信息整流与知识增值服务

时间：2023年04月16日

来源：飞天小绿警

编辑：本站小编

下面是小编整理的信息整流与知识增值服务，本文共6篇，欢迎阅读分享，希望对大家有所帮助。本文原稿由网友“飞天小绿警”提供。

篇1：信息整流与知识增值服务

【内容提要】本文提出数字图书馆的主要功能目标是信息整流与知识增值服务；信息与知识转换是数字图书馆的关键理论和技术问题。图书馆受到Internet的巨大冲击、不再是文献信息服务的唯一提供者，数字图书馆如何才能挽回失去的老用户，吸引新用户？知识管理工程将使数字图书馆成为21世纪学习的大平台、文化知识的大平台和知识资源中心。

【摘要题】信息服务

1 数字图书馆的信息整流

数字图书馆把传统图书馆的功能由信息的查询和图书资料的借阅扩展到知识服务的新阶段。实现这一宏伟目标需要解决许多技术和社会问题，其中有两个最关键的技术是信息的整流和知识的创新。前者涉及数字图书馆的知识链建立问题，后者涉及数字图书馆的信息变换成知识的知识增值服务问题。

1.1 数字图书馆的知识链

数字图书馆是一个庞大的数字资料库，包括所有资料的数字化存储，在线网上资料、多媒体资料、电子出版物等。数字图书馆根据用户对信息的不同需求，将文本、图片等原件制作成不同数字形式。一般有纯图像形式，目录文本形式，正文图像形式，全文本形式和全文索引形式。但关键还是知识链的建立。

为实现知识链信息，数字图书馆将资源分成为元数据和对象数据。对象数据指数字化的文本、图像、声言、影像等，元数据则指那些描述和管理对象的数据。对象数据分布式地存放在各地的资源站点内，元数据则集中存放在数字图书馆中心的超大规模服务器上。用户查询时，中心调度系统通过元数据来调度各对象数据库以提供服务。

知识的控制单位长期停留在文献这一级上，而人对知识的需求一般不是以文献为单位的。早在20世纪70年代后期就有专家指出，知识的控制单位将从文献深化到文献中的数据、公式、事实、结论等最小的独立的“知识元”.一旦实现知识的控制单位由文献深化到“知识元”,大量文献中所包含的“知识元”及相关信息间的链接将产生极大的知识增值，从而大大推进人类对知识的利用，促进新知识的创造，从而也将推动知识资源业的重大发展[1].

一篇文献反映作者的科学研究成果，包含着作者的知识创新的过程。于是文本结构本身就隐含着对某学科问题的知识链。

假如我们把每篇文献的知识看成是人类知识结构中的一个知识单元，知识单元与知识结构就组成了个性知识与共性知识的知识系统。个性知识体现在知识的创新上，共性知识结构则表现在知识的完整性上。于是我们就建立了个性知识与共性知识的知识链。事实上，专利文献就明显地表现了个性知识单元与人类知识结构的知识创新链关系[2].

数字图书馆对文本的知识标引，既体现了标引者应用学科知识结构的背景知识的能力，同时又体现了标引者识别和提炼作者的知识创新点的判断和知识组织能力。因此，是一个知识链建立的知识增值过程。

1.2 数字图书馆的知识发现

知识链的建立过程是知识发现和知识再组织的过程。知识发现的主要目标是采用有效的算法，从大量现有或历史数据集合中发现并找出最初未知、但最终可理解的有用知识，并用简明的方式显示出来。知识发现一般包含如下几个步骤：（1）理解相应的问题领域；（2）准备相关数据子集；（3）发现模式（数据挖掘）；（4）所发现模式的后处理；（5）应用发现结果。

（1）文本知识结构分析技术

尽管与多媒体信息相比，文本信息显得比较普通，但文本仍然是记载和传播信息的最主要媒体，因此对文本信息知识发现技术的研究具有十分重要的意义和广泛的应用前景。

文本结构分析的目的在于发现文本表达主题概念的物理组织结构，由物理结构自动重组主题概念的逻辑结构，实现对文本知识的抽象化和具体化推理检索。

文献[3]把文本结构分成物理结构和逻辑结构。物理结构={标题，段落，句子，词汇},它表示了文本的组成情况。可采用向量空间模型表示文本及文本各个部分，进行文本结构分析，其中主要是文本的层次分析，从而得到文本的逻辑结构。逻辑结构={主题，层次，段落，句子，主题词},它更着重于表示文本所包含的思想内容和表达的逻辑方式。

（2）知识链结构

文本的物理结构是文本的外表形式，逻辑结构体现了作者表达目的的逻辑顺序，而文本的知识链结构则是作者的目的和灵魂，知识链结构={问题，已有解的优缺点，新解的方案，性能评价，今后方向}.研究文本的目的是为了获得文本的知识链，以创建新的知识链。

引文方法是一种很好的文献链，表现了引用文献与被引用文献之间的多种关系。但它并不完全直接表现知识链关系。文献链是一种庞大的文献引用系统。知识链则是一种巨大的知识引用系统。若能完成这一巨大的系统，人类将可能进行更有效的知识学习。

1.3 信息整流的实现

知识链是文本知识结构的普遍特性，是人类学习、创新的纽带。信息整流与信息滤波不同。信息滤波的目的主要有两点，即过滤掉不相关的文档以及将相关文档列表分为新的文档和已经查阅过的文档，并按相似度大小排序，对已检索的相关文档，通知信息Agent不必返回全文文档，以减少通信费用。信息整流的目的在于建立数字图书馆的知识链库，提供知识链服务。

信息整流是建立知识链的过程。从全文提取出知识单元，形成独立的知识基础，构成知识单元库，把各种知识单元库进行链接，构成数字图书馆广泛的知识网络库。

知识网络库形成了学科横向交叉和学科纵向延伸的科学知识体系。描述了人类知识学习和知识创新的知识网络结点。把人类知识学习和创新活动之间的距离大大的缩短。在知识网络库中，用户可以跨知识单元库学习所感兴趣的知识，更可以通过知识单元库直接学习到解决问题的知识和办法。

