第1章数据挖掘与智能知识管理研究现状1

1.1数据挖掘及其主要研究方向1

1.2知识管理及主要流派4

1.3智能知识管理的提出8

参考文献16

第2章智能知识管理理论模型23

2.1智能知识的相关定义与舰框架23

2.2智能知识管理过程模型酿28

2.3智能知识管理的方法论36

2.4智能知识管理的未来研究发展方向41

参考文献44

第3章智能知识管理的4T过程模型研究45

3.1基于知识来源的知识发现分类与比较分析45

3.2智能知识管理的4T过程与主要步骤49

3.34T的主要过程分析54

3.4本章小结70

参考文献70

第4章智能知识的获取研究72

4.1智能知识的分类与评价72

4.2基于关联规则的智能知识获取酿76

4.3基于粗糙集的MCLP分类的智能知识获取86

4.4智能知识评价的应用举例102

4.5本章小结110

参考文献110

第5章基于领域知识的深层知识发现及个性化推荐研究114

5.1领域知识驱动的知识发现过程114

5.2领域知识的表示与提取117

5.3基于领域知识的个性化推荐模型126

5.4本章小结156

参考文献157

第6章智能知识管理系统的理论框架、设计与实现16%

6.1当前数据挖掘系统概况164

6.2当前数据挖掘软件的不足166

6.3新一代挖掘系统的特性168

6.4软件构思及关键技术170

6.5系统框架模型175

6.6雏形系统的一个实现实例177

6.7本章小结182

参考文献183

第7章案例与应用研究：商业银行客户流失智能知识发现及应用管理185

7.1商业银行信用卡业务理解185

7.2贷记卡数据收集及数据整理188

7.3基于Logistic回归的原始知识发现过程197

7.4基于Logistic回归的智能知识发现208

7.5本章小结212

参考文献212 2100433B

本书是国家自然科学基金项目"领域知识驱动的深层知识发现研究"和创新研究群体"数据挖掘与智能知识管理：理论与应用研究"的研究成果之一，是众多科研人员的科研成果的结晶。多年来，本书的作者一直从事基于最优化的数据挖掘，大约八九年前作者对知识管理的研究非常感兴趣，并进行了深入的研究。全书共分为七章。本章前言作为第一章，主要阐述了智能知识管理提出的应用和研究背景以及作者对于智能知识管理的一些主要观点。

如何有效利用数据挖掘获取的知识，弥补知识管理实施中遇到的问题，尚未引起学者足够的重视。数据挖掘获取的知识是将隐藏在数据库和互联网中的规律，通过深入挖掘分析而得到的，它很难用显性知识或隐性知识来描述其特征。因此，当前知识管理理论和方法还没有探讨如何有效地管理上述由数据挖掘获取的知识。而数据挖掘领域的专家大都把数据建模后得到知识作为数据挖掘流程的结束，对获取的知识如何有效选择、运用没有进行足够的分析研究。知识管理和数据挖掘的智能融合研究对持续提高组织的决策水平，提升企业的核心竞争力有着重要的意义。

智能知识管理将探讨如何利用可能的技术手段，构筑一套系统化方案，使信息爆炸转化为知识的智能化个性服务，从而提升组织及个人的信息利用能力，提高决策水平。传统的智能知识管理从算法、过程、结构等方面，强调以IT为工具对现有知识的管理，研究对象是“智能的知识管理系统”，研究的侧重点侧重于管理平台功能的智能性，缺乏对从大量数据和信息中获取知识并进行管理的系统研究和知识整合利用的方法的设计，忽视知识本身的智能化。当知识数量巨大时，这种智能的知识管理平台难以胜任，必须让知识自身具备一定的智能，进行自我管理。

因此，从知识本身入手，参考复杂性科学理论，研究数据挖掘获取的知识的特点和统一表达，使知识本身具备记忆、学习、识别等智能性，是减轻知识管理平台压力，降低信息爆炸的一条新路。智能知识是指通过数据挖掘技术得到的，通过人机交互的处理后具有记忆、识别、自我更新和消亡等智能特征的有价值的知识。

