可以通過人工的、自動的或半自動的方法發(fā)現(xiàn);目前常用的方法是通過概念間語義相似度的計算實現(xiàn)。
  4.2.2 制定映射規(guī)則 本體知識地圖構(gòu)建的核心是從本體到知識地圖的映射規(guī)則的制定。利用映射規(guī)則將局部本體中的類、實例、屬性等映射為知識地圖中的節(jié)點,同時將局部本體中各節(jié)點間的關(guān)聯(lián)及各本體間的語義關(guān)聯(lián)映射為知識地圖中的關(guān)系,最終形成本體知識地圖。這種映射的本質(zhì)是將異構(gòu)資源的語義通過本體顯性地表達(dá)出來,并在本體知識地圖層完成語義的整合。本體知識地圖是建立在局部本體之上的,當(dāng)用戶對局部本體進(jìn)行修改時,這種變動會通過映射反應(yīng)到知識地圖上,實現(xiàn)本體知識地圖的自動擴(kuò)展。
  
  5 知識地圖在企業(yè)信息資源集成中的工作模型
  
  總結(jié)知識地圖在企業(yè)信息資源集成中三個方面的應(yīng)用,筆者提出了知識地圖在企業(yè)信息資源集成中的工作模型。如圖4所示:
  此工作模型分為四層:資源層、局部本體集成層、應(yīng)用層和用戶層。資源層包括企業(yè)所有信息資源,如數(shù)字信息資源、傳統(tǒng)文本資源和互聯(lián)網(wǎng)信息資源。局部本體集成層描述的即是前文提到的知識地圖在局部本體集成中的應(yīng)用,此處不再贅述。應(yīng)用層描述了知識地圖在知識檢索和個性化信息推薦中的應(yīng)用,包括知識檢索系統(tǒng)、知識推薦系統(tǒng)、綜合知識地圖、可視化模塊和日志五個部分。綜合知識地圖以知識地圖文件的形式獨立存在,目前有幾種比較成熟的知識地圖描述語言,如Ontolingua Cycle,OIL(Ontology InferenceLayer),OWL等,由于OWL強大的語義表達(dá)能力,一般用它來描述知識地圖,形成知識地圖文件。知識檢索系統(tǒng)通過統(tǒng)一接口調(diào)用知識地圖,并在其幫助下對查詢式進(jìn)行語義擴(kuò)展。日志用于保存用戶檢索的歷史記錄。知識推薦系統(tǒng)包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和推薦引擎三個模塊,數(shù)據(jù)預(yù)處理模塊對日志文件進(jìn)行預(yù)處理,通過對用戶檢索記錄的分析挖掘出不同用戶的知識需求,數(shù)據(jù)挖掘模塊用于從知識庫中識別潛在的、用戶可能需要的知識,推薦引擎與綜合知識地圖結(jié)合,提高協(xié)同過濾推薦算法的精度,根據(jù)挖掘出的知識生成針對不同用戶的推薦集。知識檢索和知識推薦的結(jié)果都通過可視化模塊呈現(xiàn)給用戶。用戶層的角色分為用戶和專家兩類,專家的作用是維護(hù)知識地圖,搜集企業(yè)運行中產(chǎn)生的新知識,保持綜合知識地圖的動態(tài)更新。
  
  6 結(jié)語
  
  本文分析了知識地圖在企業(yè)信息資源集成中的應(yīng)用能提高知識檢索和知識推薦的質(zhì)量,實現(xiàn)局部本體語義互聯(lián),改進(jìn)信息資源集成的效果。介紹了實現(xiàn)上述應(yīng)用所需要用到的兩類知識地圖,即綜合知識地圖和本體知識地圖,探討其構(gòu)建流程。最后提出了知識地圖在企業(yè)信息資源集成中的工作模型,但要實現(xiàn)這一模型,在實踐中還有許多問題需要解決,如綜合知識地圖的自動擴(kuò)展、本體到知識地圖的映射規(guī)則的定義和信息安全與隱私保護(hù)等,這也是我們今后研究的重點。

相關(guān)熱詞搜索:信息資源 構(gòu)建 模型 企業(yè)信息資源集成中的知識地圖構(gòu)建與工作模型研究 圖書情報 圖書情報專業(yè)

版權(quán)所有 蒲公英文摘 www.newchangjing.com