知识单元库的实现是知识网络库建立的基础和关键。已有的信息置标语言HTML（Hyper Text Markup Language）的超级链接功能使Web技术从计算机世界走向社会、走向千家万户，实现Web与数据库的超级链接。HTML表现出Web显示数据的通用方法，而XML提供了一个直接处理Web数据的通用方法。HTML着重描述Web页面的显示格式，而XML着重描述Web页面的内容。XML是文档的各种数字表示方式，用XML表示的数字文档可以由计算机处理，也可以供人阅读。XML文档是一种纯文本文档，可以包含图片、视频或其他多媒体信息，可以是百科全书，也可以是一封电子邮件，或一则天气预报、一张电子商务交易单等。如对〈商品〉的描述中，若在应用中的名称、质量、价格还不足以描述一个商品的特征时，还可通过其他模式增加新特征，只要加入的元素在它们各自名域的前后关系中是有效的。这就为知识单元的描述提供了工具，通过XML标记将文本标记成知识单元，继而将知识单元链接成知识结构，实现知识链。

与引文索引不同，在用XML实现知识单元的描述中，可以将被引文献中的知识单元采用指针的方式加以直接标记，于是实现了知识链接的作用。

链接（Linking）是Web实现关键。HTML的链接是单向的有两个端点――源端和目标端，源端通常是Web页的一个片段，如一个词语、一段文本或一幅图像，目标端是一个“资源”.由统一资源标记（URI）地址指定。XML是描述结构化数据的底层文法，用这种简单文法可以支持种类繁多的应用。预计XML将成为数字图书馆信息整流的基础性语言。

篇2：信息整流与知识增值服务

数字图书馆不仅是传统图书馆的数字化，而且是来源极其丰富的网上资源库。通过对信息资源的深加工和合理、有效的组织，使之成为永久、有序的知识源泉。数字图书馆不仅要进行信息整流，而且还要进行知识增值服务。数字图书馆将构筑起信息与知识转换的社会大平台，为实现全民终身学习、自主学习、随时随地学习创造条件。

2.1 图书馆受到Internet巨大冲击

Internet正在成为世界上最大的“图书馆”.网络信息资源的迅猛扩大，越来越加深了人们对网络的依赖程度，影响和改变着人们选择信息、使用信息的行为和方式。目前，Internet上已拥有各种日报、杂志及时事快报、新书报道，世界上大多数主要的检索系统、数据库都已上网，并且向用户提供信息服务。Internet信息服务商以其雄厚的资金投入和先进的技术设备优势，面向企业、面向市场开发信息产品，图书馆不再是信息服务的唯一提供者，图书馆传统的信息产品受到巨大冲击。

2.2 数字图书馆的知识增值服务

数字图书馆如何才能挽回以前的老用户，并吸引更多的新用户？这是图书馆转型的根本所在，是数字图书馆建设的核心。为此，数字图书馆的服务内容和质量要比目前网上的信息服务更加独具一格，数字图书馆要向信息实体虚拟化、信息资源数字化、信息传递网络化、信息利用共享化、信息提供的知识化方向转型发展。数字图书馆发展的优势将在什么地方？

知识增值服务是数字图书馆占领知识服务市场的优势所在。数字图书馆应用系统应是可扩展的知识服务网络系统。

数字图书馆对于有高价值的图像、文本、语言、音响、影像、影视、软件和科学数据等多媒体信息进行高质量的加工，实现知识增值，并提供在广域网上高速横向跨库的便捷的数字知识存取服务。

由此，我们可以说，数字图书馆的兴起是Internet网络技术的巨大冲击；数字图书馆的发展的强大推动力是人类知识需求速度的猛增。人类不仅需求更多的信息，而且需要更高质量的知识。数字图书馆将面向知识增值服务系统的转型发展。

2.3 数字图书馆的知识创新

国家创新体系的主要功能，是知识创新、知识传播、知识交换和知识利用。大力促进和提高知识的生产、传播、交换和利用的水平、规模和效率，是国家创新体系的基本任务。

（1）知识创新过程

知识创新是数字图书馆发展的最主要的动力源泉。信息经过加工和改造形成知识。知识是人脑创新的成果，是人类智慧的结晶。智慧是人类文明的源泉，是推动历史发展的永恒动力，是生产力诸要素中的核心。

知识一般可分为陈述性知识、过程性知识和控制性知识。陈述性知识提供概念和事实，描述系统状态、环境和条件，使人们知道是什么。过程性知识提供有关状态的变化、问题求解过程的操作、演算和动作的知识。

个性知识单元由最小的知识元素“知识元”组成，知识元的不同排列构成了不同知识单元之间的差异，知识元也是知识结构的最小元素，在知识结构中可以由知识元直接组成新的知识单元，这就是知识学习与知识创新的过程。

（2）知识创新的度量方法

在考虑知识创新度量问题时，我们应尽可能从知识单元与知识结构之间所表现的特征寻找描述度量的方法。就某一篇文献而言，它的知识包含有两个层次。一个是局部的，即是围绕该文本主题有关方面的判断、推理、结论等。另一个是全局的、总体的，即是相对该学科主题现状的知识增量。比如，一篇综述性文献，由于采用知识的提炼与合成技术，它本身的（局部的）知识容量增加了，建立了新的知识链关系，就有知识创新产生。

从知识度量角度讲，我们所研究的知识是事实性的、静态的知识，是关于事物的分类、属性、事物间关系等的科学事实或客观事实。具体到某一篇文献而言，知识是指关于其所研究对象（主题）的结构、关系、属性和取值等方面所做的概念、判断、推理，即有关该主题对象新有的结论。相对学科主题而言，它的知识则指的是新增加的那一部分，即知识创新的增量。知识是可学习的、可复制的，而智慧是不可复制的。目前对知识创新度量最简单的方法是对产生新的知识增量及其效应的判别和估价。这种估价的.结果表现为一种数量现象，实质上估价知识的增量隐含着对智慧的测度，因为实现知识创新的根源是智慧，但对智慧的度量目前则是太困难了。

（3）信息与知识的变换

科技发展史上的一条规律说明：当把两门表面看来毫不相干的学科结合起来的时候，就可能形成一门新的学科；当把两种似乎没有任何联系的现象联系起来，就可能在科学技术上取得某些进展或突破。不同学科的文献常有内在的联系，包含隐含的知识或信息，可以从中重组出全新的知识或信息，得出全新的推理或结论。

