論知識倉庫的架構(gòu)

論知識倉庫的架構(gòu)　　【內(nèi)容提要】在知識管理時代，知識倉庫具有隱性知識共享和轉(zhuǎn)化功能、知識存儲和檢索功能、知識分析功能、新知識產(chǎn)生和反饋功能，以及用戶行為分析跟蹤功能。知識倉庫的架構(gòu)分為6個主要構(gòu)件：共享和獲取隱性知識模塊；獲取顯性知識模塊；知識的抽取、轉(zhuǎn)換和儲存模塊；知識分析模塊；用戶（系統(tǒng)管理員）界面模塊；3個反饋環(huán)。目前，已經(jīng)開發(fā)出一些知識倉庫軟件系統(tǒng)。圖1。參考文獻8。
【摘  要  題】專題探討
　　　　　　　1　知識管理時代知識倉庫的地位
　　知識可劃分為顯性知識（explicit  knowledge）和隱性知識（tacit  knowledge）兩類。其中，顯性知識是指能夠用語言、符號、規(guī)則、公式或?qū)ο蟮日�式表達并能夠傳輸給他人的知識；隱性知識是深深根植于人腦中的信念、觀點、創(chuàng)意和智力模型，包括某人長期從事某項活動或職業(yè)而形成的主觀經(jīng)驗、洞察力和直覺。二者緊密關(guān)聯(lián)，并與經(jīng)濟活動融為一體，成為當代社會發(fā)展的主要推進力量。
　　知識管理是通過共享和抓住隱性知識并將其轉(zhuǎn)變?yōu)轱@性知識，篩選、存儲、加工、檢索、傳遞和利用顯性知識，創(chuàng)新新的知識來增加社會價值的。這種實踐活動可用知識螺旋（knowledge  spiral）來描述。在每一個螺旋中存在4個階段：共享隱性知識階段、隱性知識轉(zhuǎn)變?yōu)轱@性知識階段、顯性知識轉(zhuǎn)變?yōu)樾轮�識階段和通過學習產(chǎn)生新的隱性知識階段。每一次新的顯性知識和隱性知識的產(chǎn)生便是知識螺旋的一次上升。相對于知識管理，信息管理注重顯性知識或稱編碼型知識（codified  knowledge）的搜集、存儲、加工、檢索、分析和預(yù)測，這方面的研究成果主要表現(xiàn)為數(shù)據(jù)倉庫（Data  Warehouse，簡稱DW）的開發(fā)和利用。數(shù)據(jù)倉庫使企業(yè)能抽取、篩選、存儲大量的數(shù)據(jù)，對用戶的檢索進行有效而準確的反應(yīng)，并為決策活動提供了強大的基礎(chǔ)。然而，數(shù)據(jù)倉庫中僅僅存儲了決策者所需知識的一部分，企業(yè)絕大部分智力財富以隱性知識的方式存在于員工的大腦中，因此，數(shù)據(jù)倉庫不足以滿足對知識檢索的需求。為了滿足知識管理和知識決策的需求，可以對現(xiàn)存的企業(yè)數(shù)據(jù)倉庫進一步擴充，成為滿足知識管理需求的知識倉庫（Knowledge  Warehouse，簡稱KW）。知識倉庫能夠?qū)Σ煌�類型的知識（顯性知識和隱性知識）和不同形式的知識（純文本、二進制對象、模型等）進行捕捉、存儲、編碼、組織和分析。另外，這些知識還包括元知識（關(guān)于知識的知識）和分析后產(chǎn)生的新知識。
　　　　　　2　知識倉庫的主要功能分析
　　知識倉庫強調(diào)為決策者提供一個提升知識管理流程全過程的智能分析平臺，它在很大程度上依賴于信息技術(shù)的發(fā)展并被日新月異的信息技術(shù)所推動。信息技術(shù)包括人工智能、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、多媒體技術(shù)、數(shù)據(jù)庫、信息可視化、機器學習、信息分析與挖掘等，其中OLAP（Online  Analytical  Processing，在線分析處理）與DM（Data  Mining，數(shù)據(jù)挖掘）是基于數(shù)據(jù)倉庫技術(shù)而發(fā)展起來的信息分析與挖掘工具。OLAP是驗證型的，建立在多維視圖的基礎(chǔ)上，重在根據(jù)已有的模式將直接源自數(shù)據(jù)倉庫中的不同信息源的大量相關(guān)信息聯(lián)系起來，以給分析人員一個清晰、一致的視圖。OLAP主要有兩個特點，一是在線性（online），即對用戶的請求做出快速響應(yīng)；二是可以應(yīng)用多種統(tǒng)計分析工具、算法對數(shù)據(jù)進行多維分析（multi-analysis）。