【摘要】組織需要使用各種方式和途徑來(lái)挖掘組織中所存在的隱性知識(shí),基于數(shù)據(jù)挖掘技術(shù)的隱性知識(shí)挖掘成為學(xué)術(shù)界和企業(yè)所共同探討的熱點(diǎn)領(lǐng)域。本文回顧了數(shù)據(jù)挖掘以及隱性知識(shí)的基礎(chǔ)知識(shí),陳述了文獻(xiàn)和企業(yè)中現(xiàn)有的隱性知識(shí)挖掘方法并對(duì)其分類(lèi),旨在使今后的學(xué)者能夠在此基礎(chǔ)上開(kāi)發(fā)出新的、更優(yōu)的隱性知識(shí)挖掘方法。
【關(guān)鍵詞】隱性知識(shí)數(shù)據(jù)挖掘隱性知識(shí)挖掘方法
一、引言
隱性知識(shí)是指人們無(wú)法清楚地傳達(dá)出來(lái)的知識(shí),這些知識(shí)存在于其頭腦中,只能通過(guò)具體的行動(dòng)來(lái)表示。在對(duì)隱性知識(shí)管理的研究中,如何使得隱性知識(shí)顯性化是知識(shí)管理的重要研究?jī)?nèi)容之一。本文對(duì)數(shù)據(jù)挖掘、隱性知識(shí)的基礎(chǔ)知識(shí)進(jìn)行了梳理,同時(shí)陳述了現(xiàn)有文獻(xiàn)和企業(yè)中的隱性知識(shí)挖掘方法,旨在使以后的學(xué)者能夠在此基礎(chǔ)上開(kāi)發(fā)出新的、更優(yōu)的隱性知識(shí)挖掘途徑與方法。
二、隱性知識(shí)的轉(zhuǎn)換
著名的英國(guó)學(xué)者波蘭尼于20世紀(jì)60年代,在其代表作——《個(gè)人知識(shí)》中,首次對(duì)知識(shí)進(jìn)行分類(lèi),分為明晰和默會(huì)知識(shí),著名的日本學(xué)者——野中郁次郎(Ikujiro Nonaka)在其書(shū)——《創(chuàng)造知識(shí)的公司》中,借鑒并發(fā)展了波蘭尼所提出的知識(shí)分類(lèi)方法,將知識(shí)分類(lèi)為隱性知識(shí)和顯性知識(shí)。
Nonaka提出隱性知識(shí)的兩個(gè)要素是認(rèn)知和技術(shù),認(rèn)知是指?jìng)€(gè)人對(duì)外部狀態(tài)的模擬和理解,如信仰、范式、價(jià)值觀,技術(shù)是有關(guān)具體如何操作的知識(shí),指對(duì)具體問(wèn)題的解決方案等。Nonaka從知識(shí)相互轉(zhuǎn)化的角度闡述了隱性知識(shí)與顯性知識(shí)轉(zhuǎn)化的動(dòng)態(tài)過(guò)程,提出了著名的SECI模型(隱性與顯性知識(shí)轉(zhuǎn)化過(guò)程:社會(huì)化、外在化、組合化、內(nèi)隱化),為后續(xù)的研究提供了一個(gè)嶄新的視角。
三、基于數(shù)據(jù)挖掘的隱性知識(shí)挖掘
(一)數(shù)據(jù)挖掘及其應(yīng)用
數(shù)據(jù)挖掘(Data Mining)是從大量的隨機(jī)、不完全、模糊的數(shù)據(jù)中提取出隱含在其中的、事先不為人知但是具有潛在價(jià)值的知識(shí)和信息的過(guò)程。數(shù)據(jù)挖掘技術(shù)可以應(yīng)用在許多領(lǐng)域,諸如金融服務(wù)、電力供應(yīng)業(yè)(負(fù)荷預(yù)測(cè))以及市場(chǎng)營(yíng)銷(xiāo)和銷(xiāo)售,同時(shí)也能夠應(yīng)用于以產(chǎn)品發(fā)展為目的的領(lǐng)域, KDD還可用于工業(yè)、交通、電信、市場(chǎng)營(yíng)銷(xiāo)、保險(xiǎn)等其他行業(yè)。