・隐含信息的关联

隐含信息的重组是知识的外化和外延。一些信息本身没有什么价值，但在它身后却隐藏着另外一种很有价值的信息，这种延伸或潜在的信息单元、知识单元，有一定的隐蔽性，往往不易被人发现，一旦被开发出来，并运用到实践当中去，却可产生不可估量的效益。

美国芝加哥大学图书馆研究生院、信息中心的Swansan D.R.等一直在从事认知科学和文献内容相互关系的研究，对信息重组和知识创新过程进行了不少研究。由于他们一直对文献的隐含信息进行研究，并在研究过程中，利用现代的计算机技术，设计了一种新颖的计算机辅助信息检索软件（ARROWSMITH算法），能辨别出生物医学文献中两个词语间的联系，从而进一步发现隐含信息的关联，促进新知识的产生。

・知识的消息通信

知识元、知识单元、知识结构都以信息的方式在文献中表现，把隐含在文献中的大量复杂知识元以消息通信的方式连接起来，提高隐含知识的明晰化程度，将是未来数字图书馆向知识创新努力的关键[4].

知识检索是在知识结构中获取知识的过程，用户可以通过知识单元间接地获取知识，更可以通过知识元直接获取知识；信息检索只能通过间接的知识单元信息获取文献。

知识链接是数字图书馆的核心，是实现数字图书馆从信息服务向知识服务转型的关键技术。因此，采用知识链研究知识标引与检索是合理的，研究知识元、知识单元、知识结构之间的信息与知识的变换是可实现的。

从人工智能观点看，知识是对事实的合理推理的结果。知识的表达与处理可以有多种方法，且已有许多优秀成果，但最关键的是如何实现知识元与知识单元和知识结构之间的继承性，以及如何有效地实现它们之间的消息通信。

・信息转换成知识

从标引“知识元”层面研究，揭示单篇文献的个体“知识元”信息与某领域共性“知识结构”的链接关系，从而找出信息与知识的转换的普遍规律[5],是提高用户通过检索系统直接获取有效知识而不是一大堆文献的有效方法。

传统的信息服务只提供文献的信息或提供作为知识素材的文献，并没有揭示文献中的知识链。人们获取的只是文献数据信息本身，并不是知识。比如人们看到了题录摘要，从中未必可以看到知识。即使读完了一次文献，也许仍不能准确了解其中的知识所在。

数字图书馆中存在大量的文献信息库，文献信息库中的知识是非结构化的，知识元之间的关系是隐含的，需要一种能把文献中的知识元及其信息背景一起封装的技术，实现知识与访问该知识的信息成为独立的知识元，又要使得在检索需要的时候，独立知识元之间的关系能通过它们所带的信息实现连接，这就是我们要实现的知识链概念。具体方法我们将另文介绍。其基本框架有：

（1）将标引的每一个工序合理安排；

（2）借助历史数据尽快完成知识增值标引；

（3）在系统中捆绑专家工具，以便快速抽取知识元，建立知识链关系；

（4）自动整理现有工序操作流程，并在知识库中总结工作吸取教训；

（5）自动形成标引的标准；

（6）校验后决定是否修改；

（7）将结论整理存入知识网格库；

（8）用户查询的经验及要求的加入等。

人们期望数字图书馆能提供知识服务，数字图书馆正在由文献信息服务向知识增值服务转型。数字图书馆将造就一门新的学科――知识管理工程。它将是以计算机技术、通信技术、管理科学、人工智能技术为骨干的新型学科。信息过滤，信息与知识转换，将对知识管理工程产生深远的影响。新一代数字图书馆的工作者将是信息整流和知识创新的人才。

【参考文献】

1 徐如镜。开发知识资源发展知识产业服务知识经济。在“数字化信息资源与知识仓库标准国际研讨会”上的讲话。

2 温有奎。计算机检索中的情报取样与滤波分析。情报学报，1993,12（1）：61――68

3 林鸿飞，战学刚，姚天顺。基于概念的文本结构分析方法。计算机研究与发展，（3）

4 赖伯年等。西北地区数字图书馆建设与社会经济可持续发展研究，社科基金

5 温有奎，徐国华。信息与知识变换。情报学报，2002,21（5）：613――617

篇3：「标题」信息整流与知识增值服务

「标题」信息整流与知识增值服务

【摘要题】信息服务

1 数字图书馆的信息整流

1.1 数字图书馆的知识链

知识的控制单位长期停留在文献这一级上，而人对知识的需求一般不是以文献为单位的。早在20世纪70年代后期就有专家指出，知识的控制单位将从文献深化到文献中的数据、公式、事实、结论等最小的独立的“知识元”。一旦实现知识的控制单位由文献深化到“知识元”，大量文献中所包含的“知识元”及相关信息间的链接将产生极大的知识增值，从而大大推进人类对知识的利用，促进新知识的创造，从而也将推动知识资源业的重大发展[1]。

一篇文献反映作者的科学研究成果，包含着作者的知识创新的过程。于是文本结构本身就隐含着对某学科问题的知识链。

假如我们把每篇文献的知识看成是人类知识结构中的一个知识单元，知识单元与知识结构就组成了个性知识与共性知识的知识系统。个性知识体现在知识的创新上，共性知识结构则表现在知识的`完整性上。于是我们就建立了个性知识与共性知识的知识链。事实上，专利文献就明显地表现了个性知识单元与人类知识结构的知识创新链关系[2]。

1.2 数字图书馆的知识发现

（1）文本知识结构分析技术

文献[3]把文本结构分成物理结构和逻辑结构。物理结构=｛标题，段落，句子，词汇｝，它表示了文本的组成情况。可采用向量空间模型表示文本及文本各个部分，进行文本结构分析，其中主要是文本的层次分析，从而得到文本的逻辑结构。逻辑结构=｛主题，层次，段落，句子，主题词｝，它更着重于表示

[1] [2] [3] [4]

篇4：数据信息与知识

数据信息与知识

张奠成(合肥工业大学)

