基于知识联盟的信息构建
知识图谱的构建和应用
知识图谱的构建和应用一、知识图谱简介知识图谱是一种基于图的全局知识表达方法，将知识以一种结构化的形式进行存储和表达，帮助人们更好地组织、理解和利用知识。
知识图谱主要由实体、属性和关系三部分组成，其中实体表示具体的事物或概念，属性表示实体的性质或特征，关系表示实体之间的连接或依赖关系。
二、知识图谱构建技术知识图谱的构建需要从多个信息源中获取知识，并将其整合成一个完整的知识体系。
常用的构建技术包括以下几种：1、实体识别和属性抽取技术。
通过对语料库进行分析和处理，自动识别文本中的实体，并抽取实体的属性信息。
2、关系抽取技术。
通过分析文本中的语法和语义信息，从文本中抽取实体之间的关系。
3、知识表示和存储技术。
将获取的知识以一种结构化的方式存储在数据库中，以便后续的查询和检索。
4、知识推理和推断技术。
通过对知识图谱进行推理和推断，从而获取新的知识和结论。
三、知识图谱应用场景知识图谱具有广泛的应用场景，以下是几个常见场景的介绍：1、智能客服。
将知识图谱应用于智能客服，可以提高客户服务效率，快速解决客户问题。
2、智能推荐。
将知识图谱应用于电商平台的商品推荐，可以根据用户的需求和历史行为，向其推荐符合其喜好的商品。
3、医疗诊断。
将知识图谱应用于医疗诊断，可以快速对疾病进行诊断和治疗，帮助医生快速确定病情并开展治疗。
4、智能交通。
将知识图谱应用于智能交通中，可以实现交通监控和管理，减少交通事故和拥堵。
四、知识图谱的挑战和未来发展知识图谱的构建和应用面临一些挑战。
首先，知识的获取和整合是一个大量工作量的任务，需要付出大量的时间和人力成本。
其次，知识图谱中的数据量非常庞大，如何有效地管理和更新也是一个重要问题。
未来，预计将出现针对知识图谱构建和应用的更加高效和精准的技术。
同时，相信将会涌现出更多的知识图谱相关的应用，推动其向着更加广阔的领域发展。
图书馆知识联盟的构建研究的开题报告
图书馆知识联盟的构建研究的开题报告一、研究背景和意义随着数字化和信息化的发展，图书馆不再局限于纸质文献的承载和传播，而是逐渐转型为信息和知识服务的提供者。
构建高效的数字信息服务系统、推广知识传播与分享、促进不同图书馆之间的合作和共享，已成为图书馆专业化和智能化发展的必然趋势。
面对信息时代发展的新形势与新任务，图书馆知识联盟作为一种新型组织形式已得到广泛应用。
它通过联合图书馆资源，依靠互联网与数字技术，实现多方面的共享、协作和交换，为广大用户提供更加便捷、稳定、高效的服务。
然而，目前我国基于图书馆资源共享的知识联盟建设尚处于起步阶段，存在很多问题和亟待解决的瓶颈难点。
本研究旨在针对当前我国图书馆知识联盟建设所存在的问题进行探究和研究，旨在为加速推进图书馆知识联盟的发展和提升图书馆服务水平提供基础支撑。
二、研究内容和思路本研究将从以下几个方面开展：（一）模型构建对图书馆知识联盟的概念、组成、目标等进行综述分析，构建图书馆知识联盟的模型，明确联盟的组织结构、服务内容、数据流向、安全保障等重要要素。
（二）问题分析通过调研、访谈、实地考察等方式，深入了解目前我国图书馆知识联盟在制度建设、技术设备、管理运行等方面存在的问题和困难，对影响联盟建设和发展的原因和因素进行分析和归纳。
（三）对策研究在理解和分析当前我国图书馆知识联盟发展状况的基础上，提出可行的建设和发展对策，并从制度、技术、数据安全、管理运行等角度，提出具体的实施方案和措施。
（四）应用实践结合研究成果，探索建立切实可行的图书馆知识联盟建设运营模式，构建智能化资源管理与共享平台，如图书馆数字化资源服务平台、知识共享平台等。
并在实际应用中不断优化和完善，形成适用于不同类型和规模图书馆的运营机制和服务体系。