對(duì)數(shù)據(jù)挖掘技術(shù)的使用可以在大量未經(jīng)篩選的數(shù)據(jù)中提取出可供學(xué)習(xí)的、有價(jià)值的知識(shí)和信息。在構(gòu)建知識(shí)管理系統(tǒng)時(shí),普遍采用的數(shù)據(jù)挖掘方法如:分類(lèi)、聚類(lèi)、Web頁(yè)挖掘和關(guān)聯(lián)規(guī)則等。分類(lèi)、聚類(lèi)以及關(guān)聯(lián)規(guī)則方法都是使用某種挖掘算法對(duì)企業(yè)內(nèi)部知識(shí)歸類(lèi),方便員工進(jìn)行搜索和文件管理;而Web挖掘技術(shù)則是通過(guò)對(duì)Web日志的挖掘總結(jié)出企業(yè)員工在工作過(guò)程中進(jìn)行知識(shí)搜索的相關(guān)內(nèi)容,主要是有關(guān)哪個(gè)方面以及企業(yè)知識(shí)庫(kù)中是否需要添加新知識(shí)和新信息以滿足員工需求。
(二)知識(shí)管理
為了適應(yīng)市場(chǎng)競(jìng)爭(zhēng)力的不斷變化,企業(yè)需要不斷提高企業(yè)客戶知識(shí)、加強(qiáng)企業(yè)員工對(duì)于知識(shí)的獲取、創(chuàng)新以及共享,隨之便產(chǎn)生了基于IT技術(shù)的對(duì)數(shù)據(jù)和信息的管理,即知識(shí)管理(KM )。有學(xué)者提出,知識(shí)的處理以及利用主要包括如下三個(gè)階段:第一,知識(shí)庫(kù)階段;第二,知識(shí)共享階段;第三,知識(shí)發(fā)現(xiàn)階段。
在知識(shí)庫(kù)階段,經(jīng)過(guò)手工處理的知識(shí)進(jìn)入到預(yù)先被定義的知識(shí)庫(kù)中,知識(shí)庫(kù)階段的技術(shù)主要是單機(jī)數(shù)據(jù)庫(kù)和文件系統(tǒng)。數(shù)據(jù)共享階段,人們意識(shí)到自己需要哪種知識(shí)但沒(méi)有該知識(shí),因此開(kāi)始搜索知識(shí)。知識(shí)發(fā)現(xiàn)階段出現(xiàn)了求知欲,也產(chǎn)生了知識(shí)發(fā)現(xiàn)的希望,這也許正是文本挖掘出現(xiàn)的內(nèi)因。由上述三個(gè)階段我們也可以得到如下結(jié)論:知識(shí)管理的整個(gè)進(jìn)程都是與數(shù)據(jù)庫(kù)技術(shù)密不可分的。
(三)隱性知識(shí)挖掘方法列舉
由于隱性知識(shí)對(duì)于企業(yè)的重要性,學(xué)術(shù)界和企業(yè)都采用了許多不同的方法來(lái)進(jìn)行隱性知識(shí)的挖掘。本文對(duì)隱性知識(shí)挖掘方法列舉如下:
1.基于案例的隱性知識(shí)挖掘方法
當(dāng)前許多企業(yè)運(yùn)用建立案例庫(kù)的形式來(lái)留存在具體工作過(guò)程中處理事件所運(yùn)用的隱性知識(shí),在新案例的處理過(guò)程中使用人工智能的案例推理取得了不錯(cuò)的效果,該方法通過(guò)搜集大量的案例(在實(shí)際工作過(guò)程中專(zhuān)家如何解決問(wèn)題),采用建立映射關(guān)系(專(zhuān)家解決問(wèn)題到實(shí)際的知識(shí)領(lǐng)域)以構(gòu)成相對(duì)應(yīng)的知識(shí)結(jié)構(gòu)圖,或者通過(guò)關(guān)聯(lián)分析的方法從案例中挖掘出隱性知識(shí)。
2.基于Microsoft三種算法的隱性知識(shí)挖掘方法