关键词：数据发掘, 知识发现, 信息发掘, 事务智能一数据过剩与知识贫乏

计算机与信息技术经历了半个世纪的发展，给人类社会带来了巨大的变化与影响。支配

人类社会三大要素(能源材料和信息)中，信息愈来愈显示出其重要性和支配力，它将人类社会由工业化时代推向信息化r代，使现代社会所有大的机构都卷入到以数据及其处理(数据搜集存储检索传送分析和表示）的浪潮中。而随着人类活动范围扩展，节奏加快，以及技术的进步，人们能以更快速较易而廉价的方式获取和存储数据，这就使得数据和信息量以指数形式向上增长。早在八十年代，人们粗略地估算到全球信息量，每隔20个月就增加班一倍。进入九十年代，各类机构所有数据库数据量增长更快。一个不大的企业每天要产生100MB以上来自各方面的营业数据。美国政府部门的一个典型的大数据库每天要接收约5TP数据量，在15秒到1分钟时间里，要维持的数据量达到300TB，存档数据达15-100PB。在科研方面，以美国宇航局的数据库为例，每天从卫星下载的数据量就达3-4TB之多，而为了研究的需要，这些数据要保存七年之久。九十年代因特网（Internet）的出现和发展，以及随之而来的企业内部网（Intranet）和企业外部网（Extranet）以及虚拟私有网（VPN--Virtual Private network）的产生和应用，将整个世界联成一个小小的地球村，人们可以跨越时空地在网上交换信息和协同工作。这样，展现在人们面前的已不是局限于本部门，本单位和本行业的庞大数据库，而是浩瀚无垠的信息海洋。据估计，1993年面全球数据存贮容量约为二千TP，到达会增加到三百万TB，对这极度膨胀的数据信息量，人们受到“信息爆炸”“混沌信息空间”（Information Chaotic Spact）和“数据过剩”（Data glut)的巨大压力。

然而，人类的各项活动基于人类的智慧和知识，即对外部世界的观察和了解，正确的判断和决策以及采取正确的行动，而数据仅仅是人们用各种工具和手段观察外部世界所得到的原始材料，它本身没有任何意义。从数据到智慧，要经过分析加工处理精炼的过程。如图1所示：数据是原材料，它只是描述发生了什么事情，它不提供判断或解释，和行动的可靠基础。人们对数据进行分析找出其中关系，赋予数据以某种意义和关联，这就形成所谓信息。信息虽给出了数据中一些有一定意义的东西，但它往往和人们手上的任务没有什么关联，还不能做为判断决策和行动的依据。对信息进行再加工，进行深入洞察，才能获得更有用可资利用的信息，即知识.所谓知识，可以定义为“信息块中的一组逻辑联系，其关系是通过上下文或过程的贴近度发现的。”从信息中理解其模式，即形成知识。在大量知识积累基础上，总结成原理和法则，就形成所谓智慧(Wisdom）.其实，一部分人类文明发展史，就是在各种活动中知识的创造交流再创造不断积累的螺旋式上升的历史。另一方面，计算机与信息技术的发展，加速了这种过程，据德国世界报的资料分析，如果说19世纪时科学定律（包括新的化学分子式，新的物理关系和新的医学认识）的认识数量一百年增长一倍，到本世纪60年代中期以后，每五年就增加一倍。这其中知识起着关键的作用。当数据量极度增长时,如果没有有效的方法,由计算机及信息技术来提取有用信息和知识，也感到像大海捞针一样束手无策。据估计，一个大型企业数据库中数据，只有百分之七得到很好应用.这样，相对于“数据过剩” 和“信息爆炸”,人们又感到“信息贫乏”（Information poor)\"数据关在牢笼中”(data in jail).

二从数据到知识

早在八十年代，人们从“物竞天择适者生存”的大原则下，认识到“谁最先从外部世界获得有用信息并加以利用谁就是优胜者”。现时当市场经济面向全球性剧烈竞争的环境下，一家厂商的优势不在于像产品服务地区等方面因素，而在于创新。用知识来作为创新的原动力，就能使公司长期持续保持竞争优势。因此要能及时迅速从日积月累的庞大的数据库及网络上获取有关经营决策有关知识，这是应付客户需求易变性及市场快速变化引起竞争激烈局面的唯一武器。

针对上述情况，如何对数据与信息快速有效地进行分析加工提炼以获取所需知识并发挥其作用，向计算机和信息技术领域提出了新的挑战。其实计算机和信息技术发展的过程，也是数据和信息加工手段不断更新和改善的过程。早年受技术条件限制，一般用人工方法进行统计分析，和用批处理程序进行汇总和提出报告.在当时市场情况下，月度和季度报告已能满足决策所需信息要求。随着数据量的增长，多渠道数据源带来各种数据格式的不相容性，为了便于获得决策所需信息，就有必要将整个机构内的数据以统一形式集成存储在一起,这就是所谓数据仓库（data Warehousing).它不同于只适用于日常工作的数据库.它是为了便于分析针对一定主题（Subject-oriented）的集成化的时变的（time-Variant即提供存贮5-10或更老的数据，这些数据不再更新，供比较以求出趋向及预测用）非破坏性（即只容易输入和访问不容许更新和改变）的数据集中场所。数据仓库的出现，为更深入对数据进行分析提供了条件，针对市场变化的加速人们提出了能实时分析和报表的在线分析手段OLAP（On Line Analytical Processing），它是一种友好而灵活的工具，它能允许用户以交互方式浏览数据仓库对其中数据进行多维分析，能及时地从变化和不太完整的数据中提出与企业经营动作有关的信息。例如能对数据中的异常和变化行为进行了解，OLAP是数据分析手段的一大进步，以往的分析工具所得到的报告结果能回答“什么”（What），而OLAP的分析结果能回答“为什么”（Why）。但上述分析手段是建立在用户对深藏在数据中的某种知识有预感和假设的前提下。而由于数据仓库（通常数据贮藏量以TB计）及联网界面上的数据来源于多种信息源，因此其中埋藏着丰富的不为用户所知的有用信息和知识，而要使企业能及时迅速准确地作出经营动作的决策，以适应变化迅速的市场环境，就需要有一种基于计算机与信息技术的智能化自动工具，来发掘埋藏在数据中的各类知识。这种手段不应再基于用户假设，而应能自身生成多种多种假设，再用数据仓库或联网的数据进行检验和验证，然后返回对用户最有用的结果。同时这种工具还应能适应现实世界中数据的多种特性（即量大含噪声不完整动态稀疏性异质非线性等）。要达到上述要求，只借助于一般数学分析和算法是无能为力的。多年来，数理统计技术以及人工智能和知识工程等领域的研究成果，诸如推理归纳学习机器学习知识获取模糊理论神经元网络进化算法模式识别粗糙集理论等等分支给开发上述工具提供了坚实而丰富的理论和技术基础。九十年代中期以来，许多软件开发商，基于上述技术和市场需求,开发了名目繁多的数据发掘(DM--Data Mining)和知识发现(KDD--Discovery from Data）工具和软件，DM和KDD形成了近年来软件开发市场的热点，并且已不断出现成套软件和系统，并开始朝智能化整体解决方案发展，这是从数据到知识前进过程中又一个里程碑（见图2)

