基于人工智能的知識鏈模型及知識獲取與表示研究.pdf

1、《基于人工智能的知識鏈及知識獲取與表示研究》是國家自然科學(xué)基金項目(70271002)《面向智能性管理決策的異構(gòu)知識表示與知識管理研究》的系列研究之一。 隨著進(jìn)入知識經(jīng)濟(jì)時代，知識越來越重要，已成為經(jīng)濟(jì)的推動力和支持成功的中間力量。知識管理也逐漸為企業(yè)組織所接受。知識的價值實現(xiàn)、增值與創(chuàng)新都必須通過相應(yīng)的知識鏈(亦稱知識過程)得以完成，但是在目前的知識管理界，對知識鏈缺乏關(guān)注，思考不深，所以通過對知識鏈的研究，有助于提升知識管理

2、的應(yīng)用，這也正是本文的研究所在。 鑒于知識鏈?zhǔn)且粋€非常新的研究領(lǐng)域，目前的研究主要集中在知識鏈的概念模型上，實際操作性不強(qiáng)，為此，本文首先結(jié)合知識管理的思想和人工智能技術(shù)以及信息技術(shù)，提出了基于人工智能的知識鏈模型。在對該模型進(jìn)行詳細(xì)闡述之后，本文重點對知識鏈中知識獲取進(jìn)行研究。 在基于知識的系統(tǒng)(KBS)或?qū)＜蚁到y(tǒng)的開發(fā)中，知識獲取一直是阻礙其發(fā)展的瓶頸，同樣對于知識鏈中的知識獲取來說，也是如此，只有解決了知識獲取這一

3、難題，知識鏈才能順暢發(fā)展。本文分兩部分對知識獲取進(jìn)行研究，一是KBS開發(fā)過程中廣為使用的結(jié)構(gòu)化情景分析，即人工獲??；二是，采用神經(jīng)網(wǎng)絡(luò)、決策樹等進(jìn)行知識的自動獲取研究，因為神經(jīng)網(wǎng)絡(luò)集知識獲取、知識表示和知識應(yīng)用于一身，具有非常好的學(xué)習(xí)能力，但其缺點是一個“黑箱”，需要將其隱藏的知識顯性化，關(guān)于神經(jīng)網(wǎng)絡(luò)，本文經(jīng)過試驗結(jié)果表明，普通BP效果不好，為此本文的神經(jīng)網(wǎng)絡(luò)采用的是以交叉熵為誤差函數(shù)的非全連接BP網(wǎng)絡(luò)，不僅對神經(jīng)網(wǎng)絡(luò)的剪枝算法和知識獲

4、取的RX算法進(jìn)行改進(jìn)，而且提出了基于結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)規(guī)則抽取方法SRE和基于卡諾圖的規(guī)則抽取方法KRE。考慮到組織中知識的存在形式的多樣性及復(fù)雜性，本文嘗試采用XML進(jìn)行知識統(tǒng)一表示的研究，因為XML適合于多種類型知識的表示。 本文最后以銀行貸款風(fēng)險預(yù)警為例，在大量試驗的基礎(chǔ)上，分別采用RX，SRE，決策樹(ID3算法)和KRE等四種方法進(jìn)行知識獲取，并對四種獲取的結(jié)果進(jìn)行比較分析。 總的來說，本文作了大量的理論和實驗研究