知識(shí)管理技術(shù)與應(yīng)用

內(nèi)容概要

《知識(shí)管理技術(shù)與應(yīng)用》主要從計(jì)算機(jī)科學(xué)技術(shù)和知識(shí)管理IT實(shí)現(xiàn)的角度，系統(tǒng)介紹利用信息技術(shù)和人工智能的相關(guān)理論，進(jìn)行知識(shí)處理和實(shí)現(xiàn)知識(shí)管理系統(tǒng)的相關(guān)技術(shù)。主要內(nèi)容包括知識(shí)管理概述、知識(shí)管理技術(shù)基礎(chǔ)、知識(shí)獲取、概念相似度計(jì)算、知識(shí)檢索、知識(shí)服務(wù)工作流、知識(shí)網(wǎng)格、知識(shí)管理平臺(tái)、企業(yè)信息化和知識(shí)管理以及產(chǎn)品設(shè)計(jì)知識(shí)管理等。

書籍目錄

第1章知識(shí)管理概述 1.1數(shù)據(jù)、信息、知識(shí) 1.1.1數(shù)據(jù)、信息、知識(shí)的含義 1.1.2數(shù)據(jù)、信息、知識(shí)的區(qū)別與聯(lián)系 1.2隱性知識(shí)與顯性知識(shí) 1.2.1隱性知識(shí) 1.2.2顯性知識(shí) 1.2.3隱性知識(shí)與顯性知識(shí)的區(qū)別 1.2.4隱性知識(shí)與顯性知識(shí)的聯(lián)系 1.3 SECI模型 1.3.1知識(shí)創(chuàng)造的SECI模型 1.3.2知識(shí)螺旋 1.4結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù) 1.5知識(shí)管理與信息管理的聯(lián)系區(qū)別 1.5.1知識(shí)管理 1.5.2信息管理 1.5.3知識(shí)管理與信息管理的聯(lián)系區(qū)別 1.6本章小結(jié) 本章參考文獻(xiàn) 第2章知識(shí)管理的技術(shù)基礎(chǔ) 2.1元數(shù)據(jù)和RDF 2.1.1元數(shù)據(jù)的概念 2.1.2元數(shù)據(jù)的功能 2.1.3元數(shù)據(jù)的特點(diǎn)與類型 2.1.4元數(shù)據(jù)格式標(biāo)準(zhǔn) 2.1.5RDF 2.2可擴(kuò)展標(biāo)記語言 2.2.1SGML、HTML與XML 2.2.2XML的特點(diǎn) 2.2.3XML相關(guān)標(biāo)準(zhǔn) 2.2.4XML在Web Service中的應(yīng)用 2.3本體 2.3.1本體的定義 2.3.2本體的建模元語 2.3.3本體描述語言 2.3.4已有的本體及其分類 2.3.5構(gòu)造本體的規(guī)則 2.3.6本體與語義網(wǎng)絡(luò)、語義網(wǎng) 2.3.7本體的應(yīng)用 2.4從傳統(tǒng)Web到語義Web 2.4.1Web技術(shù)的發(fā)展一 2.4.2語義Web的定義與特點(diǎn) 2.4.3語義Web的體系結(jié)構(gòu) 2.4.4語義Web體系結(jié)構(gòu)所依賴的技術(shù) 2.4.5語義Web面臨的挑戰(zhàn)以及研究方向 2.5本章小結(jié) 本章參考文獻(xiàn) 第3章知識(shí)獲取 3.1知識(shí)獲取概述 3.2數(shù)據(jù)挖掘 3.2.1數(shù)據(jù)挖掘的產(chǎn)生背景 3.2.2數(shù)據(jù)挖掘的含義 3.2.3數(shù)據(jù)挖掘的功能和任務(wù) 3.2.4數(shù)據(jù)挖掘的過程 3.2.5數(shù)據(jù)挖掘的技術(shù) 3.3文本挖掘 