知识管理系统课件

《知识管理系统课件》由会员分享，可在线阅读，更多相关《知识管理系统课件（34页珍藏版）》请在金锄头文库上搜索。

1、第8章 知识管理系统,第8章 知识管理系统,本节所讲内容如下： 1. 知识管理概论 2. 企业中的知识管理系统 3. 智能技术应用,8.1 知识管理概论,本节所讲内容如下： 1. 知识 2. 知识管理,一、知识 1. 知识的概念 Wiig认为知识包括一些事实、信念、观点、判断、期望、方法论与使用知识等； Nonoka认为知识是一种被确认的信念； 韦氏词典中定义的知识是通过实践、研究、联系或调查获得的关于事物的事实和状态的认识，是对科学、艺术或技术的理解，是人类获得关于真理和原理的认识的总和。 综上所述，可以认为知识是对解决实践问题的观点、经验和程序等正确真实信息的归纳和总结，并可用来进一步改造

2、客观世界。,8.1 知识管理概论,一、知识 1. 知识的概念,8.1 知识管理概论,一、知识 2. 知识的特点 （1）知识的创造和应用与人的活动紧密相关 （2）知识是可以被认知和学习的 （3）知识的表述具有层次性,8.1 知识管理概论,一、知识 3. 知识的分类 （1）按知识结构化程度 结构化知识 半结构化知识 非结构化知识 （2）根据知识存在的形态 显性知识 隐性知识,8.1 知识管理概论,二、知识管理 1. 知识管理概述 20世纪90年代中期，全球兴起了学术与商业应用的主题知识管理（Knowledge Management），知识管理可以针对个人、组织或团体所拥有知识的确认、创造、掌握、使

3、用及传播分享等活动进行积极有效地管理。人们对知识管理研究的重点仍集中在对知识管理范围的界定、知识的组织及IT技术在知识管理中的应用等方面。 本书认为知识管理是以知识作为组织发展的关键因素，并采用现代信息技术和管理思想，对知识进行有序整合、有效吸收和传播，不断进行创新，并回馈到组织知识系统内，使得知识不断积累和循环，从而成为组织管理与应用的智力资本，最终提高组织核心竞争力的过程。,8.1 知识管理概论,二、知识管理 1. 知识管理概述 桑德萨斯和舒马克兹列出了知识管理的主要作用： （1）知识管理鼓励思想的自由流动，促进了组织创新； （2）知识管理缩短了组织的反应时间，改进了客户服务； （3）知识

4、管理促使产品和服务更快地投放市场，提高了收入 （4）知识管理承认员工知识的价值并对此进行奖励，提高了员工保持率； （5）知识管理取消了多余的或不必要的步骤，精简了业务，降低了成本。,8.1 知识管理概论,二、知识管理 2. 知识管理与企业发展战略的关系 企业采用知识管理的理念和方法可以提升组织管理效率并能够促进其长远发展，以实现组织的远景规划，增强企业的核心竞争力，能更灵活地应付企业内部及外界环境的变化。 企业之间的区别越来越体现在其组织的知识水平上。企业产品的附加值主要与企业所拥有知识有关，如企业先进的技术、创新的产品设计、有效的市场需求和优良的客户服务等。因此，知识管理对于企业的发展和生存

5、具有重要的意义。,8.1 知识管理概论,二、知识管理 3. 知识管理对组织的影响 （1）在知识管理的过程中实现优化组织运作 （2）知识管理可以提升企业的竞争力 （3）知识管理增加企业的价值 （4）知识管理使组织灵活调整发展策略,8.1 知识管理概论,二、知识管理 4. 知识价值链 在企业中价值链和知识链相互交织，形成一个复杂的系统，并产生了一种新的企业运营模式知识价值链。,8.1 知识管理概论,二、知识管理 4. 知识价值链 企业知识价值链应该具备以下特征： （1）以顾客需求为导向； （2）以企业业务流程为基础； （3）以价值流和知识流为分析对象； （4）以知识的价值分析为手段； （5）以形成

