论知识仓库的架构
【内容提要】在知识管理时代，知识仓库具有隐性知识共享和转化功能、知识存储和检索功能、知识分析功能、新知识产生和反馈功能，以及用户行为分析跟踪功能。知识仓库的架构分为6个主要构件：共享和获取隐性知识模块；获取显性知识模块；知识的抽取、转换和储存模块；知识分析模块；用户（系统管理员）界面模块；3个反馈环。目前，已经开发出一些知识仓库软件系统。图1。参考文献8。
【摘 要 题】专题探讨
1 知识管理时代知识仓库的地位
知识可划分为显性知识（explicit knowledge）和隐性知识（tacit knowledge）两类。其中，显性知识是指能够用语言、符号、规则、公式或对象等正式表达并能够传输给他人的知识；隐性知识是深深根植于人脑中的信念、观点、创意和智力模型，包括某人长期从事某项活动或职业而形成的主观经验、洞察力和直觉。二者紧密关联，并与经济活动融为一体，成为当代社会发展的主要推进力量。
知识管理是通过共享和抓住隐性知识并将其转变为显性知识，筛选、存储、加工、检索、传递和利用显性知识，创新新的知识来增加社会价值的。这种实践活动可用知识螺旋（knowledge spiral）来描述。在每一个螺旋中存在4个阶段：共享隐性知识阶段、隐性知识转变为显性知识阶段、显性知识转变为新知识阶段和通过学习产生新的隐性知识阶段。每一次新的显性知识和隐性知识的产生便是知识螺旋的一次上升。相对于知识管理，信息管理注重显性知识或称编码型知识（codified knowledge）的搜集、存储、加工、检索、分析和预测，这方面的研究成果主要表现为数据仓库（Data Warehouse，简称DW）的开发和利用。数据仓库使企业能抽取、筛选、存储大量的数据，对用户的检索进行有效而准确的反应，并为决策活动提供了强大的基础。然而，数据仓库中仅仅存储了决策者所需知识的一部分，企业绝大部分智力财富以隐性知识的方式存在于员工的大脑中，因此，数据仓库不足以满足对知识检索的需求。为了满足知识管理和知识决策的需求，可以对现存的企业数据仓库进一步扩充，成为满足知识管理需求的知识仓库（Knowledge Warehouse，简称KW）。知识仓库能够对不同类型的知识（显性知识和隐性知识）和不同形式的知识（纯文本、二进制对象、模型等）进行捕捉、存储、编码、组织和分析。另外，这些知识还包括元知识（关于知识的知识）和分析后产生的新知识。
2 知识仓库的主要功能分析
知识仓库强调为决策者提供一个提升知识管理流程全过程的智能分析平台，它在很大程度上依赖于信息技术的发展并被日新月异的信息技术所推动。信息技术包括人工智能、神经网络、专家系统、多媒体技术、数据库、信息可视化、机器学习、信息分析与挖掘等，其中OLAP（Online Analytical Processing，在线分析处理）与DM（Data Mining，数据挖掘）是基于数据仓库技术而发展起来的信息分析与挖掘工具。OLAP是验证型的，建立在多维视图的基础上，重在根据已有的模式将直接源自数据仓库中的不同信息源的大量相关信息联系起来，以给分析人员一个清晰、一致的视图。OLAP主要有两个特点，一是在线性（online），即对用户的请求做出快速响应；二是可以应用多种统计分析工具、算法对数据进行多维分析（multi-analysis）。DM是挖掘型的，建立在各种信息源的基础上，重在发现隐藏在大量原始数据深层中的对人们有用的模式（patterns）。被抽取的模式即知识，具备可信、新颖、有效、易于理解的特点。DM有两个主要过程，即建立模型和预测未来结果。在这些过程中，可应用统计分析、神经网络、决策树、遗传算法、模糊逻辑、基于记忆的推理（memory-based reasoning）等技术，OLAM（Online Analvtical Mining，在线分析挖掘）是OLAP和DM相结合的产物，OLAM兼有OLAP多维分析的在线性、灵活性和DM对数据处理的深入性，目前OLAM正处于研究之中，针对LAM的发展驱动力和基本结构，以下几点是必要的：OLAM建立在多维数据库和OLAP的基础之上，能对任何它想要的数据进行挖掘；用户对挖掘算法具有动态选择的权力；具有强大的基于超立方体的挖掘算法；能够协调好执行效率与挖掘的准确性之间的关系；具有灵活的可视化工具和良好的扩展性。