图3 数据发掘过程

从数据中获取有用信息或知识，是一个完整的对数据进行加工处理的过程。如图3所示，其中DM是关键的'一步。[1]挑选：按一定的标准从数据源中挑选或切取一组数据，形成目标数据。[2]净化和预处理：将不必要或影响分析进程的部分数据删去。[3]转换：将预处理后的数据进行某些转换使之成为可用和可导引的数据。[4]数据发掘：这是关键的阶段，从数据中抽取出信息的模式。所谓模式，可以作如下定义：给定一组事实（数据）F，一种语言L，和某种可信度测量C，模式就是一种用L的描述方式S，它以可信度C对F的一个子集Fs各事实间的关系进行描述，这种描述在某种意义上比枚举Fs中所有事实上要简单得多。[5]解释赋义或可视化：将模式解释为可以支持决策的知识，例如预测分类汇总数据内容和解释所观察到的现象等。上述阶段之间也许还需要某种迭代分析.(见图3)从上述过程可以看出,从数据中获取知识是涉及多个领域内技术融合的综合应用（见图4）

数据库模式识别

技术

机器学可视化

习技术技术

AI技术统计学

图4 DM(KDD)与相关技术

三 KDD（DM）的任务技术和应用

利用DM（KDD）技术可以完成多项决策所需任务，但大致可分为下述几方面：[1]预测：从事例中求得模式，构造模型以预测目标度量。[2]分类：找出一函数能使每事例映射到某种离散类别之一。[3]查出关系：搜索到对某选定目标变量最有影响的其它独立变量。[4]显式模型：找出描述不同变量间依赖关系的显式公式。[5]聚类：认定出描述数据的类别的有限分组。[6]偏离检测：从数据已有或期望值中找出某些关键测度显著的变化。

由于上述任务的不同，就需要采用不同的技术方法和手段，因而在市面也出现种类繁多的商品工具和软件。大致可以归纳为下列主要类型：

[1]传统主观导向系统：这是针对专业领域应用的系统。如基于技术分析方法对金融市场进行分析。采用的方法从简单的走向分析直到基于高深数学基础的分形理论和谱分析。这种技术需要有经验模型为前提.属于这类商品有美国的Metastak,SuperCharts,Candlestick Forecaster 和Wall Street Money等

[2]传统统计分析：这类技术包括相关分析回归分析及因子分析等。一般先由用户提供假设,再由系统利用数据进行验证。缺点是需经培训后才能使用，同时在数据探索过程中，用户需要重复进行一系列操作。属于这类商品有美国的SAS,SPSS和Stargraphis等。由于近年来更先进的DM方法的出现和使用，这些厂商在原有系统中综合一些DM部件，以获得更完善的功能。

以上两种技术主要基于传统的数理统计等数学的基础上，一般早已开始用于数据分析方面。

[3]神经元网络（NN）技术：神经元网络技术是属于软计算（Soft Computing)领域内一种重要方法，它是多年来科研人员进行人脑神经学习机能模拟的成果，已成功地应用于各工业部门。在DM（KDD）的应用方面,当需要复杂或不精确数据中导出概念和确定走向比较困难时，利用神经网络技术特别有效。经过训练后的NN可以想像具有某种专门知识的“专家”，因此可以像人一样从经验中学习。NN有多种结构，但最常用的是多层BP（back propagation）模型。它已广泛地应用于各种DM（KDD）工具和软件中。有些是以NN为主导技术，例如俄罗斯的PolyAnalyst,美国的BrainMaker,Neurosell和OWL等。NN技术也已广泛地做为一种方法嵌入各种DM成套软件中。其缺点是用它来分析复杂的系统诸如金融市场，NN就需要复杂的结构为数众多神经元以及连接数，从而使现有的事例数（不同的纪录数）无法满足训练的需要。另外由受训后的NN所代表的预测模型的非透明性也是其缺点，尽管如此，它还是广泛而成功地为各种金融应用分析系统所采用。

[4]决策树：在知识工程领域，决策树是一种简单的知识表示方法，它将事例逐步分类成代表不同的类别。由于分类规则是比较直观的，因而比较易于理解，虽然在机器获取领域内，多年来已研制出不少实施决策树的有效算法（如ID3及其改进算法等）。但这种方法限于分类任务。在系统中采用这种方法的有美国的IDIS，法国的SIPINA。英国的Clementinc和澳大利亚的C5.0。

[5]进化式程序设计（Evolutionary programming）：这种方法的独特思路是：系统自动生成有关目标变量对其他多种变量依赖关系的务种假设，并形成以内部编程语言表示的程序。内部程序（假设）的产生过程是进化式的，类似于遗传算法过程。当系统找到较好地描述依赖关系的一个假设时，就对这程序进行各种不同的微小修正，生成子程序组，再在其中选择能更好地改进预测精度的子程序，如此依次进行，最后获得达到所需精度的最好程序时，由系统的专有模块将所找到的依赖关系由内部语言形式转换成易于为人们理解的显式形式，如数学公式，预测表等。由于采用通用编程语言，这种主法在原则上能保证任何一种依赖关系和算法都能用这种语言来描述。这种方法也许是目前最年青的和

最有前途的DN方法之一。这种是方法的商用产品还只见诸俄罗斯的Poly Analyst,据报导，它用于金融到医疗方面军的各种应用于，能获得者很好的结果。

[6]基于事例的推理方法（CBRCase based reasoning)这种方法的思路非常简单，当预测未来情况或进行正确决策时，系统寻找与现有情况相类似的事例，并选择最佳的相同的解决方案，这种方法能用于很多问题求解，并获得好的结果，其缺点是系统不能生成汇总过去经验的模块或规则。采用这种方法的系统有美国的Pattern Recognition Workbench和法国的KATE tools.

