張省　顧新

摘要：知識獲取是知識鏈組建的首要目標(biāo)。文章從技術(shù)角度定義了知識鏈知識獲取，介紹了新興的知識獲取技術(shù)：數(shù)據(jù)挖掘、Web挖掘、文本挖掘，并分別結(jié)合銀行業(yè)、電子商務(wù)、網(wǎng)絡(luò)新聞的知識獲取案例探討了三種挖掘技術(shù)的應(yīng)用。

關(guān)鍵詞：知識鏈知識獲取數(shù)據(jù)挖掘Web挖掘文本挖掘

中圖分類號：G250.7 文獻(xiàn)標(biāo)識碼：Ａ 文章編號：1003-69３８（２０12）０6－0073-04

1引言

知識經(jīng)濟(jì)和全球化是21世紀(jì)的兩大特征。企業(yè)之間的競爭將主要依靠其聚集、整合和開發(fā)各類資源的能力。企業(yè)與大學(xué)、科研機(jī)構(gòu)、上下游企業(yè)甚至競爭對手之間通過知識流動(dòng)，以實(shí)現(xiàn)知識共享和知識創(chuàng)造，這種組織之間的知識流動(dòng)形成了知識鏈（KnowledgeChain）［1］。知識鏈?zhǔn)侵R經(jīng)濟(jì)時(shí)代組織之間合作競爭的新形式，未來的競爭將不再是企業(yè)與企業(yè)之間的競爭，而是知識鏈與知識鏈之間的競爭。

知識鏈在競爭中取勝的關(guān)鍵在于形成知識優(yōu)勢［2］。一般而言，知識優(yōu)勢的形成路徑是從知識獲取到知識共享，最后是知識創(chuàng)造?？梢?，知識獲取是知識鏈知識優(yōu)勢形成的邏輯起點(diǎn)，它使知識鏈與外部知識網(wǎng)絡(luò)形成動(dòng)態(tài)溝通，是知識管理活動(dòng)的基礎(chǔ)和前提。通過對近十年知識獲取相關(guān)文獻(xiàn)的梳理后發(fā)現(xiàn)，學(xué)者對知識獲取的研究主要集中在知識管理行為和人工智能技術(shù)兩個(gè)領(lǐng)域。本文從技術(shù)角度定義知識鏈知識獲取，集中介紹新興的知識獲取技術(shù)：數(shù)據(jù)挖掘、Web挖掘和文本挖掘，并結(jié)合具體的知識獲取案例探討了知識挖掘技術(shù)的應(yīng)用，嘗試打通知識管理領(lǐng)域的技術(shù)障礙，為我國的知識管理實(shí)踐提供一個(gè)技術(shù)解決框架。

2知識鏈知識獲取技術(shù)

知識鏈知識獲取是指將用于問題求解的知識從知識源中抽取出來，并轉(zhuǎn)換成計(jì)算機(jī)可執(zhí)行的程序，最終儲存到知識鏈內(nèi)部的過程。知識鏈組建的目標(biāo)就是從外部知識源中獲取有用的知識，知識源具有多樣性，包括數(shù)據(jù)庫、人類專家、文本文獻(xiàn)等。目前尚無通用的知識獲取方法，互聯(lián)網(wǎng)時(shí)代的知識獲取技術(shù)主要是數(shù)據(jù)挖掘、Web挖掘和文本挖掘。

2.1數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘（DataMining）是指從大量隨機(jī)的、模糊的、未知的數(shù)據(jù)中提取潛在有用的信息和知識的過程。數(shù)據(jù)挖掘的目的是從復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)相互聯(lián)系和內(nèi)在規(guī)律，從無知中找出真知，從無序中找出有序，以用于商業(yè)分析和科學(xué)研究。例如，醫(yī)學(xué)研究成員嘗試從成千上萬病歷中找出某種疾病患者的共同特征，從而為治愈這種疾病提供一些幫助。數(shù)據(jù)挖掘有一些同名詞，如數(shù)據(jù)開發(fā)、知識挖掘、數(shù)據(jù)采掘等。