信息技术的发展使知识仓库的功能实现变为可能，知识仓库应具备以下主要功能：
（1）隐性知识共享和转化功能。即知识仓库应具备共享隐性知识和将隐性知识转变为显性知识的能力，这依赖于机器学习、神经网络、信息可视化、多媒体技术等。
（2）知识存储和检索功能。即知识仓库必须提供数据仓库所拥有的全部功能，并具有更加丰富的知识表现形式。知识仓库应能有效生产、存储、检索、管理各种形式的知识。
（3）知识分析功能。知识分析是一个非常复杂的过程，分析任务常常利用各类归纳和演绎的人工智能技术，如神经网络、数据处理的分组方法、统计、基因算法、基于案例的推理等。每一个任务在输入数据、执行参数和输出格式方面都有自己的要求。
（4）新知识的产生和反馈功能。知识仓库中的知识随着不同的反馈环而得到实时更新，如通过头脑风暴法产生、共享和获取新的隐性知识；从用户刚刚验证和证实的结果中产生新的显性知识。
（5）用户行为分析跟踪功能。知识仓库能够根据用户所提供的信息、用户的行为习惯和倾向进行跟踪并针对性地提供决策服务。
3 知识仓库的架构
知识仓库包括6个主要构件（见图1）：共享和获取隐性知识模块；获取显性知识模块；知识的抽取、转变和存储模块；知识分析模块：用户（系统管理员）界面模块；3个反馈环。
附图
图1 知识仓库的架构
3.1 共享和获取隐性知识模块
隐性知识是无法交流的知识。例如，学生通过书本可间接地学到用文字表达出来的显性知识，而通过上课不仅可学到显性知识，而且能体会到教师讲授中无法表达的隐性知识。这即是所谓的言传身教，但在对所讲所学知识的理解上学生和教师总存在差别。又如，邀请一位有经验的管理者作报告，假设该管理者对自己所理解的管理理论和实践经验尽其全力进行表达，是否听报告的人在报告后便能成为与其一样出色的管理者？答案是否定的，究其原因，该管理者能表达出来的知识是显性知识，而他头脑中大量存在的是他无法表达清楚的隐性知识，这些隐性知识在该管理者的管理实践中起非常重要的决策支持作用。知识管理非常强调对隐性知识的挖掘，共享和获取隐性
3.2 获取显性知识模块
这个模块功能类似于数据仓库中相应的功能，能够对显性知识进行搜集和筛选。
3.3 知识的抽取、转换和存储模块
这个模块是知识仓库的基本构件。它是一个面向对象的知识库管理系统（Knowledge Base Manage ment System.简称KBMS），集成了知识库、模型库和分析任务等，知识以框架、规则、语义网络等形式存储在知识库中。KBMS管理如何将广泛的知识对象集成为一个功能体，这些知识对象包括数字、文本流、验证的模型、元模型，电影剪辑、动画片断以及控制它们的软件。KBMS在面向对象的环境中实施，不仅管理数据，而且管理听有的对象、对象模型、过程模型、案例模型、对象交互模型和用来处理、解释知识并产生知识库的动态模型，
3.4 知识分析模块
知识分析模块处理所有与分析任务有关的活动，包括知识工程、任务控制、判断生成和技术管理。知识工程次模块是基于专家系统的子系统，它负责开发知识分析目标和基本的模型环境原则。
任务控制次模块处理所有数据要求和运行中的交互（包括耐用户倾向偏好的分析和跟踪），即以任务控制台的形式作为任务交互的基于人工智能的代理决策者，使真正的决策者不必知道其中的技术、微小区别和交互过程等。
判断生成次模块对各类分析任务的输出（包括基于用户行为跟踪分析而提供的针对性决策服务）进行评估，特别是对于因果任务，筛选出基于某个标准的假的或不一致的结果，然后产生希望能使用户明白模型环境的简单而深刻的解释。在这个过程中，判断产生模型与知识库、例子库和模型库交互，利用演绎知识、类比推理和其他技术。
技术管理次模块对分析技术库进行管理，它提供从新生 《论知识仓库的架构》
本文链接地址：http://www.oyaya.net/fanwen/view/62333.html