3.3.1文本挖掘概述 3.3.2文本挖掘的處理過程 3.3.3文本挖掘的關(guān)鍵技術(shù) 3.4Web挖掘 3.4.1Web挖掘概述 3.4.2Web挖掘的處理過程 3.4.3Web挖掘的分類 3.4.4Web數(shù)據(jù)挖掘特點(diǎn) 3.5知識(shí)獲取應(yīng)用 3.5.1數(shù)據(jù)挖掘技術(shù)應(yīng)用 3.5.2文本挖掘技術(shù)應(yīng)用 3.5.3Web挖掘技術(shù)應(yīng)用 3.6本章小結(jié) 本章參考文獻(xiàn) 第4章概念相似度計(jì)算 4.1概念相似度計(jì)算概述 4.2概念相似度模型與計(jì)算 4.2.1關(guān)聯(lián)規(guī)則相似度計(jì)算 4.2.2詞語相似度計(jì)算 4.2.3結(jié)構(gòu)相似度計(jì)算 4.3基于同義詞典的相似度算法 4.3.1WordNet詞典介紹 4.3.2基于WordNet的語義相似度算法 4.4基于語料庫的相似度算法 4.4.1布朗語料庫 4.4.2基于語料庫的相似度算法介紹 4.5基于WordNet的概念相似度算法改進(jìn) 4.5.1現(xiàn)有方法的不足及改進(jìn)思想 4.5.2概念相似度改進(jìn)模型 4.6基于語義分析樹核計(jì)算短文相似度 4.7改進(jìn)的短文相似度算法模型 4.8基于JWSL的算法構(gòu)建 4.9本章小結(jié) 本章參考文獻(xiàn) 第5章知識(shí)檢索 5.1搜索引擎 5.1.1搜索引擎的概念與工作原理 5.1.2搜索引擎的分類 5.1.3搜索引擎的性能指標(biāo) 5.2領(lǐng)域本體的構(gòu)建 5.2.1領(lǐng)域本體 5.2.2領(lǐng)域本體構(gòu)建方法 5.3語義檢索模型和方法 5.3.1語義檢索 5.3.2基于本體的語義檢索模型框架 5.3.3語義檢索的框架 5.3.4基于本體的語義檢索方法 5.3.5基于本體的語義檢索系統(tǒng) 5.4知識(shí)地圖 5.4.1知識(shí)地圖的概念 5.4.2知識(shí)地圖的類型 5.4.3知識(shí)地圖構(gòu)建 5.4.4知識(shí)地圖的內(nèi)部結(jié)構(gòu) 5.4.5知識(shí)地圖系統(tǒng)模型 5.4.6知識(shí)地圖的應(yīng)用 5.5本章小結(jié) 本章參考文獻(xiàn) 第6章知識(shí)服務(wù)工作流 6.1工作流系統(tǒng)概述 6.1.1工作流系統(tǒng)的發(fā)展 6.1.2工作流系統(tǒng)概念 6.1.3工作流參考模型 6.1.4工作流相關(guān)標(biāo)準(zhǔn) 6.2Web服務(wù) 6.2.1Web服務(wù)概述 6.2.2Web服務(wù)模型 6.2.3Web服務(wù)相關(guān)技術(shù)與標(biāo)準(zhǔn) 6.2.4基于Web服務(wù)的工作流 6.3知識(shí)服務(wù)工作流簡介 6.3.1知識(shí)服務(wù)的起源與發(fā)展 6.3.2知識(shí)服務(wù)工作流 6.4知識(shí)服務(wù)工作流的形式化描述 6.4.1過程模型的形式化描述 6.4.2數(shù)據(jù)模型的形式化描述 6.4.3組織模型的形式化描述 6.5知識(shí)服務(wù)工作流模型 6.6知識(shí)服務(wù)工作流執(zhí)行過程 6.7基于BPMN的工作流建模 6.7.1BPMN相關(guān)概念介紹 …… 第7章知識(shí)網(wǎng)格 第8章知識(shí)管理平臺(tái) 第9章企業(yè)信息化與知識(shí)管理 第10章產(chǎn)品設(shè)計(jì)知識(shí)管理