6、知识创新及其价值转化为目标。,8.1 知识管理概论,8.2 企业中的知识管理系统,本节所讲的内容如下： 1. 企业内容管理系统 2. 知识网络系统 3. 学习管理系统,一、企业内容管理系统 现在的企业管理需要的信息大多都是结构化和非结构化的知识。因此，企业必须借助内容管理系统对这两种类型的信息进行组织和管理。 企业内容管理系统为企业提供了一种管理文字、音频、视频和图片等各种形式商业信息的应用软件。企业内容管理系统具有存储文件、报告、演示文稿和最佳实践等结构化知识，及收集并组织半结构化知识的能力，为企业决策层正确决策，提升企业核心竞争力提供所需信息和知识。,8.2 企业中的知识管理系统,一、企业

7、内容管理系统,8.2 企业中的知识管理系统,二、知识网络系统 知识网络系统，也被称为知识定位和管理系统，知识网络系统是知识管理过程的有效支持，它提供待解决问题领域的专家在线目录，并将目录通过网络通信技术在网络中共享，以便组织成员在需要时容易搜索到。 在知识网络系统中，领域问题专家的解决方案被系统化，并且存贮在问题解决方案的数据库中。当用户需要解决某一类问题时，可以到数据库中检索，找到解决此类问题的最佳解决方案，从而提高解决此类问题的决策质量和决策水平，缩短决策时间。,8.2 企业中的知识管理系统,三、学习管理系统 学习管理系统（Learning Management System，简写为LMS

8、），又称为在线培训系统或在线教育系统。在企业知识管理系统中，将学习管理系统看成是知识管理系统的一个重要组成部分。 学习管理系统为企业的员工提供了知识传授、技能培训和再教育的数字化教育平台。支持学习管理系统的形式是多样的，常见的有CD-ROM、可下载的视频课件、网络教育平台和在线论坛等。,8.2 企业中的知识管理系统,8.3 智能技术应用,本节所讲内容如下： 1. 专家系统 2. 基于案例的推理 3. 模糊逻辑系统 4. 智能代理 5. 人工神经网络 6. 遗传算法,智能技术也称为人工智能（Artificial Intelligence，简写为AI），它是计算机学科的一个分支，被认为是20世纪7

9、0年代以来的世界三大尖端技术之一。 20世纪80年代以后，人工智能研究从计算机学科扩展到其它学科，并引发了许多相互交叉和彼此渗透新学科。 20世纪90年代以后，大数据时代到来，常规发现和获取知识的方法和模式已经难以满足需求。这要求人们必须对海量的数据从多层次和多角度去发现和获取隐藏于海量数据中的新颖和潜在的知识，从而将智能技术逐渐引入到信息管理的领域。,8.3 智能技术应用,一、专家系统 第一个专家系统是由斯坦福大学的费根鲍姆于1965年开发出来的Dendral系统，该系统主要用于推断化学分子的结构。目前，专家系统被认为是人工智能领域中最活跃、影响最大和倍受重视的一个分支。 专家系统（Expe

10、rt System，简写为ES）是人工智能的一个分支，也是人工智能成功应用的典型。它的主要目标就是让计算机在某一特定的专业领域中具有与专家同等水平的问题解决能力，从而将人类专家从解决许多问题的过程中解放出来。可以认为，专家系统是模拟人类专家解决某领域问题的系统或计算机程序。,8.3 智能技术应用,一、专家系统 专家系统主要由六大部分组成，主要包括人机界面、知识库、推理引擎、解释工具、综合数据库和知识库管理系统。,8.3 智能技术应用,一、专家系统 专家系统作为智能技术的典型应用，其优点表现在以下几个方面： （1）专家系统将企业员工从单调、枯燥的重复劳动中解脱出来； （2）专家系统可以将稀缺专家