[7]遗传算法（GAGenetic Algorithms）：严格说来，DA不是GA应用的主要领域，它是解决各种组合或优化问题的强有力的手段，但它在现代标准仪器表中也用来完成DA任务。这种方法的不足之处是：这种问题的生成方式使估计所得解答的统计意义的任何一种机会不再存在。另外一方面，只有专业人员才能提出染色体选择的准则和有效地进行问题描述与生成。在系统中包含遗传算法的有美国的GeneHunter.

[8]非线性回归方法：这种方法的基础是，在预定的函数的基础上，寻找目标度量对其它多种变量的依赖关系。这种方法在金融市场或医疗诊断的应用场合，比较好的提供可信赖的结果。在俄罗斯的Paly Analyst以及美国的Neuroshell系统中包括了这种技术。

上面所列DM技术不可能是详尽的囊括，因为多年来数理统计分析以及AI与KE的研究提供了种类繁多特点各异的手段，DM开发人员完全可以根据不同任务加以选择使用，另外近年来在软计算（Soft Comp-uting）和不确定信息处理（dealing with Uncertainty of information）方法的研究，促使DM（KDD）技术向更深层次发展。

另外需要说明的，上面所说的DM中的数据是指数据库中表格形式中的记录和条目,这种数据称作结构型数据（Structured data）。在一个企业中，还有一类像文本和网页形式的数据，称作非结构型数据(unstructured data)。它来自不同的信息源，如文本图像影视和音响等，当然文本是最主要的一种非结构数据.对一个企事业单位来说，非结构型数据往往占数据总量的80%，而结构型数据只占20%。1995年分析家已预言，像文本这样非结构型数据将是在线存贮方面占支配地位的数据形式。到初，在Internet上的信息网页数，已超过5亿，到20，预计网页数将达到15亿。随着Internet的扩展和大量在线文本的出现，将标志这巨大的非结构型数据海洋中，蕴藏着极其丰富的有用信息即知识。人们从书本中获取知识方法是阅读和理解。开发一种工具能不需要阅读而能协助用户从非结构数据中抽取关键概念以及快速而有效地检索到关心的信息，这将是一个非常引人入胜的研究领域。目前，基于图书索引检索以及超文本技术的各类搜索引擎，能协助用户寻找所需信息，但要深入发掘这类数据中的有用用信息，尚需要更高层次的技术支持，人工智能领域有关知识表示及获取的方法（如语义网络概念映射等），和自然语言理解的研究成果，可望被采用。还可能要涉及到语言学心理学等领域。最近已出现针对文本的DM工具的报导。如IBM公司的TexMiner,NetQuestion,WedCawler和megaputer公司的TextAnalyst等。

DM（KDD）工具和软件已在各个部门得到很好的应用，并收到明显的效益。[1]在对客户进行分析方面:银行信用卡和保险行业，用DM将市场分成有意义的群组和部门，从而协助市场经理和业务执行人员更好地集中于有促进作用的活动和设计新的市场运动。[2]在客户关系管理方面:DM能找出产

品使用模式或协助了解客户行为，从而可以改进通道管理（如银行分支和ATM等）。又如正确时间销

售（Right Time MarKeting)就是基于顾客生活周期模型来实施的。[3]在零售业方面:DM用于顾客购货篮的分析可以协助货架布置，促销活动时间，促销商品组合以及了解滞销和畅销商品状况等商业活动。[4]通过对一种厂家商品在各连锁店的市场共享分析,客户统计以及历史状况的分析，可以确定销售和广告业务的有效性。[5]在产品质量保证方面:DM协助管理大数量变量之间的相互作用，DM能自动发现出某些不正常的数据分布，暴露制造和装配操作过程中变化情况和各种因素，从而协助质量工程师很快地注意到问题发生范围和采取改正措施。[6]在远程通讯部门:基于DM的分析协助组织策略变更以适应外部世界的变化，确定市场变化模式以指导销售计划.在网络容量利用方面，DM能提供对客户组类服务使用的结构和模式的了解，从而指导容量计划人员对网络设施作出最佳投资决策。[7]在各个企事业部门，DM在假伪检测及险评估失误回避资源分配市场销售预测广告投资等很多方面，起着很重要作用。例如在化学及制药行业，将DM用于巨量生物信息可以发现新的有用化学成分.在遥感领域针对每天从卫星上及其它方面来的巨额数据，对气象预报，臭氧层监测等能起很大作用。总之，在国外，DM已广泛应用于银行金融，零售与批发制造保险公共设施政府教育远程通讯软件开发运输等各个企事业单位。据报导，DM的投资回报率有达400%甚至10倍的事例。

四 DM（KDD）产品状况

九十年代开始出现DM商用产品以来，据不完全统计，到19底初，已达50多个厂商从事DM的开发工作，在美国DM产品市场在1994年约为5千万美元，达到3亿美元。预计年将达到8亿美元。从产品的类型来分有下列产品：[1]提供广泛的DM能力，典型产品有IBM的Intelligent Miner,SAS的Enterprise Miner.[2]为某个部门旨在求解问题，典型的有Unica公司的Response Modeler Segnentor,IBM公司的Busiess Application等。[3]与提供服务一起,典型的有NeoVista,Hyperparallel,HNC Marksman.[4]黑匣工具，典型的有GroupModell,ModelMax,NewralWare的Predict.[5]解决客户问题有Marketier Paregram,Exchemge Application等。

据不完全统计，目前出现的DM工具和软件，可以按采用技术分类如下表:

采用技术分类成套聚类统计与回归连接与相关序列模式可视化文笔与网络DM报告与汇总偏差虚假检测商品数73071157141132发表数4657217413

DM商品软件一般包含多种技术方法，以适应不同要求。经常将成套工具按不同方式分成模块，例如Spss的DM套件由下列按功能的模块组成：[1]基于规则的影响发现模块。[2]多维共性发现模块。[3]OLAP发现模块。[4]增量发现模块。[5]趋向发现模块。[6]比较发现模块。[7]预测发现模块。而Neovista的DM套件却按所采用的技术分组，基于GA的DecisionGA和基于规则相关的DecisionAR.