DM是挖掘型的，建立在各種信息源的基礎(chǔ)上，重在發(fā)現(xiàn)隱藏在大量原始數(shù)據(jù)深層中的對人們有用的模式（patterns）。被抽取的模式即知識，具備可信、新穎、有效、易于理解的特點。DM有兩個主要過程，即建立模型和預(yù)測未來結(jié)果。在這些過程中，可應(yīng)用統(tǒng)計分析、神經(jīng)網(wǎng)絡(luò)、決策樹、遺傳算法、模糊邏輯、基于記憶的推理（memory-based  reasoning）等技術(shù)，OLAM（Online  Analvtical  Mining，在線分析挖掘）是OLAP和DM相結(jié)合的產(chǎn)物，OLAM兼有OLAP多維分析的在線性、靈活性和DM對數(shù)據(jù)處理的深入性，目前OLAM正處于研究之中，針對LAM的發(fā)展驅(qū)動力和基本結(jié)構(gòu)，以下幾點是必要的：OLAM建立在多維數(shù)據(jù)庫和OLAP的基礎(chǔ)之上，能對任何它想要的數(shù)據(jù)進行挖掘；用戶對挖掘算法具有動態(tài)選擇的權(quán)力；具有強大的基于超立方體的挖掘算法；能夠協(xié)調(diào)好執(zhí)行效率與挖掘的準確性之間的關(guān)系；具有靈活的可視化工具和良好的擴展性。
　　信息技術(shù)的發(fā)展使知識倉庫的功能實現(xiàn)變?yōu)榭赡�，知識倉庫應(yīng)具備以下主要功能：
　�。�1）隱性知識共享和轉(zhuǎn)化功能。即知識倉庫應(yīng)具備共享隱性知識和將隱性知識轉(zhuǎn)變?yōu)轱@性知識的能力，這依賴于機器學習、神經(jīng)網(wǎng)絡(luò)、信息可視化、多媒體技術(shù)等。
　　（2）知識存儲和檢索功能。即知識倉庫必須提供數(shù)據(jù)倉庫所擁有的全部功能，并具有更加豐富的知識表現(xiàn)形式。知識倉庫應(yīng)能有效生產(chǎn)、存儲、檢索、管理各種形式的知識。
　�。�3）知識分析功能。知識分析是一個非常復雜的過程，分析任務(wù)常常利用各類歸納和演繹的人工智能技術(shù)，如神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)處理的分組方法、統(tǒng)計、基因算法、基于案例的推理等。每一個任務(wù)在輸入數(shù)據(jù)、執(zhí)行參數(shù)和輸出格式方面都有自己的要求。
　�。�4）新知識的產(chǎn)生和反饋功能。知識倉庫中的知識隨著不同的反饋環(huán)而得到實時更新，如通過頭腦風暴法產(chǎn)生、共享和獲取新的隱性知識；從用戶剛剛驗證和證實的結(jié)果中產(chǎn)生新的顯性知識。
　�。�5）用戶行為分析跟蹤功能。知識倉庫能夠根據(jù)用戶所提供的信息、用戶的行為習慣和傾向進行跟蹤并針對性地提供決策服務(wù)。
　　　　　　3　知識倉庫的架構(gòu)
　　知識倉庫包括6個主要構(gòu)件（見圖1）：共享和獲取隱性知識模塊；獲取顯性知識模塊；知識的抽取、轉(zhuǎn)變和存儲模塊；知識分析模塊：用戶（系統(tǒng)管理員）界面模塊；3個反饋環(huán)。
　　附圖
　　圖1  知識倉庫的架構(gòu)
　　　　3.1　共享和獲取隱性知識模塊
　　隱性知識是無法交流的知識。例如，學生通過書本可間接地學到用文字表達出來的顯性知識，而通過上課不僅可學到顯性知識，而且能體會到教師講授中無法表達的隱性知識。這即是所謂的言傳身教，但在對所講所學知識的理解上學生和教師總存在差別。又如，邀請一位有經(jīng)驗的管理者作報告，假設(shè)該管理者對自己所理解的管理理論和實踐經(jīng)驗盡其全力進行表達，是否聽報告的人在報告后便能成為與其一樣出色的管理者？答案是否定的，究其原因，該管理者能表達出來的知識是顯性知識，而他頭腦中大量存在的是他無法表達清楚的隱性知識，這些隱性知識在該管理者的管理實踐中起非常重要的決策支持作用。知識管理非常強調(diào)對隱性知識的挖掘，共享和獲取隱性知識模塊應(yīng)具體擁有以下功能：①行為隱性知識獲取。表現(xiàn)為行為跟蹤、動作慢放，如將外科手術(shù)、工藝操作等過程進行錄制生成多媒體信息，再對這些多媒體信息進行慢放，通過觀摩這些慢放的畫面，可以共享人的行為中所擁有的隱性知識。②提供一個平臺，讓大家各抒己見，如在BBS、聊天室或頭腦風暴法基礎(chǔ)上加上跟蹤軟件，分析表達出來的、看起來分散而孤立的顯性知識之間的關(guān)系，挖掘隱性知識。③基于模型環(huán)境的數(shù)學模型抽取。④基于專家環(huán)境的規(guī)則抽取。
