論知識倉庫的架構

論知識倉庫的架構

【內容提要】在知識管理時代，知識倉庫具有隱性知識共享和轉化功能、知識存儲和檢索功能、知識分析功能、新知識產生和反饋功能，以及用戶行為分析跟蹤功能。知識倉庫的架構分為6個主要構件：共享和獲取隱性知識模塊；獲取顯性知識模塊；知識的抽取、轉換和儲存模塊；知識分析模塊；用戶（系統管理員）界面模塊；3個反饋環。目前，已經開發出一些知識倉庫軟件系統。圖1。參考文獻8。
【摘要題】專題探討
　　　　　　　1　知識管理時代知識倉庫的地位
　　知識可劃分為顯性知識（explicitknowledge）和隱性知識（tacitknowledge）兩類。其中，顯性知識是指能夠用語言、符號、規則、公式或對象等正式表達并能夠傳輸給他人的知識；隱性知識是深深根植于人腦中的信念、觀點、創意和智力模型，包括某人長期從事某項活動或職業而形成的主觀經驗、洞察力和直覺。二者緊密關聯，并與經濟活動融為一體，成為當代社會發展的主要推進力量。
　　知識管理是通過共享和抓住隱性知識并將其轉變為顯性知識，篩選、存儲、加工、檢索、傳遞和利用顯性知識，創新新的知識來增加社會價值的。這種實踐活動可用知識螺旋（knowledgespiral）來描述。在每一個螺旋中存在4個階段：共享隱性知識階段、隱性知識轉變為顯性知識階段、顯性知識轉變為新知識階段和通過學習產生新的隱性知識階段。每一次新的顯性知識和隱性知識的產生便是知識螺旋的一次上升。相對于知識管理，信息管理注重顯性知識或稱編碼型知識（codifiedknowledge）的搜集、存儲、加工、檢索、分析和預測，這方面的研究成果主要表現為數據倉庫（DataWarehouse，簡稱DW）的開發和利用。數據倉庫使企業能抽取、篩選、存儲大量的數據，對用戶的檢索進行有效而準確的反應，并為決策活動提供了強大的基礎。然而，數據倉庫中僅僅存儲了決策者所需知識的一部分，企業絕大部分智力財富以隱性知識的方式存在于員工的大腦中，因此，數據倉庫不足以滿足對知識檢索的需求。為了滿足知識管理和知識決策的需求，可以對現存的企業數據倉庫進一步擴充，成為滿足知識管理需求的知識倉庫（KnowledgeWarehouse，簡稱KW）。知識倉庫能夠對不同類型的知識（顯性知識和隱性知識）和不同形式的知識（純文本、二進制對象、模型等）進行捕捉、存儲、編碼、組織和分析。另外，這些知識還包括元知識（關于知識的知識）和分析后產生的新知識。
　　　　　　2　知識倉庫的主要功能分析
　　知識倉庫強調為決策者提供一個提升知識管理流程全過程的智能分析平臺，它在很大程度上依賴于信息技術的發展并被日新月異的信息技術所推動。信息技術包括人工智能、神經網絡、專家系統、多媒體技術、數據庫、信息可視化、機器學習、信息分析與挖掘等，其中OLAP（OnlineAnalyticalProcessing，在線分析處理）與DM（DataMining，數據挖掘）是基于數據倉庫技術而發展起來的信息分析與挖掘工具。OLAP是驗證型的，建立在多維視圖的基礎上，重在根據已有的模式將直接源自數據倉庫中的不同信息源的大量相關信息聯系起來，以給分析人員一個清晰、一致的視圖。OLAP主要有兩個特點，一是在線性（online），即對用戶的請求做出快速響應；二是可以應用多種統計分析工具、算法對數據進行多維分析（multi-analysis）。DM是挖掘型的，建立在各種信息源的基礎上，重在發現隱藏在大量原始數據深層中的對人們有用的模式（patterns）。