知识集成研究综述

合集下载

科学知识图谱研究综述

科学知识图谱研究综述科学知识图谱研究综述引言：随着科技的快速发展，人们对科学知识的需求也越来越高。

为了更好地组织、管理和利用科学知识，科学知识图谱作为一种新兴的知识表示和存储方式，正在受到广泛关注和研究。

本文将综述科学知识图谱的研究进展，包括其定义、构建方法以及应用领域，旨在为读者提供对该领域的全面认识。

一、科学知识图谱的定义科学知识图谱是一种以图形和语义为基础的知识表示方法，用于描述科学领域的知识体系和关系。

它将科学领域的知识以图谱的形式展现出来，使得人们可以直观地了解知识间的关联和层次。

科学知识图谱的构建需要深入挖掘科学文献、专利数据库等资源，并建立类似于图数据库的知识表示模型。

二、科学知识图谱的构建方法1. 知识抽取与清洗：科学知识图谱的构建首先需要从科学文献、专利数据库等海量数据中抽取知识，并进行清洗和整理。

这一过程包括文本的分词、命名实体识别、关系抽取等技术手段的应用。

2. 知识表示与建模：科学知识图谱需要将抽取出的知识进行合理的表示和建模，以便于后续的存储和查询。

在这一过程中，需要利用本体学、图论等方法，构建科学知识的语义网络，并为每个节点和关系进行准确的语义标注。

3. 知识关联与链接：科学知识图谱的关键在于建立节点之间的关联和链接。

通过挖掘知识中的共现关系、上下位关系等，可以识别出知识间的相似性和相关性，并建立节点之间的链接。

这一过程可以借助机器学习和自然语言处理等技术手段实现。

三、科学知识图谱的应用领域1. 科学研究：科学知识图谱可用于科研人员的文献检索与阅读，提供更高效的科研工具和资源。

科学家可以借助科学知识图谱查找相关研究领域的权威资源，并从中获取研究灵感和联系。

2. 知识管理：科学知识图谱可以帮助组织机构或企业对内部知识进行分类、管理和共享。

通过搭建企业内部的科学知识图谱，可以减少重复研究、促进知识流转，提高组织的创新能力和竞争力。

3. 人工智能应用：科学知识图谱为人工智能系统提供了丰富的背景知识和语义信息。

集成学习综述

集成学习综述梁英毅摘要机器学习方法在生产、科研和生活中有着广泛应用，而集成学习则是机器学习的首要热门方向[1]。

集成学习是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。

本文对集成学习的概念以及一些主要的集成学习方法进行简介，以便于进行进一步的研究。

一、引言机器学习是计算机科学中研究怎么让机器具有学习能力的分支，[2]把机器学习的目标归纳为“给出关于如何进行学习的严格的、计算上具体的、合理的说明”。

[3]指出四类问题的解决对于人类来说是困难的甚至不可能的，从而说明机器学习的必要性。

目前，机器学习方法已经在科学研究、语音识别、人脸识别、手写识别、数据挖掘、医疗诊断、游戏等等领域之中得到应用[1, 4]。

随着机器学习方法的普及，机器学习方面的研究也越来越热门，目前来说机器学习的研究主要分为四个大方向[1]： a) 通过集成学习方法提高学习精度；b) 扩大学习规模；c) 强化学习；d) 学习复杂的随机模型；有关Machine Learning 的进一步介绍请参考[5, 1,3, 4, 6]。

本文的目的是对集成学习的各种方法进行综述，以了解当前集成学习方面的进展和问题。

本文以下内容组织如下：第二节首先介绍集成学习；第三节对一些常见的集成学习方法进行简单介绍；第四节给出一些关于集成学习的分析方法和分析结果。

二、集成学习简介1、分类问题分类问题属于概念学习的范畴。

分类问题是集成学习的基本研究问题，简单来说就是把一系列实例根据某种规则进行分类，这实际上是要寻找某个函数)(x f y =，使得对于一个给定的实例x ，找出正确的分类。

机器学习中的解决思路是通过某种学习方法在假设空间中找出一个足够好的函数来近似，这个近似函数就叫做分类器[7]。

y h f h2、什么是集成学习传统的机器学习方法是在一个由各种可能的函数构成的空间（称为“假设空间”）中寻找一个最接近实际分类函数的分类器h [6]。

知识创新研究综述与评析

的特征、方式等有待深化和完善；需要进一步拓展揭示知识创新机理的新方法；有针对性的知识创新机制需要持续
探索与应用。关键词知识创新知识创新机理研究综述
中图分类号
Ｇ３０２
文献标识码
Ａ
文章编号
１００２ — １９６５（２０１３）０２ — ００８８ — ０５
０引言
随着全球化、区域一体化的不断发展和知识经济的兴起，知识创新已成为知识经济发展的生命线，是提升国家和地区竞争力的有效途径。在知识经济时代，
国家的创新能力是决定一个国家在国际竞争和世界格局中的地位的重要因素，企业的创新能力是关系到企
ｅｑｒｕｉｅｒｉｍｐｒｏｖｅｍｅｎｔ．ａｎｄｈｅｔｐｅｒｔｉｎｅｎｔｍｅｃｈｎｉａｓｍｓｆｏｎｏｋｗｌｄｇｅｅｉｎｎｏｖａｉｔｏｎｎｅｅｄｔ０ｅｂｃｏｎｉｔｎｕｏｕｓｌｙｅｘｐｌｏｒｅｄｎｄａａｐｐｌｉｅｄ．ＫｅｙｗｏｒｄｓｋｎｏｗｌｅｄｇｅｉｎｎｏｖａｉｏｔｎｍｅｃｈｎｉａｓｍｏｆｎｏｋｗｌｄｇｅｅｉｎｎｏｖａｉｔｏｎＲｅｖｉｅｗ
第３２卷第２期２０１３年２月
情
报
杂
志
ＪＯＵＲＮＡＬＯＦＩＮＴＥＬＬＩＧＥＮＣＥ￣