　　　　3.2　獲取顯性知識模塊
　　這個模塊功能類似于數(shù)據(jù)倉庫中相應(yīng)的功能，能夠?qū)︼@性知識進行搜集和篩選。
　　　　3.3　知識的抽取、轉(zhuǎn)換和存儲模塊
　　這個模塊是知識倉庫的基本構(gòu)件。它是一個面向?qū)ο蟮闹�識庫管理系統(tǒng)（Knowledge  Base  Manage  ment  System.簡稱KBMS），集成了知識庫、模型庫和分析任務(wù)等，知識以框架、規(guī)則、語義網(wǎng)絡(luò)等形式存儲在知識庫中。KBMS管理如何將廣泛的知識對象集成為一個功能體，這些知識對象包括數(shù)字、文本流、驗證的模型、元模型，電影剪輯、動畫片斷以及控制它們的軟件。KBMS在面向?qū)ο蟮沫h(huán)境中實施，不僅管理數(shù)據(jù)，而且管理聽有的對象、對象模型、過程模型、案例模型、對象交互模型和用來處理、解釋知識并產(chǎn)生知識庫的動態(tài)模型，
　　　　3.4　知識分析模塊
　　知識分析模塊處理所有與分析任務(wù)有關(guān)的活動，包括知識工程、任務(wù)控制、判斷生成和技術(shù)管理。知識工程次模塊是基于專家系統(tǒng)的子系統(tǒng)，它負責開發(fā)知識分析目標和基本的模型環(huán)境原則。
　　任務(wù)控制次模塊處理所有數(shù)據(jù)要求和運行中的交互（包括耐用戶傾向偏好的分析和跟蹤），即以任務(wù)控制臺的形式作為任務(wù)交互的基于人工智能的代理決策者，使真正的決策者不必知道其中的技術(shù)、微小區(qū)別和交互過程等。
　　判斷生成次模塊對各類分析任務(wù)的輸出（包括基于用戶行為跟蹤分析而提供的針對性決策服務(wù)）進行評估，特別是對于因果任務(wù)，篩選出基于某個標準的假的或不一致的結(jié)果，然后產(chǎn)生希望能使用戶明白模型環(huán)境的簡單而深刻的解釋。在這個過程中，判斷產(chǎn)生模型與知識庫、例子庫和模型庫交互，利用演繹知識、類比推理和其他技術(shù)。
　　技術(shù)管理次模塊對分析技術(shù)庫進行管理，它提供從新生分析算法到對象模型類的封裝、遺留數(shù)據(jù)挖掘集成應(yīng)用、新生分析模型和元模型的對象模型庫合并，等等。
　　　　3.5　用戶（系統(tǒng)管理員）界面模塊
　　這個模塊處理KBMS和用戶間的所有分析通信，包括5個功能子模塊：判斷界面、輸入處理器、輸出處理器、在線幫助和系統(tǒng)管理員界面。
　　判斷界面是為了有效幫助用戶確定一個或多個條件進行觀察，它包括一個通過變化一個或多個參數(shù)值來提出相關(guān)例子的類比構(gòu)件，還包括一個或多個交互圖形以顯示操作過程，以便用戶能快速看清什么已經(jīng)試過、哪些例子可引向更深的洞察。判斷界面還應(yīng)能提供基于計劃分析任務(wù)的具有潛在價值的案例分析。
　　輸入處理器在用戶和分析任務(wù)間提供界面，它將用戶確定的自然語言、SQL檢索語句等轉(zhuǎn)變成機器可執(zhí)行的檢索，或?qū)⒂脩舻恼Z音和繪圖等信息轉(zhuǎn)變成機器可識別的數(shù)據(jù)。
　　輸出處理器為每一個分析結(jié)果選擇最合適的可視化顯示，如圖、自然語言、多項式、決策樹等。這種選擇是基于分析任務(wù)輸出和用戶偏好的結(jié)合，而這又是基于適應(yīng)性機器學習算法，它可分析當前用戶的歷史行為。
　　幫助子模塊向用戶提供有關(guān)模型（如參數(shù)范圍、測量單位、內(nèi)部模型結(jié)構(gòu)）、例子（與基本案例的差異，關(guān)鍵決策變量值）、相關(guān)知識（如元模型，元數(shù)據(jù)，基本原則，分析目的）和分析任務(wù)（如應(yīng)用技術(shù)，技術(shù)描述，結(jié)果的解釋跟蹤，使用的技術(shù)參數(shù)，技術(shù)的優(yōu)勢和局限）的信息。
