知识管理系统下的知识仓库研究——概念与模型，本文主要内容关键词为：知识论文,管理系统论文,仓库论文,模型论文,概念论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
知识管理研究自20世纪80年代末兴起以来，吸引了一大批学者致力于此研究领域。经过多年的努力，已取得了很大的进展，目前已经从理论探讨深入到了实践的研究。同时，在企业界，很多企业和组织在知识管理理论的鼓舞和指导下，正在探索和开展知识管理的实施。换句话说，知识管理研究的焦点已经从“做什么”向“怎么做”转移。
组织的知识存在于两种形式：隐性知识和显性知识。显性知识是可以通过正常的语言方式传播的知识。典型显性知识存在于科研论文、书本、计算机数据库、CD-ROM等中。显性知识是可以表达的，有物质存在的，可确知的。它包括：可计量的数据，记录下来的程序或流程，普遍原理，数学模型等。隐性知识是更深层次的、个人拥有的知识，不可能传播给别人或传播起来非常困难。隐性知识不易用语言表达，是个人长期创造和积累的结果。隐性知识不易被认识，不易衡量其价值，或被其他人理解。它包括：信念、洞察力、经验等。新知识产生于显性知识和隐性知识之间相互作用与相互转换的过程中，这一过程包括：（1 ）隐性知识向显性知识转换过程；（2）显性知识向显性知识转换过程；（3）显性知识向隐性知识转换过程；（4）隐性知识向隐性知识转换过程。
组织的知识演化发展是一个循环过程，包括五个主要环节：（1 ）知识创造，即运用原有的知识和外界输入的知识进行学习、发明和研究的过程；（2）知识的捕获和存储，以利于知识的重用；（3）知识的组织和转换，以促进知识的传播和共享；（4）知识部署的传输到员工、技术、产品和服务；（5）应用知识提高组织的生存能力和成功机会。
知识管理系统（Knowledge Management System,KMS）是组织知识管理实施的基础设施。“知识管理系统是一个对知识进行创造、捕获、整理、传递、共享，进而创造出新知识的完整的管理系统”［11］。对于显性知识的存储，人们借鉴“数据仓库”，提出了知识仓库（Knowledge Warehouse,KW）的概念。
下面的内容将分为三个部分。第一部分介绍知识管理系统；第二部分通过与一些相关概念的比较来讨论知识仓库的概念；第三部分提出了一个基于邱均平的智力动产价值提升模型［5 ］的知识仓库体系结构模型。
2 知识管理系统
知识管理在组织中的实施离不开知识管理系统的建设。然而，对于知识管理系统的定义、知识管理系统的框架和知识管理系统的建设等，都存在着各种不同的看法，可谓众说给纭。
2.1 知识管理系统研究现状
关于知识管理系统的指导思想，主要存在着两条主线。一是以组织的知识创新过程为线索，着眼于利用信息技术和工具促进显性知识和隐性知识之间的相互作用与相互转换，增强组织的知识创新能力，增加组织的知识存量［1.10］。二是以组织的知识发展循环为线索，集成适用的信息技术与工具，支撑知识的创造、捕获、组织、分发和应用的全过程，以充发开发组织的知识资源，获得最大的竞争优势［2.3.7］。
从一些学者提出的知识管理系统的框架模型来看，主要有两种意见。一种认为知识管理系统不仅仅是个计算机系统，还包括组织文化、组织的知识战略等环境要素［5.11］；另一种则基本上把知识管理系统看成是一个计算机系统。对于后者，也有两种情况。一种是数据仓库、决策支持系统学者提出的模型，强调知识管理系统与决策支持系统的集成，甚至认为知识管理系统是决策支持系统的发展方向［1.10］；另一种则是知识管理学者提出的，强调知识的收集、组织和共享。