三、研究意义和预期目标本研究的意义在于：（一）探索构建图书馆知识联盟的新思路和新模式，促进我国图书馆在数字信息管理与共享方面的提升。
（二）通过深入研究现行图书馆知识联盟的存在问题，提出有效的对策和建议，推动我国图书馆知识联盟建设获得更加理性、科学、可持续的发展。
图书馆·情报与文献学
图书馆·情报与文献学一、基础研究1.学习型社会建设与图书情报事业改革创新研究探讨学习型社会建设与改善图书情报服务之间的关系，以及当代图书情报机构在建设学习型社会中的作用和地位。
2.图书馆事业发展中的科学发展观研究研究图书馆的发展如何坚持以人为本、读者第一的原则；如何实现图书馆在资源建设、制度建设、文化建设、管理创新等方面的全面协调可持续发展。
3.图书馆的开放获取及因应之策研究图书馆如何适应数字化条件下开放获取的环境，改变传统的作业方式和服务手段，更好地开拓新的管理与信息服务。
4.图书馆用户结构和用户需求结构变化研究通过大规模的定量调研，分析随着网络信息资源的迅速发展，图书馆用户结构和用户需求结构发生的根本变化，为各级各类图书馆的战略决策提供支持。
5.网络信息资源利用效率研究分析网络信息资源利用率低的现象和原因，研究如何利用图书情报学科、信息技术发展和其他学科的理论与技术来提升网络信息资源利用率。
6.网络模式与技术创新研究重点研究在线学习（远程教育）、语义网、网格技术、网络信息挖掘、网络学术信息交流与电子出版等。
7.网络信息保存的理论与方法研究重点研究对网络上有价值的学术和文化资源进行有选择保存的理论与方法。
8.信息资源法律框架与体系构建研究信息资源法律原则、法律关系、适用主体、法律形式以及体系结构，为信息资源法律建设提供理论与实证依据。
9.信息共享区（Information Commons, IC）研究探讨图书馆与其他相关机构合作开辟信息共享区的意义，并对推广该服务开展可行性研究。
10.信息构建的原理、方法及应用研究研究信息构建的理论体系、方法和技术，信息构建在网站建设和评价中的实际应用。
11.危机管理在图书馆的应用研究探讨图书馆如何建立科学合理的危机管理制度，组建危机处理组织，制定安全防范预案。
要求结合案例进行实证研究。
12.基于知识联盟的企业信息资源开发研究研究知识联盟企业的信息资源组织形式、开发方法和利用问题，旨在构建基于知识联盟的企业信息资源系统框架，探索优化的企业信息资源开发的实现方案。
基于人工智能的知识图谱构建和应用研究
基于人工智能的知识图谱构建和应用研究随着人工智能技术的快速发展，知识图谱逐渐成为人们关注的热点。
知识图谱是一种以实体、属性和关系为基本元素，将具有概念、信息量的事物组织成图谱的知识表示方法。
基于人工智能技术的知识图谱构建和应用研究，可以为人们提供更为便捷的知识获取和信息交互方式。
一、知识图谱构建知识图谱的构建是一个复杂的过程，需要多种技术手段的综合运用。
其中，最核心的技术是自然语言处理(NLP)和数据挖掘技术。
通过对数据的抽取、清洗和归纳，结合专家知识和数据关联技术，可以得到更为准确、丰富的知识图谱。
在构建知识图谱的过程中，需要对实体、属性和关系进行统一的定义和组织。
而自然语言处理技术的发展，能够自动识别实体和关系，并从大规模文本数据中挖掘出属性信息，极大地促进了知识图谱的构建。
同时，图数据库和联邦查询技术等技术手段，也为知识图谱的存储和查询提供了更优秀的解决方案。
二、知识图谱应用知识图谱可以应用于各个领域，如金融、医疗、物流等。
下面介绍几个知识图谱应用的实例。
1、金融领域在金融领域，知识图谱可以为银行业、保险业等行业提供更为准确的风险评估和投资建议。
通过对公开数据的抽取和整合，以及对客户关系和市场变化的监控，可以建立客户、产品、市场等多方位视角的关系图谱，为金融机构提供更全面的决策参考。