由于DM不能只看作一个独立的操作，它是与前后操作联系起来，形成数据到知识的整体过程。有各种不同的组合方式，最自然的方式是将DM系统与数据仓库和常规的SQL用户界面和可视化工具联系在一起。如图5所示是NeoVista公司所提出的集成系统的示意简图。它是将集成化知识发现环境和开放式数据仓库组成一个DM的集成环境。为了使DM所得到的结果更广泛直接地为用户所用，人们提出了模式库（Patterm Base)模式仓库（Patterm Warehouse）加上联网模块的方案，如图6所示，这个称作DMsuite的结构直接工作在大型多表格的SQL数据库基础上，同时90%的DM工作在服务器上完成，这样就使DM工作不受客户机容量限制。

图6 DM Suite 结构图

DM（KDD）的目的原本是为企事业单位提供决策的正确依据，从分析数据发现问题作出决策采取行动这一系列操作是一个单位的动作行为，利用计算机及信息技术完成这整体行动，是发挥机构活力和赢得竞争优势的唯一手段。所以前几年一位分析学家将这种机构行为和手段称这为“事务智能”（BIBusiness Intelligent).他认为BI能极大地改进决策的质量和及时性，从而改进机构的生产率或发挥竞争优势。所以近年来，一些大公司将数据分析和DM（KDD）工具和有关技术组合起来形成所谓BIS（Business Intelligent Softwave）。其中SAS公司的作法是将数据源 ,数据预处理 ,数据存贮 ,数据分析与发掘 ,信息表示与应用等方面技术有机地综合成一体，如图 7所示

IBM公司更全面地考虑BI系统的结构和功能，与其它公司共同合作来开发BI各类软件和工具。并从多方面来加以考虑：首先必须有一良好的数据库和数据仓库，并能使企业过渡到下一个世纪，所以提出了一个统一的数据库系统DB2和一个可视化数据仓库VDW（Visual Data Warehouse）,可以将各种应用和各部门的信息融为一体，加上Visual Warehouse OLAP工具可以生成实时报告。在信息发现和数据发掘工具方面，提出能对结构型和非结构型数据进行发掘的一整套智能工具（Intelligent Miner Family）。BI手段只有在好的数据基础才能见效，因此提出数据重组工具。向用户提供联合统一观点的企业数据是作出聪明决策的前提，提出能支持异形数据库的DataJointer（数据接合）

工具，具有简单而强有力的数据查询和优化的数据访问功能，并能对异形数据库数据进行复制，以便不断更新数据仓库内容。所有工具不仅易于使用外，并能与数据仓库无缝地集成在一起。图 8是IBM BI系统的结构图。BI系统标志着从数据到知识到决策的进程中的更深入的一步，展示着真正的实用的智能信息系统的雏形。有人将电子商务和BI看成90年代以来推动企业创新的两大重要技术，二者的结合可以提供指数增长的机遇。电子商务通过网络加速核心事务处理过程，改善对客户的服务，减少周期时间，从而从有限的资源中获得多的回报。而BI能利用丰富的数据资产做出最佳决策，以获取竞争优势。有人将两者的结合比做光速的飞行器加上精密的制导系统，能迅速而准确地命中目标

五结束语

本文从一个方面讨论从数据到知识的过程，以及计算机及信息技术在过程中的发展。新的世纪将是一个高度化信息化的时代，也就是知识时代，以知识为题的许多问题，诸如知识经济知识产业知识工人知识管理知识工程知识网络等，将成为研究的对象。也势必推动以网络为环境的计算机与信息技术向更高层次发展。

篇5：浅谈知识管理的信息服务论文

浅谈知识管理的信息服务论文

数字档案馆建设环境下不仅要加强馆藏实体档案的数字化，更要注重提升档案信息服务的深度，本文介绍了基于知识管理的数字档案馆信息服务的特点，分析了其服务类型与模式，最后提出了基于知识管理的数字档案馆服务体系建设策略。

一、基于知识管理的数字档案馆信息服务特点

（1）“以人为本”，以服务用户为中心知识服务是满足用户知识需求的信息活动,要以用户为中心,以满足用户的知识需求为追求是知识服务的根本原则。数字档案馆的一切服务要以用户为中心,以满足用户的知识需求为出发点,根据用户实际需求搜集选择各种档案信息,为用户的档案信息需求提供索引指南。因此，数字档案馆知识服务一切都要以用户为核心，制定相关的制度和服务策略。

(2)注重发现“档案隐性知识”，提升档案潜在价值数字环境下用户所需信息中所隐含的潜在知识内容对档案知识服务来说是非常重要的，通过分析用户提出的问题,再根据集成现有或历史数据发现并找出有价值的档案信息,对这类信息进行分类、组织与加工,分析各类信息内容结构间隐含的知识链,最终找到与用户需求相吻合的档案信息,并对外提供利用。

(3)以“服务创新”为根本目标知识创新是数字档案馆服务的潜在动力,因此数字档案馆知识服务的本质特征就是创新。这一方面需要根据用户需求,不断收集提供相关档案信息,在解决问题的过程中,不断发现新知识；另一方面,档案工作人员对知识进行加工整理、分类与重组,使得这些档案信息变得更加有条理性、针对性，进而使用新方法新方式将这些档案信息对外提供利用。

(4)强调“服务内容个性化”传统的档案服务模式太过单一，无法解决利用者的实际要求或深层次的档案信息需求，而基于知识的服务则以用户角度出发,根据用户的实际需求为其提供一对一的实际问题的解决途径。(5)基于档案资源的“综成”数字档案馆背景下的知识服务是要将各类资源(硬件资源、人力资源、信息资源和技术资源)有机结合起来,发挥数字档案馆在人力和智力、信息与技术等资源方面的整合优势。“综合集成”的档案资源将基于开放式的对外服务模式,并提供多元化的知识服务。

二、基于知识管理的数字档案馆服务类型与模式

数字档案馆资源利用服务方式是多元化的，主要包括基于站的档案服务利用方式，基于档案信息发布利用平台的自助式方式，基于现代通讯手段的档案信息咨询服务方式，基于电子阅览室和传统查阅室的本地服务方式等等。