从现有的一些贴了“知识管理系统”标签的产品来看，有些具备了知识管理系统的相当一部分功能［6］， 还有一些则仅仅限于文档管理、全文检索等基本的功能。总体而言，目前并不存在一个现成的、完整的知识管理系统解决方案，建设知识管理系统还需要各种技术、工具的选择和集成。
从知识管理系统的实践来看，目前已有很多实例。有的面向组织中的某项具体处理（如产品设计、客户服务），有的面向组织中的部门。面向整个组织的成功案例则尚未见到报道。
2.2 关于知识管理系统的思考
笔者认为，知识管理系统的目标应该是促进组织的知识创新，它的具体任务和处理则离不开知识循环的各个环节。组织的知识创新过程和知识循环过程是内在统一的，是一个问题的两面。可以这样说，创新是知识管理系统的灵魂，知识循环过程则是知识管理系统的骨肉。
知识管理系统的实现应该是多样化的。由于各种类型组织的知识资产结构、管理策略、组织文化等各不相同，而这些因素对于知识管理系统的体系结构具有很大的影响，因此找到一个统一的模式是很困难的。根据具体组织的具体情况分析和设计系统，应该是现实的选择。
知识管理系统建设要注意与现有信息系统的集成。这是因为：知识管理系统与信息系统通常运行在同一个网络基础设施上，后者是前者重要的数据来源，前者是后者功能的进一步延伸和拓展。新一代的信息系统正朝着解决半结构化、非结构化问题的方向发展，往往已成为知识管理系统的组成部分。现有的信息系统支撑着组织的业务流程，知识管理系统只有与其紧密地结合，才能有生命力。
知识管理系统应该具有可扩展性。新的知识在不断的产生，新员工的加入也会带来组织知识地图的变化。在设计阶段就应注意为将来的扩展预留空间。
促进知识共享的同时也要注意对于知识的保护。知识共享不是绝对的，对于某些构成组织核心竞争力的知识资产应该严格控制。因此，知识管理系统需要相应的安全机制。
3 知识仓库
尽管知识管理系统有着多种模式，显性知识的存储一定是其中不可或缺的因素。知识的存储是知识获取与知识共享之间的桥梁。针对这个问题，人们提出了“知识仓库”的概念。
3.1 知识仓库研究现状
关于知识仓库的研究，应该说还处于起步阶段。 这一点体现在（1）相关的研究文献数量很少；（2 ）对于知识仓库本身的概念界定不清；（3）理论基础的研究很薄弱。尽管如此，人们普遍认为， 知识仓库的提出是十分有意义的，部分学者做出一些开创性的研究。
文献［8］提出了KW建设的六个支柱：（1）定义范围和背景； （2）定义知识结构；（3）定位、捕获和创造相关的知识；（4）提供知识共享的环境和技术；（5）把人们联系起来的通讯技术；（6）支持知识共享和智能的问题求解。文献［9］讨论了KW 建设的四项主要工作：（1）识别、分类和存储知识；（2）提供知识共享和检索的门户；（3 ）创造组织文化，形成知识社区；（4）知识仓库的维护。文献［1］认为，KW是决策支持系统（DSS）和数据仓库（DW）的新的发展方向，KW 的目标是为决策者提供一个智能的分析平台，以加强知识管理流程的各个阶段。并提出了一个从DW模型扩展来的KW架构。文献［10］认为，KW将由DW发展而来，并给出了一个以人为核心的KW 模型。文献［4］探讨了KW 的存储模型，提出了Knowledge Components（KCs）的概念，认为KW的存储单元是KCs，并讨论了划分KCs的标准，即知识粒度（Knowledge Granularity）。
3.2 知识仓库的概念
下面，笔者试图通过与一些相关概念的比较、辨析，来得到一个较为清晰的知识仓库概念。
3.2.1 知识仓库与数据仓库