2、医疗领域在医疗领域，知识图谱可以为疾病的预防、诊断和治疗提供支持。
通过知识图谱的构建，可以整合不同的医疗数据源，建立疾病与症状、药品与疾病等关系，在为患者提供个性化治疗方案的同时，还能为医生提供更准确的诊断依据。
3、物流领域在物流领域，知识图谱可以提供更为高效、优化的物流路线和仓储管理方案。
通过对物流市场、运输方式、仓储设施等多方位进行关系建立，可以分析和预测物流瓶颈、需求变化等信息，为企业提供更为精细的物流规划方案。
三、知识图谱未来发展知识图谱的发展潜力巨大，未来将在更多的领域得到广泛的应用。
当前，知识图谱的应用主要集中在高端领域，如金融、医疗等。
基于知识图谱的数据挖掘与预测研究
基于知识图谱的数据挖掘与预测研究随着互联网的普及，数据已经成为了当今社会发展的核心之一。
在大数据时代背景下，如何从数据中提取有价值的信息，进而做出正确的决策已经成为了各个领域的难题。
在这个背景下，基于知识图谱的数据挖掘和预测研究变得越来越重要。
一、知识图谱的定义和结构知识图谱被定义为一种用于表示知识和关系的图结构。
它可以将各种实体和概念构成的知识表示成一个节点，并通过边表示它们之间的关系。
通过这种方式相互之间是可以自动推理和补充信息的。
知识图谱在结构上可以被分为三层：实体层、关系层和属性层。
实体层包含了各种实体和概念；关系层通过边来表示实体之间的关系；属性层则包含了每个实体的特征和属性。
二、基于知识图谱的数据挖掘基于知识图谱的数据挖掘可以通过图谱中的实体、关系和属性进行分析，发现隐藏在数据中的未知规律和趋势，进而实现精准的数据预测和决策。
以癌症治疗为例，使用知识图谱，我们可以将各种治疗方案、病理学参数和治疗结果等实体构成一个图谱，并通过边来表示它们之间的关系。
利用知识图谱中的属性进行分析，我们可以找到最佳治疗方案和最优的治疗时间，进而实现更精准的癌症治疗。
另一方面，利用知识图谱可以快速地检索和整合大量的医学文献和临床实验数据，得出相关的治疗结果和发现新的治疗指南，提高医疗决策的正确性和精度。
三、基于知识图谱的数据预测基于知识图谱的数据预测可以通过对知识图谱中的实体、关系和属性进行分析，利用分类、回归和聚类等机器学习算法，找到隐藏在数据中的规律和趋势，从而对未来的趋势进行预测。
以金融行业为例，使用知识图谱，我们可以将各种经济指标、公司舆情和政治因素等实体构成一个图谱，并通过边来表示它们之间的关系。
利用知识图谱中的属性和历史数据进行分析，我们可以对未来市场趋势进行预测，找到最佳的投资机会和风险防范策略。
另一方面，利用知识图谱可以对复杂的社交网络进行分析，找到潜在的风险和机会。
例如，利用社交网络中的实体和关系进行分析，可以检测到潜在的诈骗活动和不良交易，进而实现更有效的反欺诈和反洗钱策略。
知识图谱构建与应用方法介绍与示例
知识图谱构建与应用方法介绍与示例知识图谱是一种用于描述和组织知识的技术，它可以将各种不同领域的知识整合在一起，形成一个结构化的知识网络。
知识图谱可以帮助人们更好地理解和利用知识，在许多领域具有广泛的应用前景。
本文将介绍知识图谱的构建方法和应用示例，帮助读者了解并应用这一强大的技术。
一、知识图谱构建方法1. 知识抽取：知识抽取是构建知识图谱的第一步，它包括从文本、数据库或其他数据源中提取结构化的知识。
常用的技术包括自然语言处理、信息抽取和实体识别等。
通过这些技术，我们可以从大量数据中提取出实体、关系和属性等信息，用于构建知识图谱的节点和边。
2. 知识表示：知识表示是将抽取得到的知识转化为计算机可以理解和处理的形式。
常用的表示方法有本体表示、三元组表示和图表示等。