相對于傳統(tǒng)的數(shù)據(jù)庫查詢系統(tǒng)，數(shù)據(jù)挖掘技術(shù)擁有自身明顯的優(yōu)勢。首先，數(shù)據(jù)挖掘不是利用嚴(yán)格的SQL語言來描述，因此可以隨機(jī)、即時(shí)、靈活地使用；其次，數(shù)據(jù)挖掘過程一般基于統(tǒng)計(jì)規(guī)律，不一定生成嚴(yán)格的結(jié)果集，因此能夠?qū)Q策提供更優(yōu)質(zhì)的信息；最后，數(shù)據(jù)挖掘不僅可以對數(shù)據(jù)庫原始字段進(jìn)行查詢，還可以在數(shù)據(jù)的不同層次上進(jìn)行挖掘。目前正在研制的第四代數(shù)據(jù)挖掘軟件主要特點(diǎn)是將數(shù)據(jù)挖掘和移動(dòng)計(jì)算相結(jié)合，能夠挖掘移動(dòng)系統(tǒng)、嵌入式系統(tǒng)和各類計(jì)算設(shè)備產(chǎn)生的數(shù)據(jù)。

數(shù)據(jù)挖掘質(zhì)量取決于算法的設(shè)計(jì)。比較通用的算法包括：主成分分析法、粗糙集法和決策樹法。主成分分析也稱主分量分析，旨在利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)。它的任務(wù)是使數(shù)據(jù)陣簡化，用較少的變量去解釋原來數(shù)據(jù)中的大部分變異。主成分分析法適用于大樣本的量化評估分析。粗糙集法的優(yōu)勢是無需提供任何與問題無關(guān)的數(shù)據(jù)，適合發(fā)現(xiàn)數(shù)據(jù)中隱含的有用規(guī)律。粗糙集先通過對條件屬性的約簡，即從決策表中消去某些列，然后消去重復(fù)的行和屬性的冗余值，將不精確或不確定的知識用已知的知識庫中的知識來（近似）刻畫。決策樹法則利用一種樹形圖作為分析工具，用決策點(diǎn)代表決策問題，用方案分枝代表可供選擇的方案，用概率分枝代表方案可能出現(xiàn)的各種結(jié)果。該方法計(jì)算損益值，因此常用于風(fēng)險(xiǎn)分析決策。

2.2Web挖掘技術(shù)

Web挖掘是數(shù)據(jù)挖掘技術(shù)在Web技術(shù)中的應(yīng)用，它是指利用數(shù)據(jù)挖掘技術(shù)在Internet上的資源中發(fā)現(xiàn)潛在的、有用的信息或模式。與傳統(tǒng)數(shù)據(jù)挖掘不同，Web挖掘的數(shù)據(jù)以TB數(shù)量計(jì)算，既有數(shù)位型（整型、實(shí)型）、布爾型，又有性質(zhì)描述數(shù)據(jù)、分類數(shù)據(jù)還有Web特有的數(shù)據(jù)類型，如url（網(wǎng)頁）地址、E-mail地址等，因此很難直接對Web網(wǎng)頁上的數(shù)據(jù)進(jìn)行挖掘，而必須經(jīng)過必要的數(shù)據(jù)處理。典型的Web挖掘處理流程如下［3］：

（1）查找資源：從目標(biāo)Web文檔中尋找數(shù)據(jù)；（2）信息選擇和預(yù)處理：從取得的Web資源中剔除無用信息，進(jìn)行必要的分類整理；（3）模式發(fā)現(xiàn)：在同一個(gè)站點(diǎn)內(nèi)部或在多個(gè)站點(diǎn)之間自動(dòng)進(jìn)行模式發(fā)現(xiàn)；（4）模式分析：驗(yàn)證、解釋上一步驟產(chǎn)生的模式，該任務(wù)可由機(jī)器單獨(dú)自動(dòng)完成，也可與程序人員交互完成。