知识仓库与数据仓库两者之间既有区别也有联系。知识仓库概念的提出，多少借鉴了数据仓库的概念［10］。按照W.H.Inmon的定义，“数据仓库是一个面向主题的、集成的、非易失的且随时间变化的数据集合，用来支持管理人员的决策。”而知识仓库也具有这些特性：面向主题的、集成的、随时间变化的和可以支持管理人员的决策。很多情况下，数据仓库是知识仓库的组成部分。数据仓库的两个重要应用：OLAP和数据挖掘都可以对组织的知识生产和发现做出贡献。
与数据仓库不同，知识仓库既有非易失的部件，也有易失的部件。这体现在：知识仓库中的部分知识是具有时效性的，需要经常维护。数据仓库中存储的是数据，而知识仓库中存储的是知识和信息。人们一般认为，知识和信息是数据的综合，是数据深度加工的结果。知识仓库中存储的信息和知识有着多种形式：文本、图像、数值数据、声音数据等，而数据仓库中仅有单一的数值数据。除了决策支持以外，数据仓库的目标还包括知识发现。知识仓库的目标则还包括知识共享、知识传播、知识创新等。因此，基于它们的应用并不相同。数据仓库的应用主要有：OLAP和数据挖掘。知识仓库的应用包括：知识检索、知识挖掘、知识的重组（构建个性化的知识表现）和知识传播等。
3.2.2 知识仓库与知识库
知识库（Knowledge Base,KB）与知识仓库的概念有些类似，都包含知识存储的意义。在人工智能领域，知识库作为知识工程的基础，有着确定的含义：一般而言，知识库中存储着领域知识的逻辑表达。在知识管理领域，一般认为，知识库是组织的各类显性知识的存储系统，包括组织的业务处理逻辑、文档、操作数据等。
Joseph M.Firestone（1999）把组织的知识库分为知识库和人工知识库（Artificial Knowledge Base,AKB）。前者是组织拥有的经过确认的、形成一个等级网络的规则集，包括：记录下来的数据，经过确认的命题及其模型，未被采纳的命题及其模型，元模型和操作这些东西的软件。人工知识库是知识库中保存在组织的计算里的永久存储器和非永久存储器中的部分。人工知识库与数据库一样，是自描述的，最终是由字节组成。不同的是，数据库存储的是数据记录，而人工知识库存储的是对象和组件组成的网络，这些对象和组件封装着数据和方法（对应于确认和未确认的规则及其用到的数据）［10］。
知识仓库包含了知识库，不仅有组织的显性和知识存储，还有这些知识产生、应用的相关背景和经验参考。因此，知识仓库具备了将知识与特定过程和未知情况进行动态匹配的能力，即具备了促进知识创新的能力。所以说，知识仓库是知识库的超集。
3.2.3 知识仓库与知识管理系统
Joseph M.Firestone（1999）认为，知识仓库与知识管理系统实际上是同一概念，因为知识仓库的管理对象也是知识［10］。笔者认为，尽管从理论上两者是同构的，知识仓库本身就是一个知识管理系统，但是，在组织实施知识管理这样一个背景下，区分知识仓库和知识管理系统还是必要的。这是因为：（1）它们的目标不同。 知识管理系统应该支持组织知识管理的所有环节，而知识仓库仅关注显性知识的存储。（2 ）如果把知识战略、知识组织、知识文化等环境要素也看作组织知识管理系统的组成部分，则组织知识管理系统的范围就比知识仓库大得多。
笔者认为，知识仓库是知识管理系统的重要组成部分。首先，知识存储是组织知识循环过程中的关键环节。如果没有对显性知识的系统化、集成化的存储，知识的整理、传递、共享等都无从谈起。其次，在知识管理系统建设过程中，知识仓库建设所涉及的工作最最大，范围最广。知识仓库建设不仅涉及到软件的部署，最重要的还是对组织知识资源的调查、分析和分类组织。这项工作需要一个由计算机专家、领域专家和知识管理专家组成的小组来完成，关系到整个系统建设的成败。可以说，知识仓库是组织知识管理系统的核心要素，是知识管理系统建设的硬件。