智能知识管理（Intelligent KnowledgeManagement，IKM）是引入心理学、复杂系统、人工智能等理论和技术，对通过数据挖掘技术获取的原始知识（粗糙知识）与主体知识（规范知识、经验、领导意图、企业情境等因素）相结合，并对其进行过滤、筛选、提取、存储、转化和利用，以智能地支持企业有效管理决策的管理过程。它是在有用知识的基础上进行智能化处理，孵化出自身具有智能特点的知识并实现自我更新和智能应用等过程的管理，使知识能在需要的时间将需要的知识传送给需要的人，从而促进数据挖掘获取的知识的实用性，减少信息爆炸，提高知识管理水平。2100433B

1. 提出了大规模协同知识管理思想及其理论体系。首次提出了大规模协同知识管理理念，并给出了其研究背景、研究目的、与现有知识管理理论之间的区别与联系以及新的理论体系。比较有代表性的新观点或（和）新发现有：知识管理与数据管理的区别与联系、知识管理理论体系的火炬模型、知识管理实践的十大转变、知识管理实践与理论之间的鸿沟、大规模协同知识管理理论体系等。

2. 提出了大规模协同知识管理方法及其实现框架。为了进一步深入分析大规模协同知识管理的本质规律和应用实现问题，本书提出了大规模协同知识管理方法论、方法、原则、流程和实现框架。比较有代表性的新观点或（和）新发现有：传统知识管理方法论的困境及其原因、大规模协同知识管理方法论、大规模协同知识管理方法、大规模协同知识管理原则（开放、长尾、专业余、小任务、涌现、自组织、人机协同、工程化处理原则）、大规模协同知识管理流程（知识的表示、联网、发现、获取和集成）以及大规模协同知识管理方法的实现框架（知识处理软件系统的实现框架和组织知识生态系统的实现框架）。

3. 提出了知识管理理论体系的主要特征和概念模型——火炬模型。为了分析大规模协同知识管理理论与现有知识管理理论之间的区别与联系，探讨了知识管理理论体系的基本特征，并给出了知识管理理论体系的概念模型——火炬模型。比较有代表性的新观点或（和）新发现有：知识管理理论体系的5个基本特征（研究对象的层次性、研究范围的广泛性、研究视角的多样性、研究范式的差异性、研究趋势的统一性）、知识管理理论体系的火炬模型和大规模协同知识管理与现有知识管理理论之间的联系与区别。

4. 提出知识管理实践的十大转变及现有知识管理研究的局限性。在深入分析加拿大Goldcorp公司的创新、美国DARPA XC2V的研发、亚马逊Amazon Mechanical Turk的知识处理、卡内基梅隆大学Recptcha项目等新兴知识管理相关实践的基础上，提出了知识管理的十大转变和现有知识管理研究的局限性。比较有代表性的新观点或（和）新发现有：知识管理实践的十大转变（从保密到共享、从封闭到开放、从头部到长尾、从专业到专业余、从单一动机到多种动机、从有序到混沌边缘、从小作坊到大工程、从规模增值到利用增值、从安全到信任、从他组织到自组织）、现有知识管理研究的主要局限性(高风险与高成本)等。

5. 比较系统地提出了语义Web与Web2.0集成的知识处理模式。从大规模人机协同知识管理视角，以充分利用语义Web技术对人机合作完成知识处理任务中的重要作用为目的，在分析基于语义Web的知识处理特征和Web2.0知识处理方法论的基础上，提出了语义Web与Web2.0集成的知识处理模式和基于语义Web的综合集成研讨厅，并选择两个语义Web知识管理项目（KiWi项目和DBPedia项目）为案例进行了深入分析。比较有代表性的新观点或（和）新发现有：基于语义Web的知识处理特征、Web2.0知识处理方法论、语义Web与Web2.0集成的知识处理模式、基于语义Web的综合集成研讨厅、KiWi知识处理特征和DBPedia项目知识处理特征 。

在管理理念上

知识管理真正体现了以人为本的管理思想，人力资源管理成为组织管理的核心。

在管理对象上

知识管理以无形资产管理为主要对象，比以往任何管理形式都更加强调知识资产的重要性。

在管理内容上

要遵循“知识积累——创造——应用——形成知识平台——再积累——再创造——再应用——形成新的知识平台”的循环过程。

在范围及重点上

知识管理包括显性知识管理和隐性知识管理，但以隐性知识管理为重点，并注重显性知识与隐性知识之间的共享与转换。

目标和策略上

以知识管理创新为直接目标，已建立知识创新平台为基本策略，智力性和创新性是知识管理的标志性特点。

在组织结构上

与以往其他管理形式所采取的金字塔式的等级模式不同，知识管理采取开放的、扁平式管理的学习型组织模式。