根據(jù)用戶對Web數(shù)據(jù)的需求程度不同，Web挖掘一般可分為三類，即內(nèi)容挖掘、結(jié)構(gòu)挖掘和用法挖掘。Web內(nèi)容挖掘是指從Internet文件（文檔、圖像、音頻、視頻等）獲取有價(jià)值的信息和模式。Web結(jié)構(gòu)挖掘是指從Web站點(diǎn)組織結(jié)構(gòu)和鏈接關(guān)系中推導(dǎo)模式和知識，Google等搜索引擎就是結(jié)構(gòu)挖掘。Web用法挖掘是指登錄用戶使用記錄挖掘，也稱訪問信息挖掘。

按照自動(dòng)化程度標(biāo)準(zhǔn)，Leander等人［4］（2002）將Web挖掘技術(shù)分為人工方式、半自動(dòng)化和全自動(dòng)化三種。采用人工挖掘方式的系統(tǒng)主要有：W4F、Informaia、ANDES等，采用自動(dòng)、半自動(dòng)化挖掘方式的系統(tǒng)主要有：XWRAP、WIEN、Softmealy、Stalker等。當(dāng)前Web挖掘技術(shù)在商業(yè)領(lǐng)域的應(yīng)用主要是：（1）獲取競爭對手和客戶信息；（2）發(fā)現(xiàn)用戶訪問模式；（3）反競爭情報(bào)活動(dòng)。

2.3文本挖掘技術(shù)

隨著電腦使用的普及與互聯(lián)網(wǎng)的發(fā)展，非結(jié)構(gòu)化的電子文本文檔（如學(xué)術(shù)論文、新聞文章、電子郵件、公司通告等）數(shù)量急劇增長，為了從這些知識源中挖掘有價(jià)值的知識，需要用到文本挖掘技術(shù)。文本挖掘是數(shù)據(jù)挖掘的一個(gè)新領(lǐng)域，它利用智能算法，并結(jié)合文字處理技術(shù)，從文本文檔中發(fā)現(xiàn)和提取隱含的、事先未知的知識。

根據(jù)文本挖掘知識對象的種類不同，文本挖掘可以分為關(guān)聯(lián)規(guī)則抽取、語義關(guān)系挖掘、文本聚類與主題分析、趨勢分析四大類。文本挖掘研究中最成熟、應(yīng)用最廣泛的領(lǐng)域是文本聚類，它是指在沒有預(yù)先定義類別的情況下，自動(dòng)產(chǎn)生文本分類的過程。文本聚類可以作為發(fā)現(xiàn)最近鄰文檔的有效手段，也可被用于瀏覽文檔集合或組織從搜索引擎返回的文檔。

文本挖掘的過程與特定領(lǐng)域中的信息表達(dá)模型密切相關(guān)，一個(gè)典型的文本挖掘過程包括文本集合的預(yù)處理（文本數(shù)據(jù)的選擇、清洗、分類、特征提取等）、索引與存儲、中間表示分析（聚類、趨勢分析、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)等）、后處理（知識的評價(jià)與取舍、知識的解釋與知識的可視化表達(dá)）等步驟［5］。

目前，中文文本挖掘研究還處在起步階段。中文文本挖掘主要采用“詞袋”法，即提取文本高頻詞構(gòu)成特征向量來表達(dá)文本特征?！霸~袋”法沒有考慮詞在文本（句子）中擔(dān)當(dāng)?shù)恼Z法和語義角色，也沒有考慮詞與詞之間的順序，丟失了大量有用信息，加之漢語中同義詞與多義詞的普遍存在，更加減弱了高頻詞向量表達(dá)文本特征的可信度［6］。因此，中文文本挖掘研究的重點(diǎn)是中文文本的構(gòu)成特點(diǎn)與特征提取機(jī)制，只有中文文本的分析技術(shù)得到突破，才能實(shí)現(xiàn)中文文本的深度挖掘。