4 知识仓库的体系结构
知识仓库的体系结构不存在统一的模式，它的内容应该是活泼的，依组织的具体情况而定。然而这不是说知识仓库的体系结构没有模式可循，实际上，存在着多个合理的模式可供选择。笔者提出一个基于智力动产价值提升理论（图1）的新的知识仓库体系结构模型（图2）。此模型分为三层：一层是知识库和知识装入代理组成的数据、信息层；一层是知识引擎组成的知识层；一层是分析工具、检索工具等组成的激活层。描述知识及其关联背景的元数据作为共享资源贯穿各层。组织的数据、信息经过这三层的加工、处理，以活化的知识（即情报）的形式呈现给用户，支持用户的学习和决策。
图1 智力动产之间的关系
图2 知识仓库体系结构模型
数据、信息层负责知识的捕获、组织与存储，包括知识库和知识装入代理。知识库可分为方法库、模型库、数据库、文档库等，并可根据组织的知识构成情况加以增减。知识装入代理可以是知识工人与智能代理程序组成的人机系统，它主动地扫描、分析组织的知识资源，发现知识单元及其相互之间的联系，对知识单元进行分类组织，装入知识库，同时把知识单元之间的联系装入元数据。知识装入代理也负责对知识库的维护，发现并剔除过时的知识。
知识层负责知识单元的动态连接，即把知识与其背景一同呈现出来。知识层的主要部件是知识引擎，是一个利用了人工智能技术的计算机程序。它接受来自激活层的访问请求，然后分析元数据中对于相关知识单元之间联系的描述，将知识库中的相关知识单元动态地连接起来，提交给激活层。它主要采用神经网络算法，将激活层的检索请求与知识单元进行匹配，然后存储匹配过程，并根据用户的确认调整神经网络的内部权值。
激活层负责知识的表现，也可以叫做用户接口层。它包括分析平台、检索平台、重组平台、推送平台等，可根据实际需要加以增减。分析平台面向决策人员，需要采用多种人工智能技术，包括神经网络、遗传算法、基于事例的推理等。由于各种算法应用的范围不同，因此，平台还需要具有根据环境调度各种算法的能力。检索平台面向组织的知识参考需求，可采用自然语言检索的方式，减轻用户的智力负担。重组平台主要面向组织的个性化学习需求，它可以根据学习主体的情况，将相关知识重新组合，生成个性化的教材［3］。推送平台使用户可以订阅感兴趣的信息或知识，通过各种终端（PC，PDA等）随时随地接收信息。
元数据是此模型中非常重要的一个部分。作为各层的共享资源，它记录了知识库中装入数据的来源、描述以及知识单元之间的关联。
此模型试图利用现有的技术和工具，搭建一个知识仓库的框架。其三层模式是受到GartnerGroup（Austin,et al.1999）提出的典型企业系统体系结构模型（包括三层：用户接口层、处理层、数据层）的启发［2］。不同的是，其中的处理层改成了知识层， 因为知识仓库系统中的处理有限，可以明确这一层的具体任务。知识层是这一模型区别于一般信息系统的关键，因为它利用了人工智能技术，结合元数据，使系统具备了将知识与特定过程和未知情况进行动态匹配的能力。数据和信息在此经过处理，获得了价值的提升，表现为知识。知识装入代理是一个人机结合的系统。因为它的任务包括知识的捕获、挖掘、组织和传输，其复杂性必须有人的介入才能处理。知识库中方法库、模型库等的划分，是为了降低处理的复杂性而采取的分而治之的策略，其设计可以根据实际情况具体考虑。
5 结语
知识仓库是知识管理系统的重要组成部分，是知识管理系统建设的核心要素。建设知识仓库可以使组织的信息和知识有序化；可以加快知识、信息的流动，有利于知识共享与交流，有利于实现组织的协作与沟通［4］。知识仓库的研究正在进展之中，相关产品还未成熟， 然而其前景将是十分光明的。