知识管理系统离不开知识管理技术。知识管理的各种功能及服务最终都还需要依靠知识管理技术来实现，强大的知识管理技术的支持是构建知识管理系统的基础，也是实现知识管理的强大推动力。

1.内部网及群件技术

面对海量的信息资源和知识库存，现代企业最需要的是隐藏在员工头脑中的专家知识、埋藏在企业公共信息储存库中的诀窍和经验、对客户需求的深层理解、企业智力资本（经营权和专利）的战略运用等。企业智力资产的有效管理降低了成本，用有价值的信息和洞察力代替了简单的目录，改变了对昂贵的固定资产的需求，提高了企业的适应能力。

高效使用企业内部的有用知识离不开计算机网络。互联网是最大的计算机网络，在结构上它主要包括外部网（Extranet）和内部网（Internet）。对一个企业来说，内部网是计算机网络技术最直接的应用。内部网可以更快、更好地检索信息，提高工作绩效，低成本的创新和产出，方便的信息利用和流通；内部网使用精密的搜索和检索设施，如导航、提问和个人化的路径，基于超媒体的信息系统能够存储和精确地查找大量的已记录的组织知识。设计内部网最重要的因素之一就是信息能被快速检索的组织方式。内容组织技术（Technology of Enabled Content，TEC）是实现信息检索的主要技术，它提供整合企业内外信息的机会，如资源被分配的方式；信息的使用模式和信息流；信息如何为商业流程的绩效和企业的进步做出贡献等。

群件是以计算机网络为平台提供群体协同工作的软件。一般包括电子邮件、文档管理与工作应用等部分。由于实现了对非结构化信息的管理和共享，群件对公司来说意味高效的协同工作手段和公司战略级的解决方案，从而成为知识管理的基础技术之一。群件首先是一个邮件系统，能提供基于C/S结构、支持Internet标准的电子邮件服务，这是用户最为熟悉、使用最多的群件功能；其次，它是个工作流自动化的系统，以工作流为手段，设计与人们业务流程相吻合的干线，使各级岗位或部门能协同办公和信息共享；提供与其他业务系统的接口，集成企业原有ERP系统。群件是为人们提供知识共享、业务流转的基础通信设施，是计算机网络技术在知识管理应用中的重要工具。

图12-6　简化的学习模型

2.专家系统及机器学习

知识是人类通过实践活动认识到的客观世界的规律。知识既同语言有密切的联系，又同人类的智能活动有着密切的关系。如图12-6所示，所有的智能活动，包括学习、理解和解决问题的能力，都完全靠知识。智能是指运用知识解决问题的能力。推理、学习和联想三大功能是智能的重要因素，而知识则是决定一个智能系统性能高低的主要因素，因此，人工智能是以知识的获取与学习、知识的表达、知识的处理以及利用知识求解问题的基本技术作为主要研究内容的。人工智能就是把人的思维过程、智能活动的一部分机械化，让机器具有运用知识解决问题的能力。它的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、模糊逻辑、智能决定支持系统和人工神经网络等等。由于智能与知识密不可分、相互依存的关系，因此人工智能在知识管理中有不可替代的作用。它在知识管理上的应用则主要反映在知识库的构筑和使用上。