3知識鏈知識獲取應(yīng)用

3.1數(shù)據(jù)挖掘技術(shù)在銀行業(yè)的應(yīng)用

銀行信息化發(fā)展迅速，信息系統(tǒng)成為銀行業(yè)業(yè)務(wù)開展的主要支撐平臺。從海量金融數(shù)據(jù)中抽取有價(jià)值的信息，為銀行高管正確決策提供依據(jù)，是數(shù)據(jù)挖掘的重要應(yīng)用領(lǐng)域。國際知名銀行如匯豐銀行、富士銀行和花旗銀行都是數(shù)據(jù)挖掘技術(shù)應(yīng)用的先行者。具體應(yīng)用主要在以下兩個(gè)方面：

（1）客戶管理。數(shù)據(jù)挖掘技術(shù)可以在客戶尋找、客戶保留和客戶服務(wù)優(yōu)化等銀行客戶管理周期各階段提供支持。如銀行可以通過分析客戶的交易習(xí)慣、交易頻率和交易額度等數(shù)據(jù)來判明客戶的忠誠度，也可以在客戶信息中進(jìn)行聚類分析找到可盈利目標(biāo)群。

（2）風(fēng)險(xiǎn)管理。數(shù)據(jù)挖掘可以應(yīng)用在信用風(fēng)險(xiǎn)評估上，方式一是構(gòu)建信用評級模型，對信用卡申請人和貸款申請人的風(fēng)險(xiǎn)進(jìn)行量化評分；方式二是檢測信用卡的異常使用，預(yù)防商業(yè)欺詐造成的損失。

3.2Web挖掘技術(shù)在電子商務(wù)中的應(yīng)用

知識經(jīng)濟(jì)時(shí)代，網(wǎng)上交易正改變著人們的商務(wù)習(xí)慣和商務(wù)理念。顧客在Web站點(diǎn)上的注冊信息、瀏覽信息、購物信息都隱藏著自己的商務(wù)行為模式，也蘊(yùn)藏著巨大的商機(jī)。合理運(yùn)用Web挖掘技術(shù)，有助于電子商務(wù)企業(yè)及時(shí)獲得零售商、合作商、中間商以及競爭對手的信息，有助于發(fā)現(xiàn)潛在客戶、用戶和市場，以實(shí)現(xiàn)個(gè)性化的市場服務(wù)，提高市場競爭力。

Web挖掘在電子商務(wù)中的主要方法有統(tǒng)計(jì)分析、知識發(fā)現(xiàn)、預(yù)測模型三種。統(tǒng)計(jì)分析是利用大數(shù)法則，發(fā)現(xiàn)Web數(shù)據(jù)的規(guī)律，并進(jìn)一步解釋這些規(guī)律，為管理戰(zhàn)略提供依據(jù)。通常使用的方法有線性分析和非線性分析、連續(xù)回歸分析和邏輯回歸分析、單變量和多變量分析以及時(shí)間序列分析等［8］。知識發(fā)現(xiàn)是數(shù)據(jù)挖掘的高級過程，用于確定數(shù)據(jù)中有效、新穎、潛在有用、基本可理解的模式的特定過程，例如賓館酒店通過對消費(fèi)特別高和特別低的顧客進(jìn)行偏離模式分析，可以發(fā)現(xiàn)一些有趣的消費(fèi)模式。預(yù)測模型假設(shè)消費(fèi)者行為具有重復(fù)性和規(guī)律性，通過建立模型預(yù)測下一個(gè)時(shí)點(diǎn)消費(fèi)數(shù)量或消費(fèi)選擇。