1、高校基于知识管理的档案信息资源服务方式可以归纳为以下几类：

（1）条件性、自助式服务高校存在的最普通的档案查询服务。用户可以依据自己的不同权限查询本单位历年归档的档案，还能查询开放的数字化档案信息全文。实现广大教师员工足不出户就可以查阅到开放档案目录及数字化扫描全文。同时还提供在线预约、电话、电子邮件等条件性的档案服务。

（2）及时性、浏览式服务针对广大一般不了解馆藏，但又有利用需要的普通用户。根据用户需求，按档案专题分类，进行自动化组织，形成专题汇编等深层次的档案信息产品。通过网站等多样化形式的展示，比如很多高校在档案网站上设有毕业照、专题汇编、干部任免、教学奖、管理奖、科研奖等专题栏目。

（3）科研性、推送式服务对档案查询有一定要求的学校科研人员。档案工作人员通过编研陈展平台，组织用户感兴趣的.档案信息，按照专题深层次研究为基础，挖掘馆藏相关信息，提供深层次的档案信息，例如档案网站推出的专题汇编服务。

（4）涉民档案服务主要针对广大学生群体。历届毕业生可通过档案网站提交学位学历认证的申请，上传相关的证件，并经审核通过后予以办理，大大方便了用户。

（5）陈展性档案服务陈展性服务是以档案数字化成果为基础，围绕大学文化建设等学校中心工作，利用丰富的档案信息资源，以专题展览形式，举办主题明确的网上展览，开展宣传教育工作。

2、基于知识管理的数字档案馆服务模式

（1）档案信息整合服务模式随着数字档案馆信息共享程度的不断提高,各类档案信息资源汇集起来数量惊人，不同形式的数字档案资源库也应运而生。档案利用者获取档案信息的方式增多,导致信息过量无法正常选择，这就要求数字档案馆必须向广大用户提供集成化的档案信息资源,按来源将这些信息进行分类并有序整合,将不同类型的档案信息归纳为一个有机整体,再向广大利用者提供一站式服务。

（2）档案信息增值服务模式数字档案馆环境下形成了巨大的信息体系，为了使得档案用户体验到无差别的信息服务,档案工作人员需对海量的信息进行筛选,生成有一定价值的全新档案信息资源,使得档案用户获得具有一定知识含量的信息产品，从而实现对档案信息的增值。

（3）自助式服务模式这是一种以用户为主体的服务,用户根据自身的需要,通过点击档案馆的网站来寻找自己所需相关档案信息。这种模式需要用户具有一定的档案基本常识及自我服务的能力。

（4）个性化服务模式又称为定制服务，是一种以用户为中心，根据用户需求量身定做的服务模式，它以用户满意为根本出发点，提供主动服务，通过研究用户的行为和习惯，与用户进行双向交流，从而设计出用户期望的个性化服务模型，主动提供满足用户的特色服务，最终实现用户全方位的信息需求。

三、基于知识管理的数字档案馆服务体系建设策略

1、建立“主动交互式”服务模式

知识服务最重要原则的就是根据不同的用户，提供不同的服务，高校档案馆要按照层次划分用户类型，再根据不同的用户提供不同的服务。例如：(1)普通档案用户，是档案信息服务中的一般用户,档案知识层次不高,所进行的档案信息利用基本是查阅纸质的、直观性的档案信息。(2)科研型档案用户，一般指高校的科研人员或承担科研的教学人员。他们的利用目的是为了科研或教学，目标性很强,一般是围绕某个科研主题或教学内容查询档案信息。(3)业务型档案用户，一般指归档的各个部门,他们主要是为了复印档案原件来满足日常工作上的需求。(4)社会档案用户,往往是高校历届毕业生，他们的利用目的是为了工作需求而开具毕业证明，成绩翻译等。

2、构建并丰富档案信息资源库

档案信息的知识管理要注重档案信息资源的收集,内容丰富的的信息资源库是知识服务的源泉。数字档案馆要为社会提供深层次的档案信息服务,就必须构建内容丰富的档案信息资源库。例如各类档案目录级信息库、多媒体档案资源库、名人档案信息库、论文系统信息库等。

3、健全档案信息服务法律法规

档案信息环境安全的几个关键点包括:档案信息录入安全、档案信息存储安全、档案信息传递环境安全,因此要针对不同的环节制定不同的安全制度。例如，针对档案数字化扫描和档案信息网站等制定的一系列制度：①《数字档案馆电子文件元数据实施要则》；②《档案馆馆藏纸质档案数字化技术规范》；③《数字档案馆档案信息著录与标引规则》；④《档案馆计算机网络安全及病毒防治手册》；⑤《档案馆站管理暂行办法》等。

4、加大档案人力资源开发力度

人才是知识服务体系的重要因素,知识服务的创新能力取决于人才的创新意识，做好档案专业人才的引进、培养工作是提高档案信息服务的关键。档案人员要有计划地参加各类信息技术及网络技术培训，使得档案工作人员既懂得档案管理知识，又掌握计算机技术、网络技术等知识。可以根据实际情况有步骤、有计划的引进既懂档案管理知识又懂计算机技术的复合型人才，从而为提高档案信息服务能力添砖加瓦。

5、建立档案知识共享平台

知识管理的最终目标是实现知识共享和创新,档案信息只有在利用与共享过程中才体现其社会价值。档案信息服务的意义就是为广大利用者的信息需求创造有利条件,实现档案信息资源的共享。因此，要加强对档案隐性知识的开发、管理和利用,创造能够使隐性知识与显性知识产生互动的机制和平台，构建数字档案馆内部共享的知识库和信息交流平台,将隐性知识显性化,并转换为服务产品,

6、建立档案信息服务评价体系

为保证档案信息服务工作的高效开展,数字档案馆需要经常对整个服务体系进行综合评价。为此，需构建档案信息服务反馈平台,通过此平台档案用户可以在结束服务前对本次服务进行打分或留言（类似银行办理业务的评价服务）,并定期对档案用户进行问卷调查以获得更为详细的反馈信息。档案管理人员在分析反馈信息的同时找出工作中的缺陷及问题,用以改进信息服务方式。