　　系統(tǒng)管理員界面是為系統(tǒng)維護者提供的一個與知識倉庫通信的端口。
　　　　3.6　反饋環(huán)
　　知識倉庫包括3個反饋環(huán)，一是從用戶（系統(tǒng)管理員）界面模塊到知識分析模塊之間的環(huán)，它通過分析用戶的傾向偏好來更好地為用戶提供知識分析及其結(jié)果輸出服務(wù)；二是從知識分析模塊和用戶（系統(tǒng)管理員）界面模塊到獲取顯性知識模塊之間的環(huán)，知識分析和用戶產(chǎn)生新的顯性知識，新的知識通過這個環(huán)存儲到知識庫中，這是知識管理的第3個階段；三是從用戶（系統(tǒng)管理員）界面模塊到共享和獲取隱性知識模塊之間的環(huán)，用戶通過學習而產(chǎn)生新的隱性知識，這是知識管理的第4個階段。
　　　　　　4　知識倉庫系統(tǒng)開發(fā)實踐
　　目前已出現(xiàn)支持知識倉庫部分功能的軟件系統(tǒng)。下面針對知識倉庫應(yīng)具備的功能對其中的幾個軟件進行分析。
　　首先，知識倉庫應(yīng)當有效地生產(chǎn)、組織、檢索和管理各種形式的知識，具有智能模型抽取、知識工程等功能，向決策者提供一個智能分析平臺，以提升知識管理全過程。下面以IBM  software，Solution為例進行分析，IBM是世界最大的信息技術(shù)企業(yè)，自20世紀80年代以來一直處于幫助企業(yè)進行革新的領(lǐng)先地位，其軟件提供各類計算機平臺的最廣范圍的應(yīng)用、中間件（middleware）和運行系統(tǒng)。IBM的Knowl  edgeX技術(shù)能幫助企業(yè)通過更好地獲取、分析和共享數(shù)據(jù)，做出更精明的決策，能平衡所有類型的數(shù)據(jù)，而不論這些數(shù)據(jù)是來自數(shù)據(jù)庫內(nèi)，還是來自公開出版的新聞或者因特網(wǎng)。IBM計劃未來將KnowledgeX技術(shù)集成到DB2廣義數(shù)據(jù)庫（DB2universal  Database）和企業(yè)智能方案（business  intellingence  solutions）中，以為客戶帶來更多的功能。通過鏡像人類解決問題的過程，KnowledgeX從各類數(shù)據(jù)源中搜集信息，發(fā)現(xiàn)數(shù)據(jù)間的關(guān)聯(lián)和關(guān)系，將數(shù)據(jù)應(yīng)用到問題中，并幫助開發(fā)出方案，目前利用KnowledgeX的一些領(lǐng)域包括競爭情報、合并和獲取、銷售力自動化、訴訟、垂直產(chǎn)業(yè)應(yīng)用和知識管理。當今的企業(yè)正在利用更多的數(shù)據(jù)源以構(gòu)建或保持其競爭優(yōu)勢——來自Internet和Extranets，或來自文檔和公司數(shù)據(jù)庫，將IBM的數(shù)據(jù)庫和企業(yè)智能方案與KnowledgeX結(jié)合起來.企業(yè)將能更好地處理各種來源的數(shù)據(jù)，尋找獲勝機會，并在企業(yè)中將知識轉(zhuǎn)變?yōu)樾袆�，KnowledgeX軟件能揭示企業(yè)數(shù)據(jù)中隱藏的關(guān)系，決定這些關(guān)系的力量，并識別它們對企業(yè)目標和問題的實用性。KnowledgeX能顯示關(guān)鍵產(chǎn)業(yè)活動者間的關(guān)系，解釋過去的行為、合同或聯(lián)盟，能分析并鏈接看起來分散的信息以跟蹤發(fā)展方向并智能地預(yù)測競爭者未來的行動。KnowledgeX技術(shù)對IBM在數(shù)據(jù)和企業(yè)智能空間如DB2廣義數(shù)據(jù)庫，文本智能挖掘機（intelligent  miner  for  text），可視化倉庫（visual  warehouse）等中的工具和方法起到補充作用。KnowledgeX與企業(yè)智能工具如數(shù)據(jù)倉庫、數(shù)據(jù)挖掘和在線分析處理一起允許企業(yè)從數(shù)據(jù)源中獲取更多的洞察力。目前，全球的客戶正利用IBM企業(yè)智能系統(tǒng)來更快、更明智地決定應(yīng)進入哪個市場、雇用哪個客戶、宣傳哪個產(chǎn)品。以達到提升利潤和競爭力的目的。