本体表示使用本体语言（如OWL）定义概念和属性之间的关系，三元组表示使用主语-谓语-宾语的形式表示实体之间的关系，图表示使用节点和边的形式表示知识的结构。
3. 知识融合：知识融合是将从不同数据源中抽取得到的知识整合在一起，形成一个统一的知识图谱。
融合知识需要解决实体对齐、关系对齐和属性对齐等问题，常用的方法包括基于规则的匹配、基于语义的匹配和基于机器学习的匹配等。
4. 知识推理：知识推理是对知识图谱进行推理和推断，发现其中的隐藏知识和规律。
常用的推理方法包括规则推理、语义推理和统计推理等。
通过知识推理，我们可以发现新的关系、属性和实体，提高知识图谱的质量和可用性。
二、知识图谱应用示例1. 智能问答系统：知识图谱可以用于构建智能问答系统，帮助用户快速获取有关问题的答案。
通过将问题转化为图谱查询，系统可以在知识图谱中找到相关的实体和关系，并生成相应的回答。
例如，用户可以询问“谁是美国第一位女性总统？”，系统可以通过知识图谱回答“希拉里·克林顿是美国第一位女性总统”。
2. 智能推荐系统：知识图谱可以用于构建智能推荐系统，帮助用户发现符合其需求和兴趣的内容。
知识图谱的构建方法
知识图谱的构建方法知识图谱的概念，来自于语义网络，根据 W3C的解释，语义网络是一张数据构成的网络，语义网络技术向用户提供的是一个查询环境，其核心要义是以图形的方式向用户返回经过加工和推理的知识而知识图谱技术则是实现智能化语义检索的基础和桥梁．传统搜索引擎技术能够根据用户查询快速排序网页，提高信息检索的效率，然而，这种网页检索效率并不意味着用户能够快速准确地获取信息和知识，对于搜索引擎反馈的大量结果，还需要进行人工排查和筛选．1 知识图谱的定义与架构1.1 定义知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系．其基本组成单位是“实体－关系－实体”三元组，以及实体及其相关属性－值对，实体间通过关系相互联结，构成网状的知识结构通过知识图谱，可以实现 Web 从网页链接向概念链接转变，支持用户按主题而不是字符串检索，从而真正实现语义检索，基于知识图谱的搜索引擎，能够以图形方式向用户反馈结构化的知识，用户不必浏览大量网页，就可以准确定位和深度获取知识．定义包含３层含义1.知识图谱本身是一个具有属性的实体通过关系链接而成的网状知识库．从图的角度来看，知识图谱在本质上是一种概念网络，其中的节点表示物理世界的实体（或概念），而实体间的各种语义关系则构成网络中的边．由此，知识图谱是对物理世界的一种符号表达．2.知识图谱的研究价值在于，它是构建在当前 Web基础之上的一层覆盖网络，借助知识图谱，能够在Web 网页之上建立概念间的链接关系，从而以最小的代价将互联网中积累的信息组织起来，成为可以被利用的知识．3.知识图谱的应用价值在于，它能够改变现有的信息检索方式，一方面通过推理实现概念检索（相对于现有的字符串模糊匹配方式而言）；另一方面以图形化方式向用户展示经过分类整理的结构化知识，从而使人们从人工过滤网页寻找答案的模式中解脱出来1.2 知识图谱的架构知识图谱的架构，包括自身的逻辑结构和技术架构逻辑结构可分为2个层次：数据层和模式层数据层 : 知识以事实（fact）为单位存储在图数据库模式层在数据层之上，是知识图谱的核心。
知识图谱的构建及应用
知识图谱的构建及应用一、概述知识图谱是一种将语义信息结构化表示的方法。
通过将事实、概念、实体等信息整理成一张图，构建出了一种更加智能化、直观化的知识体系。
本文将从构建和应用两个方面来阐述知识图谱的优势和发展前景。
二、构建知识图谱的各个环节1.知识抽取知识抽取是构建知识图谱的第一步。
从多个源中获取大量的语义信息，将其抽取为闫技术化的形式。