【摘 要 题】专题探讨
1 知识管理时代知识仓库的地位
知识可划分为显性知识（explicit knowledge）和隐性知识（tacit knowledge）两类。其中，显性知识是指能够用语言、符号、规则、公式或对象等正式表达并能够传输给他人的知识；隐性知识是深深根植于人脑中的信念、观点、创意和智力模型，包括某人长期从事某项活动或职业而形成的主观经验、洞察力和直觉。二者紧密关联，并与经济活动融为一体，成为当代社会发展的主要推进力量。
知识管理是通过共享和抓住隐性知识并将其转变为显性知识，筛选、存储、加工、检索、传递和利用显性知识，创新新的知识来增加社会价值的。这种实践活动可用知识螺旋（knowledge spiral）来描述。在每一个螺旋中存在4个阶段：共享隐性知识阶段、隐性知识转变为显性知识阶段、显性知识转变为新知识阶段和通过学习产生新的隐性知识阶段。每一次新的显性知识和隐性知识的产生便是知识螺旋的一次上升。相对于知识管理，信息管理注重显性知识或称编码型知识（codified knowledge）的搜集、存储、加工、检索、分析和预测，这方面的研究成果主要表现为数据仓库（Data Warehouse，简称DW）的开发和利用。数据仓库使企业能抽取、筛选、存储大量的数据，对用户的检索进行有效而准确的反应，并为决策活动提供了强大的基础。然而，数据仓库中仅仅存储了决策者所需知识的一部分，企业绝大部分智力财富以隐性知识的方式存在于员工的大脑中，因此，数据仓库不足以满足对知识检索的需求。为了满足知识管理和知识决策的需求，可以对现存的企业数据仓库进一步扩充，成为满足知识管理需求的知识仓库（Knowledge Warehouse，简称KW）。知识仓库能够对不同类型的知识（显性知识和隐性知识）和不同形式的知识（纯文本、二进制对象、模型等）进行捕捉、存储、编码、组织和分析。另外，这些知识还包括元知识（关于知识的知识）和分析后产生的新知识。
2 知识仓库的主要功能分析
知识仓库强调为决策者提供一个提升知识管理流程全过程的智能分析平台，它在很大程度上依赖于信息技术的发展并被日新月异的信息技术所推动。信息技术包括人工智能、神经网络、专家系统、多媒体技术、数据库、信息可视化、机器学习、信息分析与挖掘等，其中OLAP（Online Analytical Processing，在线分析处理）与DM（Data Mining，数据挖掘）是基于数据仓库技术而发展起来的信息分析与挖掘工具。OLAP是验证型的，建立在多维视图的基础上，重在根据已有的模式将直接源自数据仓库中的不同信息源的大量相关信息联系起来，以给分析人员一个清晰、一致的视图。OLAP主要有两个特点，一是在线性（online），即对用户的请求做出快速响应；二是可以应用多种统计分析工具、算法对数据进行多维分析（multi-analysis）。DM是挖掘型的，建立在各种信息源的基础上，重在发现隐藏在大量原始数据深层中的对人们有用的模式（patterns）。被抽取的模式即知识，具备可信、新颖、有效、易于理解的特点。DM有两个主要过程，即建立模型和预测未来结果。在这些过程中，可应用统计分析、神经网络、决策树、遗传算法、模糊逻辑、基于记忆的推理（memory-based reasoning）等技术，OLAM（Online Analvtical Mining，在线分析挖掘）是OLAP和DM相结合的产物，OLAM兼有OLAP多维分析的在线性、灵活性和DM对数据处理的深入性，目前OLAM正处于研究之中，针对LAM的发展驱动力和基本结构，以下几点是必要的：OLAM建立在多维数据库和OLAP的基础之上，能对任何它想要的数据进行挖掘；用户对挖掘算法具有动态选择的权力；具有强大的基于超立方体的挖掘算法；能够协调好执行效率与挖掘的准确性之间的关系；具有灵活的可视化工具和良好的扩展性。
信息技术的发展使知识仓库的功能实现变为可能，知识仓库应具备以下主要功能：
（1）隐性知识共享和转化功能。即知识仓库应具备共享隐性知识和将隐性知识转变为显性知识的能力，这依赖于机器学习、神经网络、信息可视化、多媒体技术等。