　　其次，知識倉庫應(yīng)當能執(zhí)行和管理各類知識分析任務(wù)及其支持技術(shù)（如敏捷度分析、機器學習、神經(jīng)網(wǎng)絡(luò)、知識倉庫挖掘和模式識別等）。下面以VantagePoint為例進行分析，VantagePoint提供從文本數(shù)據(jù)庫中挖掘知識的能力，它具有以下功能：①抽取并索引新數(shù)據(jù)，通過檢索，用戶將數(shù)據(jù)引入到VantagePoint中，在這個過程中，VantagePoint使用了一個數(shù)據(jù)庫構(gòu)成文件（這對于不同的數(shù)據(jù)庫和數(shù)據(jù)庫提供商都不一樣），利用模式匹配、規(guī)則基礎(chǔ)和自然語言處理技術(shù)從文本中挖掘字段，除記錄通常的字段以外（如作者、單位和分類號），VantagePoint還能利用自然語言處理技術(shù)從文摘中抽取有意義的詞和詞組。②同發(fā)生矩陣，利用同發(fā)生矩陣，用戶可對表進行交叉。如利用同發(fā)生矩陣中的“作者”和“出版年代”，用戶可觀察某作者一段時間內(nèi)的出版傾向，并按年代瀏覽他的作品，這可提供有關(guān)哪個作者在某領(lǐng)域工作時間最長，現(xiàn)在他們是否還活著等方面的信息。表或同發(fā)生矩陣中的數(shù)據(jù)可輸出到其他應(yīng)用中以便進行可視化顯示或分析。③映射/網(wǎng)絡(luò)，在一維（表）和二維（同發(fā)生矩陣）分析之外，VantagePoint還可運行多維統(tǒng)計分析以識別概念之間的簇和關(guān)系。④Vantagepoint可將數(shù)據(jù)分解為更小的、分散的數(shù)據(jù)集以進行識別。⑤VantagePoint利用模糊匹配技術(shù)進行數(shù)據(jù)識別、關(guān)聯(lián)并減少數(shù)據(jù)冗余。用戶可創(chuàng)建、編輯同義詞詞典。⑥用戶可利用VantagePoint的微軟VB.Script擴展功能來調(diào)整操。VantagePoint在VBScript中增加了5個VB對象和50多種AB方法，允許用戶創(chuàng)建和分配腳本，這可使定制分析技術(shù)重復使用。
　　最后，知識倉庫應(yīng)具有用戶友好的界面和共享隱性知識的平臺，下面以Lotus  Developments為例進行分析，Domino.Doc將小范圍專家使用的文檔管理界面擴展為基于網(wǎng)絡(luò)環(huán)境的、更靈活的、適用于企業(yè)內(nèi)每一個成員的解決方案。企業(yè)成員通過Web瀏覽器共享信息和應(yīng)用，企業(yè)服務(wù)器通過擴充能力、靈活性和安全性的平衡使其在知識管理中發(fā)揮主要作用。  CK
　　1  Hamid  R.Nemati  et  al.Knowledge  warehouse；an  architectural  integration  of  knowledge  management，decision  support，artificial  intelligence  and  data  warehousing，Decision  Support  Systems  33（2002），pp.143～161
　　2　馬海群.論知識經(jīng)濟、知識管理與知識產(chǎn)權(quán).圖書情報知識，2000（2）
　　3　褚峻.知識管理的資源性分析.圖書情報知識，2000（2）
　　4　劉夫濤.從OLAP、數(shù)據(jù)挖掘到OLAM（上）.網(wǎng)絡(luò)世界，  1990-02-01
　　5　劉夫濤.從OLAP、數(shù)據(jù)挖掘到OLAM（下）.網(wǎng)絡(luò)世界，  1999-02-08
　　6　http：//www.software.ibm
　　7　http：//www.thevantagepoint.com
　　8　http：//www.Lotus.com