被抽取的模式即知識，具備可信、新穎、有效、易于理解的特點。DM有兩個主要過程，即建立模型和預測未來結果。在這些過程中，可應用統計分析、神經網絡、決策樹、遺傳算法、模糊邏輯、基于記憶的推理（memory-basedreasoning）等技術，OLAM（OnlineAnalvticalMining，在線分析挖掘）是OLAP和DM相結合的產物，OLAM兼有OLAP多維分析的在線性、靈活性和DM對數據處理的深入性，目前OLAM正處于研究之中，針對LAM的發展驅動力和基本結構，以下幾點是必要的：OLAM建立在多維數據庫和OLAP的基礎之上，能對任何它想要的數據進行挖掘；用戶對挖掘算法具有動態選擇的權力；具有強大的基于超立方體的挖掘算法；能夠協調好執行效率與挖掘的準確性之間的關系；具有靈活的可視化工具和良好的擴展性。
　　信息技術的發展使知識倉庫的功能實現變為可能，知識倉庫應具備以下主要功能：
　�。�1）隱性知識共享和轉化功能。即知識倉庫應具備共享隱性知識和將隱性知識轉變為顯性知識的能力，這依賴于機器學習、神經網絡、信息可視化、多媒體技術等。
　�。�2）知識存儲和檢索功能。即知識倉庫必須提供數據倉庫所擁有的全部功能，并具有更加豐富的知識表現形式。知識倉庫應能有效生產、存儲、檢索、管理各種形式的知識。
　　（3）知識分析功能。知識分析是一個非常復雜的過程，分析任務常常利用各類歸納和演繹的人工智能技術，如神經網絡、數據處理的分組方法、統計、基因算法、基于案例的推理等。每一個任務在輸入數據、執行參數和輸出格式方面都有自己的要求。
　�。�4）新知識的產生和反饋功能。知識倉庫中的知識隨著不同的反饋環而得到實時更新，如通過頭腦風暴法產生、共享和獲取新的隱性知識；從用戶剛剛驗證和證實的結果中產生新的顯性知識。
　　（5）用戶行為分析跟蹤功能。知識倉庫能夠根據用戶所提供的信息、用戶的行為習慣和傾向進行跟蹤并針對性地提供決策服務。
　　　　　　3　知識倉庫的架構
　　知識倉庫包括6個主要構件（見圖1）：共享和獲取隱性知識模塊；獲取顯性知識模塊；知識的抽取、轉變和存儲模塊；知識分析模塊：用戶（系統管理員）界面模塊；3個反饋環。
　　附圖
　　圖1知識倉庫的架構
　　　　3.1　共享和獲取隱性知識模塊
　　隱性知識是無法交流的知識。例如，學生通過書本可間接地學到用文字表達出來的顯性知識，而通過上課不僅可學到顯性知識，而且能體會到教師講授中無法表達的隱性知識。這即是所謂的言傳身教，但在對所講所學知識的理解上學生和教師總存在差別。又如，邀請一位有經驗的管理者作報告，假設該管理者對自己所理解的管理理論和實踐經驗盡其全力進行表達，是否聽報告的人在報告后便能成為與其一樣出色的管理者？答案是否定的，究其原因，該管理者能表達出來的知識是顯性知識，而他頭腦中大量存在的是他無法表達清楚的隱性知識，這些隱性知識在該管理者的管理實踐中起非常重要的決策支持作用。知識管理非常強調對隱性知識的挖掘，共享和獲取隱性知識模塊應具體擁

【論知識倉庫的架構】相關文章：

論企業知識管理03-18

論知識管理與利用03-23

論風險基礎財務治理的架構03-21

論知識產權（一）03-23

論知識管理對教育的影響03-20

論企業知識管理的實施12-10

論圖書館的知識管理與知識服務03-25

企業電子商務中的知識治理戰略架構分析12-06

論基于知識鏈的知識管理模式的構建03-17

論知識管理在企業中的應用03-17