（2）知识存储和检索功能。即知识仓库必须提供数据仓库所拥有的全部功能，并具有更加丰富的知识表现形式。知识仓库应能有效生产、存储、检索、管理各种形式的知识。
（3）知识分析功能。知识分析是一个非常复杂的过程，分析任务常常利用各类归纳和演绎的人工智能技术，如神经网络、数据处理的分组方法、统计、基因算法、基于案例的推理等。每一个任务在输入数据、执行参数和输出格式方面都有自己的要求。
（4）新知识的产生和反馈功能。知识仓库中的知识随着不同的反馈环而得到实时更新，如通过头脑风暴法产生、共享和获取新的隐性知识；从用户刚刚验证和证实的结果中产生新的显性知识。
（5）用户行为分析跟踪功能。知识仓库能够根据用户所提供的信息、用户的行为习惯和倾向进行跟踪并针对性地提供决策服务。
3 知识仓库的架构
知识仓库包括6个主要构件（见图1）：共享和获取隐性知识模块；获取显性知识模块；知识的抽取、转变和存储模块；知识分析模块：用户（系统管理员）界面模块；3个反馈环。
附图
图1 知识仓库的架构
3.1 共享和获取隐性知识模块
隐性知识是无法交流的知识。例如，学生通过书本可间接地学到用文字表达出来的显性知识，而通过上课不仅可学到显性知识，而且能体会到教师讲授中无法表达的隐性知识。这即是所谓的言传身教，但在对所讲所学知识的理解上学生和教师总存在差别。又如，邀请一位有经验的管理者作报告，假设该管理者对自己所理解的管理理论和实践经验尽其全力进行表达，是否听报告的人在报告后便能成为与其一样出色的管理者？答案是否定的，究其原因，该管理者能表达出来的知识是显性知识，而他头脑中大量存在的是他无法表达清楚的隐性知识，这些隐性知识在该管理者的管理实践中起非常重要的决策支持作用。知识管理非常强调对隐性知识的挖掘，共享和获取隐性
知识模块应具体拥有以下功能：①行为隐性知识获取。表现为行为跟踪、动作慢放，如将外科手术、工艺操作等过程进行录制生成多媒体信息，再对这些多媒体信息进行慢放，通过观摩这些慢放的画面，可以共享人的行为中所拥有的隐性知识。②提供一个平台，让大家各抒己见，如在BBS、聊天室或头脑风暴法基础上加上跟踪软件，分析表达出来的、看起来分散而孤立的显性知识之间的关系，挖掘隐性知识。③基于模型环境的数学模型抽取。④基于专家环境的规则抽取。
3.2 获取显性知识模块
这个模块功能类似于数据仓库中相应的功能，能够对显性知识进行搜集和筛选。
3.3 知识的抽取、转换和存储模块
这个模块是知识仓库的基本构件。它是一个面向对象的知识库管理系统（Knowledge Base Manage ment System.简称KBMS），集成了知识库、模型库和分析任务等，知识以框架、规则、语义网络等形式存储在知识库中。KBMS管理如何将广泛的知识对象集成为一个功能体，这些知识对象包括数字、文本流、验证的模型、元模型，电影剪辑、动画片断以及控制它们的软件。KBMS在面向对象的环境中实施，不仅管理数据，而且管理听有的对象、对象模型、过程模型、案例模型、对象交互模型和用来处理、解释知识并产生知识库的动态模型，
3.4 知识分析模块
知识分析模块处理所有与分析任务有关的活动，包括知识工程、任务控制、判断生成和技术管理。知识工程次模块是基于专家系统的子系统，它负责开发知识分析目标和基本的模型环境原则。
任务控制次模块处理所有数据要求和运行中的交互（包括耐用户倾向偏好的分析和跟踪），即以任务控制台的形式作为任务交互的基于人工智能的代理决策者，使真正的决策者不必知道其中的技术、微小区别和交互过程等。
判断生成次模块对各类分析任务的输出（包括基于用户行为跟踪分析而提供的针对性决策服务）进行评估，特别是对于因果任务，筛选出基于某个标准的假的或不一致的结果，然后产生希望能使用户明白模型环境的简单而深刻的解释。在这个过程中，判断产生模型与知识库、例子库和模型库交互，利用演绎知识、类比推理和其他技术。
技术管理次模块对分析技术库进行管理，它提供从新生 《论知识仓库的架构》
★读了本文的人也读了：