1

　　班主任工作不僅是在班集體中全面貫徹黨的教育方針，落實學校的規(guī)章制度，實施素質(zhì)教育，完成教學計劃，使學生在德、智、體、美等方面都得到全面發(fā)展；而且班主任是溝通學校、家庭、社會共同對學生進行教育的主要支點。作為一名在鄉(xiāng)小學任教的班主任，應(yīng)做到以下幾點。....

2

我很欣賞一句話：教師的工作是托起明天的太陽。是啊，我們今天的一切工作，不就是為了每一個學生都能擁有一個輝煌的未來嗎？我們所做的一切，無非是為孩子未來的發(fā)展打下良好的基礎(chǔ)，使他們具備再發(fā)展所必須....

3

今年6月，我送走了又一批初中畢業(yè)生。回首三年來班主任工作，總結(jié)經(jīng)驗和教訓，對于我今后的工作會有一定的啟示和指導作用。

一、把競爭的機制引入倒班級管理中來。

4

問題的提出：

⒈學生《行為規(guī)范》的養(yǎng)成教育是學校德育的基礎(chǔ)工程，是現(xiàn)代教育的重要內(nèi)容。養(yǎng)成教育過程必定伴隨系列思想活動，而思想活動的過程又以一定....

5

原載于《真源教育資源網(wǎng)》

    著名的教育改革家魏書生曾這樣說過：“班級像一個大家庭，同學們?nèi)缧值芙忝冒慊ハ嚓P(guān)心著、幫助著，互相鼓舞著、照顧著....

6

江蘇省平潮高級中學 戴建萍

    班集體作為學生成長過程中的一個重要組成部分，她是學生成長的搖藍。實踐證明，良好的班集體始終激勵著學生不斷進....

7

    所謂創(chuàng)造性個性品質(zhì)主要是指具有創(chuàng)造的意向、創(chuàng)造的情感、創(chuàng)造的意志和創(chuàng)造的性格等獨特的心理品質(zhì)。它包括自信、勇敢、獨立性強、有恒心、一絲不茍等良好的人格特征。如何在班級管理中培養(yǎng)學生創(chuàng)造性個性品質(zhì)呢？<....

8

9

10

    在學校管理中，班級管理是一個重要方面。班級管理包括學校領(lǐng)導對班級的管理和班主任對班級的管理，還包括學生參與管理。其中，主要是班主任對班級的管理。班級管理原則對于建立和發(fā)展班級集體，全面實現(xiàn)班級目標以及全面提高教育質(zhì)量....