章節(jié)摘錄

版權(quán)頁：   插圖：   機(jī)器學(xué)習(xí)的方法目前有很多種，根據(jù)其對導(dǎo)師的依賴程度可分為：機(jī)械式的學(xué)習(xí)、類比學(xué)習(xí)、歸納學(xué)習(xí)、觀察發(fā)現(xiàn)式的學(xué)習(xí)和近年來發(fā)展的基于解釋的學(xué)習(xí)、基于事例的學(xué)習(xí)、基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、遺傳算法的學(xué)習(xí)以及基于粗糙集理論的學(xué)習(xí)等。 自動(dòng)知識(shí)獲取這種方法雖然自動(dòng)化程度高、效率也高，但是它涉及人工智能的許多領(lǐng)域，如模式識(shí)別、自然語言理解、機(jī)器學(xué)習(xí)等，對硬件也有較高的要求，而這一切目前還處于研究階段，有許多理論及技術(shù)上的問題需要做進(jìn)一步的研究，就目前已經(jīng)取得的研究成果而言，還不足以真正實(shí)現(xiàn)自動(dòng)知識(shí)獲取。因此，知識(shí)的完全自動(dòng)獲取還有待研究。 （2）顯性知識(shí)及其獲取方法 顯性知識(shí)指的是能夠容易在個(gè)人和團(tuán)體之間進(jìn)行傳送的形式化的知識(shí)，它是任何能夠被編碼的東西，如數(shù)學(xué)公式、規(guī)則、定義、文檔、數(shù)據(jù)等。 顯性知識(shí)獲取的主要方法是知識(shí)挖掘。知識(shí)挖掘源于全球范圍內(nèi)數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)量急劇增加，人們的需求已經(jīng)不再是簡單的查詢和維護(hù)了，而是希望能夠?qū)@些數(shù)據(jù)進(jìn)行較高層次的處理和分析以得到關(guān)于數(shù)據(jù)總體特征和發(fā)展趨勢的預(yù)測。知識(shí)挖掘起源于基于數(shù)據(jù)庫的知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database，KDD）。知識(shí)挖掘是KDD的一個(gè)重要的處理步驟，沒有通過知識(shí)挖掘來提取有意義的知識(shí)，就談不上KDD所要求的對知識(shí)的理解、分析、篩選、歸納或轉(zhuǎn)化。知識(shí)挖掘是指從數(shù)據(jù)集中識(shí)別出有效的、新穎的、潛在有用的，以及最終可理解的模式的而非平凡過程。 知識(shí)獲取的最終目標(biāo)是建立知識(shí)庫。對于首次建立的知識(shí)庫可能存在矛盾或冗余的規(guī)則，或者知識(shí)的使用結(jié)果與專家給出的結(jié)論無法吻合，這就需要對它進(jìn)行優(yōu)化，以獲得一個(gè)結(jié)構(gòu)良好、功能完善和知識(shí)相對完備的高質(zhì)量知識(shí)庫。 知識(shí)挖掘根據(jù)輸入的數(shù)據(jù)源或信息源的不同，如數(shù)據(jù)庫、文本文件或Web信息，又分為數(shù)據(jù)挖掘、文本挖掘和Web挖掘。 3.2 數(shù)據(jù)挖掘 3.2.1 數(shù)據(jù)挖掘的產(chǎn)生背景 隨著科學(xué)技術(shù)，特別是計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展，眾多數(shù)據(jù)與信息隨之產(chǎn)生，包括網(wǎng)絡(luò)數(shù)據(jù)、金融與經(jīng)濟(jì)數(shù)據(jù)、DNA數(shù)據(jù)等。隨著硬件技術(shù)的發(fā)展，大量的數(shù)據(jù)以數(shù)字形式保存下來，如各類企業(yè)或商業(yè)領(lǐng)域中的交易記錄與財(cái)務(wù)報(bào)表、科研領(lǐng)域收集的數(shù)據(jù)等，這些數(shù)據(jù)中包含著豐富的有用信息，如何處理這些規(guī)模巨大的數(shù)據(jù)，并從中獲得有價(jià)值的信息與認(rèn)知早已是信息領(lǐng)域及其他相關(guān)專業(yè)領(lǐng)域中研究的熱點(diǎn)。 利用計(jì)算機(jī)技術(shù)與數(shù)據(jù)庫技術(shù)，可以支持建立并快速存儲(chǔ)與檢索各類數(shù)據(jù)庫，但傳統(tǒng)的數(shù)據(jù)處理與分析方法與手段難以對海最數(shù)據(jù)進(jìn)行有效的處理與分析。利用傳統(tǒng)的數(shù)據(jù)分析方法一般只能獲得數(shù)據(jù)的表層信息，難于揭示數(shù)據(jù)屬性的內(nèi)在關(guān)系和隱含信息。

編輯推薦

《知識(shí)管理技術(shù)與應(yīng)用》可供從事知識(shí)管理研究和應(yīng)用的科研人員及高等院校計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)、軟件工程專業(yè)、信息管理與信息系統(tǒng)專業(yè)、管理科學(xué)與工程等相關(guān)專業(yè)師生參考使用。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    知識(shí)管理技術(shù)與應(yīng)用 PDF格式下載

---