3.3文本挖掘技術(shù)在網(wǎng)絡(luò)新聞中的應(yīng)用

網(wǎng)絡(luò)新聞具有海量性、即時(shí)性、交互性和超文本等特征。網(wǎng)絡(luò)新聞的文本挖掘，可以實(shí)現(xiàn)對新聞資料的自動(dòng)組織、生成專題，以滿足網(wǎng)絡(luò)用戶檢索新聞信息的需要。網(wǎng)絡(luò)新聞文本挖掘的內(nèi)容主要有三個(gè)方面：主題發(fā)現(xiàn)與跟蹤、熱點(diǎn)趨勢檢測、事件預(yù)測規(guī)則的發(fā)現(xiàn)。

4結(jié)語

運(yùn)用數(shù)據(jù)挖掘、Web挖掘和文本挖掘技術(shù)，知識鏈可以從外部知識源獲取知識形成自己的知識倉庫和知識地圖，但是要想贏得知識優(yōu)勢和競爭優(yōu)勢，知識鏈還必須實(shí)現(xiàn)成員之間知識的充分共享，最終通過知識創(chuàng)造保持核心能力。本文主要基于技術(shù)層面研究知識鏈知識獲取，未來知識獲取發(fā)展的趨勢將是技術(shù)和行為的融合，知識管理者不僅要對信息和人進(jìn)行管理，更要將信息處理能力和人的創(chuàng)新能力相互結(jié)合，以增強(qiáng)組織對環(huán)境的適應(yīng)能力。當(dāng)前的知識管理系統(tǒng)的研發(fā)正在朝著這個(gè)方向發(fā)展，如IBM開發(fā)的Lotus系統(tǒng)和微軟公司開發(fā)的SharePointPortalServer系統(tǒng)都實(shí)現(xiàn)了人、場所、事務(wù)的有機(jī)關(guān)聯(lián)。

參考文獻(xiàn)：

［1］顧新．知識鏈管理－基于生命周期的組織之間知識鏈管理框架模型研究［M］．成都：四川大學(xué)出版社，2008．

［2］張省，顧新．知識鏈知識優(yōu)勢的形成與評價(jià)研究［J］．情報(bào)資料工作，2012，（3）：24－28．

［3］胡潔，彭穎紅．企業(yè)信息化與知識工程［M］．上海：上海交通大學(xué)出版社，2009．

［4］LeanderA.，Riberio-NetoB.，SilvaA.Abriefsurveyofwebdataextractiontools［J］．SIGMODRecord，2002，31（2）：84－93．

［5］諶志群，張國煊．文本挖掘研究進(jìn)展［J］．模式識別與人工智能，2005，18（1）：65－74．

［6］諶志群，張國煊．文本挖掘與中文文本挖掘模型研究［J］．情報(bào)科學(xué)，2007，25（7）：1046－1051．

［7］李小慶．銀行數(shù)據(jù)挖掘與知識發(fā)現(xiàn)技術(shù)全景分析［J］．華南金融電腦，2010，（11）：44－47．

［8］SrivastavaJ，CooleyR，DeshpandeM.Webusagemining：Discoveryandapplicationofusagepatternsfromwebdata［J］．ACMSIGKDDExploration，2002，（2）：76－88．

［9］凌傳繁．Web挖掘技術(shù)在電子商務(wù)中的應(yīng)用［J］．情報(bào)雜志，2006，（1）：93－95．

［10］阮光冊．基于文本挖掘的網(wǎng)絡(luò)媒體報(bào)道研究［J］．圖書情報(bào)工作網(wǎng)刊，2011，（6）：24－31．

作者簡介：張?。?981－），男，綿陽師范學(xué)院法學(xué)與社會學(xué)院講師，四川大學(xué)工商管理學(xué)院博士研究生，研究方向：知識管理；顧新（1968－），男，四川大學(xué)工商管理學(xué)院教授，研究方向：企業(yè)管理、技術(shù)經(jīng)濟(jì)及管理、教育經(jīng)濟(jì)與管理。