通过深度挖掘文本、图片、视频等资源，获得各种实体、属性、关系等信息。
2.实体链接实体链接是指将文本中涉及到的实体与知识图谱中的实体相连，为实体的语义描述进行深度扩展和补充。
通常需要使用 NER（命名实体识别）算法对文本进行分析，将其中的实体进行识别和标注。
之后将实体通过特定的算法与知识图谱中现有的实体相进行相关联。
3.关系抽取关系抽取是指从多种数据资源中抽取出各种实体之间的关联关系，将关系的语义转换为计算机可识别的格式，并与知识图谱中现有的实体相链接。
关系抽取技术通常采用基于规则的技术，和基于机器学习的技术。
三、应用场景1.智能问答随着知识图谱的发展，其信息量逐渐丰富，可以通过智能问答系统实现用户信息的精准查询。
用户可以通过输入询问，从而得到想要的结果。
智能问答的设计过程中，需要构建一套简单易用、高效精准的查询方式。
同时还需要建立参数化语言模型，并通过数据挖掘与机器学习的技术优化线上的搜索系统。
2.商业应用知识图谱为企业提供了更精准的数据服务。
通过对用户提供满意度、行为数据等信息的分析，企业可以对用户的需求进行深度分析，为未来提供更好的服务方向和策略。
3.智能客服对于大型企业而言，通常需要为用户提供在线的客服服务。
但普通的客服系统往往无法给出恰当而统一的答案，而知识图谱很好地解决了这一问题。
企业可以利用这一技术来整合客户服务的信息资源，构建智能客服系统。
在客户咨询的过程中，客服系统可以提供标准的答案，从而提高服务质量并提升企业形象。
四、发展趋势1.跨行业发展在人工智能和大数据这两个行业的飞速发展下，知识图谱技术的应用范围和影响力也会不断扩大。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａ
文章编号
１０ —１６ ｛０ ０ ０ ０ ２ ９ ５ ２ １ ）６—０ ６ ０ ３—０ ４
０ 引 言
随着信息化 和全球 化进 程 的加 快 ， 类 已经进入 人 知识经济 时代 ， 知识成 为 了继 能源 和资本 之后 影响组
由美 国建筑师沃尔曼 （ ｉ ａｄＳ ｕ Ｗｕｍａ ） 生首次 Ｒ ｃ ｒ ａｌ ｒ ｎ 先 ｈ 提出 ， 但在当时并没有 引起人 们 的普遍关 注 。随着研
究 工作不断深入 ， 人们才 比较系统地理解信息构建 ， 它 指将 由信息片段聚集的集合按照一定的规范和需求转 化 成为具有一定 结构 的有序 的系统 的整 体 Ｊ促 进知 ，
基金项 目： 国家社会科学基金项 目“ 技术接受模型与知识联盟中中小企业 信息技术采 纳决策模 型研 究”（ 编号 ：０ Ｘ ０ ９ ； 育部科 学技术 ６ ＴＱ ０ ）教 研究重点项 目“ 多视角下的信息系统 采纳行为 ： 理论模型与 实证研 究” 编号 ：２ ８ ２ １ （ ０ １８ 。 作者简介 ： 袁红诗（ ９ ６ ， ， 士研 究生 ， 究方 向为信息 管理 与信息系统 ； １８ 一） 男 硕 研 赵 系统 、 信息技术接受与采纳。 昆（９ ３一） 男 ， １６ ． 博士 ， 授， 教 研究方 向为信 息管 与信息
共 担风险和提升竞争力 的 目的 ， 日益激 烈 的竞 争 环 在
境 中继续 生存 和发展 。从 定义 可 以看 出， 知识联 盟是
以知识 资源为核心 和企 业 双赢 为 目的 的联 合 体 ， 知识
的获取 和管理 是知识联盟企业 所关注的焦点 。按照 自
身 的需求 和标 准对知识 进行识 别 ， 识联 盟才 能丰 富 知 知识库 空间。知识是一 种 比较 特殊 的资 源 ， 管理 时 在 需要视其 特殊性 和一般 性分 别进行 管理 ， 这样才 有 助
１ 知 识联 盟 企业 热点 问题梳 理
知识联盟源于贝克尔 （ ｅｋｒ 和墨菲 （ ｒｈ ）￣ Ｂ ｃｅ） Ｍｕｐ ｙ ｇ