11、的专业知识存储起来，并可以将很多专家的知识集中整合起来，为企业某领域的问题给出更加科学、合理的解决方案； （3）专家系统可以对企业的知识进行积累； （4）专家系统为非专业的决策者提供专业决策方案，并降低决策过程中的不确定性因素带来的决策失误。,8.3 智能技术应用,二、基于案例的推理 专家系统的推理过程实际上是从规则库中提取规则并进行演绎推理的过程，有人将这个过程定义为反复执行“认识行动”的循环过程。推理的过程大致包括以下三个步骤： （1）模式匹配 （2）竞选归结 （3）更新数据库,8.3 智能技术应用,二、基于案例的推理 在基于案例的推理过程中，把当前拟解决的新问题或新情况称为目标案例，而把

12、存储在数据库中已解决的问题或情况称为源案例。那么基于案例的推理过程可以简单地认为是由目标案例的提示而获得记忆中的源案例，并由源案例来指导目标案例求解的过程。,8.3 智能技术应用,三、模糊逻辑系统 模糊逻辑（Fuzzy Logic，简写为FL）也称为弗晰逻辑，模糊逻辑是采用美国数学家查德在1965年提出的弗晰集合的方法来研究模糊性思维及其规律的科学。 模糊逻辑能够将人类的自然的不精确词汇与计算机的精确词汇之间实现平稳地、逐渐地过渡，并使用隶属度来处理语意与词汇的变化。也就是说，模糊逻辑使计算机能够使用近似或模糊的数据得出清楚明确的答案，其主要目的就是使计算机能够解决模糊和不确定的问题。 模糊逻

13、辑的应用非常广泛，在管理信息系统中主要用于决策和组织的控制，并且效果非常好。,8.3 智能技术应用,三、模糊逻辑系统 模糊逻辑运行的基础是某元素在集合中的隶属度。,8.3 智能技术应用,四、智能代理 智能代理（Intelligent Agent，简写为LA）是近年来计算机科学和智能技术领域中一个重要的分支，目前在电子商务领域应用比较广泛。智能代理主要是对企业面临的海量数据按照设定的规则进行过滤，从而找出重要信息。 智能代理具有以下几个方面的特点： （1）自治性 （2）适应性 （3）协作能力 （4）智能性,8.3 智能技术应用,四、智能代理 目前智能代理大多应用于电子商务领域，引入智能代理的电子

14、商务可以使企业获得更多智能化和个性化的信息服务，从而改善了电子商务企业的事务处理效率。,8.3 智能技术应用,五、人工神经网络 人工神经网络的研究几乎与人工智能的研究同步，人工神经网络始于1957年Rosenblatt提出的感知器模型，但是直到20世纪80年代，人工神经网络才具有切实可行的算法。 人工神经网络（Artificial Neural Networks，简写为ANNs）简称神经网络，也有时将其称为连接模型。人工神经网络通过对人脑或自然神经网络的诸多特性的抽象和模拟，能够进行学习并执行传统计算机不能执行的任务的一种网络系统。,8.3 智能技术应用,五、人工神经网络 人工神经网络具有以下

15、特点： （1）可以充分逼近和处理比较复杂的非线性关系； （2）具有自我学习功能，并具有自适应性； （3）可以同时采用定性和定量的方法解决非结构化问题； （4）可以在短时间内寻找问题的最优解。,8.3 智能技术应用,五、人工神经网络 人工神经网络往往处理的是模拟复杂、难以理解，并可获得海量数据的非结构化问题。它采用自我学习的机制，使用计算机硬件和软件模拟人类大脑处理问题的模式，从海量的数据中筛选数据、建立模型和校正模型的错误。,8.3 智能技术应用,六、遗传算法 遗传算法由密歇根大学的John Holland于20世纪60年率先提出的。 遗传算法（Genetic Algorithms，简写为GA）是模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型，它通过考察某个问题的大量可能解的方法，采用模拟生物进化过程搜索解决问题的最优方法。 目前，遗传算法被应用于经济、金融和企业管理等许多领域，主要应用遗传算法进行时间表安排、数据分析、趋势预测及组合优化等问题。,8.3 智能技术应用,六、遗传算法 传统的遗传算法从初始种群出发，根据使用度函数计算出适应度函数值，然后通过选择、交叉和变异三个操作，从而产生新的更适应环境的个体，也就是问题的解，最后使群体进化到搜索空间中越来越接近问题的最优解区域。,8.3 智能技术应用,