图12-7　专家系统的学习过程

专家系统是与人类专家具有同等解决问题能力的智能程序系统。如图12-7所示，专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据一个或多个人类专家提供的在特殊领域内专家用以分析和解决问题的知识能力、经验及方法，总结出一些规律性的东西，然后作为规则，用软件方法予以实现，最后存储起来。计算机就可利用此软件，根据系统与用户的交互对话、回答程序的询问所提供的数据、信息或事实，运用系统存储的专家知识和经验来进行推理判断，模拟人类专家解决问题并做决定的过程，最后得出结论并给出建议，同时给出该结论的可信度，以供用户决策参考。这样来解决那些需要专家才能解决的复杂问题，提出专家水平的解决方法或决策。专家系统由知识库、数据库、推理机构、用户窗口及学习功能五部分组成。知识库包含事实和规则等。数据库用于存储某领域内的初始信息以及推理过程中得到的各种中间信息，如已知事实、初始证据、用户回答的事实、推理得到的事实等。推理机构能在给定范围内做出决定，是用来控制协调整个系统的一组程序，它根据当前输入的信息，利用知识库中的知识，按一定的推理策略，去解决当前的问题，其推理方式有前向推理、后向推理和混合推理，其中又有精确推理和不精确推理之分。人与系统的对话，也称用户（人类）窗口，包括系统提示、人机对话、能书写规则的语言及解释部分的程序。所谓解释部分是指对系统的推理做出解释，以便使用户了解推理过程，使用户对做出的结论易于接受。学习功能就是知识的获取部分，其功能是能删除和增加知识库中的知识，能根据实践的结果发现知识库中原有的不合适规则，总结出新的知识。专家系统的工作方式可简单归结为运用知识进行推理。因此上述各部分中知识库和推理机构是专家系统的关键成分。

图12-8　机器学习中知识解释

学习是人类具有的一种重要智能行为，是人类智能的根本特征。如果一个系统能够通过执行某种过程而改进它的性能，这就是学习。机器学习是人工智能研究的核心问题之一，它是研究怎样使用计算机模拟或实现人类学习活动的一门科学。如图12-8所示，机器学习主要围绕三个基本方面进行，一是面向任务，研究和分析改进一组预定任务的执行性能的学习系统；二是认知模拟，研究人类学习过程并进行计算机模拟；三是理论性分析，从理论上探索各种可能的学习方法和独立于应用领域的算法。机器学习的策略包括：面向概念的符号学习，即采用逻辑和图结构表示法；知识密集型学习，即以具有丰富知识的系统为基础，为初始系统提供大量的有关某领域的知识，系统通过学习能产生新的知识；神经网络学习，即人工神经网络能够通过直接模拟人脑神经网络的方式进行学习；混合型学习，即将符号学习、知识密集型学习和人工神经网络学习中的两者或三者融合在一起的一种学习策略。

3.数据库中的知识挖掘(www.daowen.com)

数据库是一个以主题为导向、源于组织事务系统和外部数据源的中央知识库。数据库的成功实施会对培育一种知识共享文化产生重大影响。数据库如果使用得当，会为分析预测顾客行为、提升产品或商业活动效果、提高利润及优化成本结构等提供工具。机器学习通过对数据对象之间关系的分析可以提取出隐含在数据中的模式，即知识。正是由于实际工作的需要以及相关技术的发展，将机器学习应用于大型数据库中的知识挖掘（Knowledge Discovery in Database，KDD）技术逐渐发展起来。如图12-9所示，数据库中的知识挖掘是从大量数据中提取出隐含其中的有用的信息。随着数据库系统在各行各业内的迅速普及，以数据为处理对象的、可以高效地进行模式提取的数据库中的知识挖掘系统将帮助人们更好地了解数据的含义，更好地利用数据。

图12-9　数据库系统机构

如图12-10所示，利用KDD技术可以完成预测、分类、查出关系、显式、模拟、聚类及偏离检测等多项任务。预测，即从事例中求得模式，构造模型以预测目标度量；分类，即找出某一函数能使每事例映射到某种离散类别之中；代出关系，就是搜索到对某选定目标变量最有影响的其他独立变量；显式模型，即找出描述不同变量间依赖关系的显式公式；聚类，即认定出描述数据的类别的有限分组；偏离检测，就是从数据已有的或期望值中找出某些关键测度显著的变化。