知识分工模型的研究 ｌ 它是 以知识 为 中枢 的知识 型 － ３， ３ Ｊ
织生存和发展 的重 要资源 ， 有效地 利用 知识能 够帮助
企业稳 固其在行业 中所处 的领先地位 。通过建立知识
艺 Ｊ工业社会 以前 有学者 提 出知识足 经验 的系统 化 ， 与理论化认识 。知识 经济 时代 ， 们对 知 识的认识 更 人 为深入 ， 通常从 知识 转移 的角度 把知识 分 为显性 知 ｝ 只
和隐性知识 ， 国哲学 家波兰尼 （ ｃａｌ ｏ ｎ ｉ认 为 英 Ｍｉ ｅ Ｐ ｌ ｙ） ｈ ａ 显性知识是通过 书本 、 语言等 方式来 传播 的知识 ， 隐 而
杂繁琐 的知识库 空间 中分辨 出所需 知识 的过程 ， 这一
过 程 需 要 对 知 识 有 一 个 明 确 合 理 的 定 义 ， 给 知 识 定 在
义时研究 者从不 同的角度进行 了讨 沦。早在希腊时代
的亚 里 士 多 德 就 将 知 识 分 为 纯 粹 理 性 、 践 理 性 和 技 实
・
６ ・ ４
情
报
杂
志
第２ ９卷
性知识是 通过 个人 或 组织 经 过 长期积 累 而拥有 的知 识 ］野中郁次 郎 （ｋｊｏＮｏａａ 认 为隐性知 识是 高 ， Ｉｕ ｒ ｎｋ ） ｉ
２ 信 息构 建核 心 内容
识 资源的结构化 、 有序化 和系统 化 ， 提高企业 组织和利 用信息 资源的效 率。本文通过 分析知识联盟企业中的 知识识别 和知识 管理 ， 探讨基于 知识联 盟的信 息构建 ， 帮助知识 联盟企业有效地 管理 知识 资源并实现知识创 新， 获得竞争优势 。
收稿 日期 ：０ ０ 卜一 ９ ２ １ 一Ｏ Ｏ 修回 日期 ：０１ ３—２ ２ ０一Ｏ ５
＊
袁 红 诗
（ 云南财经大学信息学 院 昆明
赵 昆
昆明 ６０２ ） ５ ２ １
６０２ ） （ ５ ２ １ 云南 财经 大学 现代教育技术 中心
摘
要
知识识 别和知识管理是 当前知识联盟企业 关注的热点问题 ， 通过对 上述相 关研 究 内容的梳理 ， 讨关 于知 探
识联盟 企业信息资源的管理 ， 出了一个基 于知识联盟 的信 息构建 的模型 ， 提 结合对模型 的分析探讨 了其 对 中小型 企 业的发展 带来的启示。
第
２９ 期 ２ １ ６ 月 ０ 年 ０
情
报
杂
志
Ｖ １２ ． ９ Ｎｏ． ６
Ｊ ＯＵＲＮＡＩ ＯＦ ＮＴＥＬＬＩ ， ＇Ｉ ＧＥＮＣＥ
Ｊ ｎ． ２ Ｏ ｕ ０ｌ
基 于 知 识 联 盟 的 信 息 构 建
Ｉ ｆ ｒ ｔｏ ｃ ｔｃ ｕ ｅ Ｂａ ｅ ｎ Ｋｎｏ ｅ ｇ ｌａ ｃ ｎ ｏ ｍａ ｉ ｎ Ａｒ ｈｉｅ ｔ ｒ ｓ ｄ ｏ ｗｌ ｅ Ａｌｉ ｎ ｅ ｄ
企业集 合体 ， 通过知识创新 、 知识转移 、 知识共享 、 识 知 整合 等多维互 动的学习过程 ， 企业能够实现优势互补 、
联盟 ， 企业 可以利用更 丰富 的信息 资源来 进行 知识创
新、 维持或获得竞争优势 …。然而 ， 当前企业间存在知 识分散 、 知识封闭 、 知识 员工 固定 等现象 ， 使 知识联 致 盟并未发挥 出应有 的作用 ， 而制 约 了企业 从 知识联 反 盟 中寻求所需 的知识 ， 如何 消除知识 联盟 中存 在的 弊 端 以及有效地管理知识联盟企业 中的知识 资源成为 了 当前研究 的重点 。
于知识 的高效 利用。通过充分 理解知识联盟 中知识识 别 和知识 管理 ， 才能重视知识联盟 中的信息构建 。 １ １ 知识识 别 知识 识别指 按照 统一 的标 准从 复 ．
信息构建是 ２ ０世 纪 ７ ０年代 中期兴起 并在 ９ ０年
代末得到推崇和发展 的一种 信息组 织 和管理 的理论 ，