基于Microsoft的隱性知識(shí)挖掘方法包括如下三種:基于Microsoft決策樹(shù)算法的隱性知識(shí)挖掘方法、基于Microsoft線性回歸算法的隱性知識(shí)挖掘方法、基于Microsoft神經(jīng)網(wǎng)絡(luò)算法的隱性知識(shí)挖掘方法。
Microsoft決策樹(shù)算法是通過(guò)在樹(shù)中創(chuàng)建一系列拆分來(lái)生成數(shù)據(jù)挖掘模型。Microsoft線性回歸算法是Microsoft決策樹(shù)算法的一種變體,更加易于計(jì)算獨(dú)立變量和依賴(lài)變量間的線性關(guān)系,并使用該線性關(guān)系進(jìn)行預(yù)測(cè)。Microsoft神經(jīng)網(wǎng)絡(luò)算法對(duì)輸入屬性的所有可能狀態(tài)以及可預(yù)測(cè)屬性的所有可能狀態(tài)進(jìn)行組合,并通過(guò)使用定型數(shù)據(jù)來(lái)計(jì)算概率。
3.基于其他算法的隱性知識(shí)挖掘方法
通過(guò)數(shù)據(jù)挖掘的其他算法,如遺傳算法、FP算法、Pairwise analysis等途徑都能夠?qū)崿F(xiàn)對(duì)隱性知識(shí)進(jìn)行挖掘。
4.基于web的隱性知識(shí)挖掘方法
企業(yè)通常也直接針對(duì)企業(yè)員工的隱性知識(shí)共享與挖掘,設(shè)計(jì)、開(kāi)發(fā)或直接購(gòu)買(mǎi)基于web平臺(tái)的知識(shí)挖掘系統(tǒng)。目前應(yīng)用尤為廣泛的是基于e-learning的隱性知識(shí)外化方法,隱形知識(shí)外化方法能夠?qū)⒅R(shí)持有者的知識(shí)外部化到知識(shí)庫(kù)中,企業(yè)中的知識(shí)組織者和教學(xué)設(shè)計(jì)者對(duì)知識(shí)進(jìn)行組織,進(jìn)而使得知識(shí)探尋者能夠?qū)W習(xí)知識(shí)庫(kù)中的知識(shí),同時(shí)對(duì)學(xué)習(xí)效果進(jìn)行反饋,形成操作型的知識(shí)數(shù)據(jù)庫(kù)。該方法能夠很好地發(fā)揮e-learning和知識(shí)管理的優(yōu)勢(shì),有效地提升企業(yè)的學(xué)習(xí)能力和工作效率。
四、討論與展望
在企業(yè)的知識(shí)構(gòu)成中,隱性知識(shí)占很大一部分,對(duì)隱性知識(shí)的挖掘就顯得尤為重要。本文梳理并討論了基于數(shù)據(jù)挖掘技術(shù)的隱性知識(shí)挖掘的背景知識(shí)和現(xiàn)有文獻(xiàn)以及企業(yè)中的隱性知識(shí)挖掘方法。企業(yè)應(yīng)根據(jù)其自身狀況,針對(duì)不同種類(lèi)的隱性知識(shí)并結(jié)合實(shí)際情況,利用知識(shí)挖掘算法以及其他的分析途徑,開(kāi)發(fā)企業(yè)內(nèi)的知識(shí)挖掘系統(tǒng)或建立相應(yīng)的平臺(tái),同時(shí)加強(qiáng)員工分享知識(shí)的積極性。
參考文獻(xiàn)
[1]張喜征,陳博.基于案例的隱性知識(shí)挖掘研究[J].情報(bào)雜志,2006,25(07):8-9.
[2]蘆昆.基于Web2.0的隱性知識(shí)外化研究[J].情報(bào)科學(xué),2008(002):247-251.
[3]嚴(yán)寧,張翔,張永忠.基于e-learning的企業(yè)知識(shí)管理模型[J].計(jì)算機(jī)應(yīng)用與軟件,2010(05).
作者簡(jiǎn)介:丁書(shū)彥(1989-),女,碩士研究生,研究方向:知識(shí)管理、E-learning和企業(yè)信息化。
(責(zé)任編輯:劉晶晶)