图12-10　数据库的知识处理过程

KDD的应用技术由于任务的不同需要采用不同的方法和手段，大致归纳为：①针对专业领域应用的传统主观导向系统，需要有经验模型为前提，如对金融市场采用从简单的走向分析到基于高深数学基础的分形理论和谱分析。②传统统计分析，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，系统利用数据进行验证。③神经元网络技术，用于从复杂或不精确数据中导出概念和确定走向。④决策树，将事例逐步分类成不同的类别，比较直观的和易于理解；⑤进化式程序设计，系统自动生成有关目标变队对其他多种变量依赖关系的多种假设，并形成以内部编程语言表示的程序；⑥基于事例的推理方法，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；⑦遗传算法，解决各种组合或优化问题；⑧非线性回归方法，在预定的函数基础上，寻找目标度量对其他多种变量的依赖关系。

4.知识库和知识地图

通过建立知识库，可以积累和保存亿息和知识资产，加快内部信息和知识的流通，实现组织内部知识的共享，这是实施知识管理的一个基本条件和办法；而知识地图则是用于帮助人们知道在哪能够找到知识的知识管理技术。

图12-11　知识导航

知识库是一种特殊的信息库，库中元数据有相关的语境和经验参考。知识库拥有更多的实体，它不仅仅存储着知识的条目，而且存储着与之相关的事件、知识的使用记录、来源线索等等相关信息。知识库通过模式识别、优化算法和人工智能等方法，对成千上万的信息、知识加以分类，并提供决策支持。这样，知识库不仅可以避免重新获取知识带来的成本，而且通过提供对协作的支持加速企业创新的速度。当与专家系统、友好的应用界面相结合时，知识库成为十分有用的技术。知识库包括事实和规则。事实可看作短期信息，这种信息在与用户交互作用中会迅速改变；规则是长期信息，能对接指导专家系统如何由已知的或新产 生的事实中推导出假设。如图12-11所示，对企业来说，知识库通常由以下知识组成：企业基本信息，包括公共关系信息、年度报告、出版物、企业总体介绍等；企业组织结构信息，包括地址、代理商、分公司、服务中心等信息；产品和服务信息，包括技术专长、服务特权等；基本流程信息；关于专利、商标、版权，以及使用其他企业技术、方法许可证的信息和顾客信息。

知识地图是能够帮助人们快速找到其所需要知识的知识管理技术，用于帮助通过浏览方式搜索信息的员工高效率地寻找所需的资源。企业面临的信息过载，即使为使用者提供高效率的搜索引擎，也不能使使用者摆脱寻找知识过程中的混乱状态，因此需要有一个指引使用者的工具。知识地图设计的关键是要指出对企业的业务或流程有关键作用的知识，而不是要求知识地图能够指出企业所有的知识所在。知识地图将企业各种资源的入口集成起来，以统一的方式将企业的知识资源介绍给用户。知识地图采用一种智能化的向导代理，通过分析使用者的行为模式，智能化地引导检索者找到目标信息。与知识地图作用类似的还有企业门户、企业资源词典等。如图12-12所示，当新员工进入企业时，首先要学习企业的历史、文化和规章制度；进行新员工培训必不可少，但更重要的是要让员工随时能够阅读相关的资料，进行自我培训；新员工打开企业的知识库时会无从下手，知识地图可以引导员工有序地阅读各种资料，完成培训过程。知识地图的形态可以多种多样，但是有一点是相同的，即无论知识地图的最终指向是人、地点或时间，它都必须指出在何处人们能够找到所需的知识。知识地图的另一种使用方法是描述企业流程中的知识，将业务流程中的知识流通过图表的方式展现出来，从而实现知识的收集、存储和共享。同样，表现知识流的知识地图只需要将最关键的知识整合进来便可达到提高生产效率的作用。知识地图与浏览技术的结合使得公司知识管理技术基础设施的建设成为一项不断进步和易于管理的活动，并为公司知识管理所引发的组织与文化变革提供了有力的支持。另一方面，知识库管理技术与网络技术的结合，可以使公司很容易地建立自己的知识中心，即利用网络通信协议把全公司的知识库联结起来，采用统一的检索软件和用户界面，为用户提供对全公司知识库的透明检索服务。

图12-12　员工培训的知识地图