大数据背景下知识融合研究综述

大数据背景下知识融合研究综述作者：高国伟梁力琛李永先郭琪来源：《电子商务》2019年第06期摘要：网络大数据中包含着海量的知识资源，这些资源在知识服务的过程中发挥着极其重要的作用。

如何从多源异构的海量数据中准确地提取知识并加以有效利用成为当前知识服务的热点问题。

本文以当前大数据背景下知识融合研究现状为出发点，对当前知识融合领域内的相关文献资料进行分析，从传统的知识融合的理论结构、关键技术、学科或领域间的交互运用入手，归纳并总结知识融合的理论方法与框架模型，从而探讨大数据环境背景下的知识融合研究的新进展以及对未来做出展望，同时在此基础上进行评述，以期为该领域更为深入的发展提供参考。

关键词：大数据;知识融合;知识服务伴随着互联网技术的不断普及和创新，大数据时代逐渐走进我们的视野。

大数据不仅是一种实用性很强的分析工具，而且也是一种重要的思维方式。

但大数据为我们带来许多积极影响的同时也面临着众多亟待解决的问题。

在大数据背景下，知识库的容量不断被丰富，如何让所得知识得到最大化利用就成为了现阶段知识学科需要面对的头等问题。

为了突破这个难点，相关知识领域的专家学者提出了“知识融合”这一概念并对其进行了深度研究。

不断地促进和发展相关理论与技术，从而达到解决问题的目标。

知识融合是一门交叉学科，它通过对多元异构的分布式知识进行组织提取，以知识需求作为最终目的对知识进行转化融合等过程，从而获取高效、高价值的新知识。

自20世纪90年代以后知识融合概念进入学术界以来，国内外的众多学者对知识融合问题开展了多方面的研究，综合现阶段的知识融合领域相关文献，可以发现当前的研究重点主要在融合算法和体系建设两方面。

知识融合的相关文献在不断的增长，但还未有一个相对全面的的研究综述和系统归纳。

本文通过对当前知识融合领域的相关文献期刊进行分析，并分别从知识融合的理论结构、融合算法、学科或领域间的交互应用等方面进行归纳总结，并对知识融合的未来发展提出了展望，以期为知识服务的相关研究提供一些借鉴和参考。

信息集成研究综述

（ｍｐｔｒＣｅｔｒＳｈｏｆＣｍｐｕｅ，ｕａｉｅｓｔＷｕｎ４０７Ｃｏｕｅｎｅ，ｃｏｌｏｏｔｒＷｈｎＵｎｖｒｉｙ，ｈａ３０２）（ｔｔｙＬａｒｔｒｆＳｆｗａｅＥｎｉｅｒｎＷｕａｉｅｓｔＷｕａ３０２）ＳａｅＫｅｂｏａｏｙｏｏｔｒｇｎｅｉｇ，ｈｎＵｎｖｒｉｙ，ｈｎ４０７
ｉｅａｔｏｎｔｇｒｉｎ．
ＫｅｗｏｄＩｆｒｔｎｉｔｇａｉｎＨｅｅｏｅｅｕ，ＡＶ，ｙｔｓｎｏｍａｉｎｅｒｔ，ｔｒｇｎｏｏｏｓＬＧＡＶ，ｅ — ｔｃｕｅａａＳｍｉｒｔｒｄｔｓｕｄ
维普资讯
计算机科学２０Ｖ１３ № ．０６ｏ．３７
信息集成研究综述＊）
杨先娣彭智勇刘君强李旭辉
Hale Waihona Puke （汉大学计算机学院武汉大学计算中心武汉４０７）武３０２（汉大学软件工程国家重点实验室武汉４０７）武３０２
的研究做了综述，包括信息集成的方法、逻辑框架、查询处理，以及Ｗｅｂ上半结构化数据的集成。最后，对将来的研究
主题进行了展望。
关键词
信息集成，构，ＡＶ，ＡＶ，结构化数据异ＬＧ半
ＡｎＯｖｒｉｗｆＩｏｍａｔｏｎｔｇａｉｅｖｅｏｎｆｒｉｎＩｅｒｔｏｎＹＡＮＧａ－ＰＥＸｉｎＤｉＮＧｈ— ｎ２ＬＩＪｎＱｉｎｚＬ — ｉＺｉＹｏｇＵｕ－ａｇＩＸｕＨｕ。

知识网络研究进展及评述

知识网络研究进展及评述摘要：本文综述了近年来知识网络研究的主要进展，讨论了不同技术如机器学习、图神经网络、自然语言处理等如何构建和开发知识网络. 文章总结了知识网络的优势，以及在认知与预测应用方面的突出优势。

最后，文章给出了一些展望，如自动补全、可视化和无监督学习等方面如何改进知识网络。

关键词：知识网络，机器学习，图神经网络，自然语言处理，无监督学习正文：近年来，随着人工智能技术的飞速发展，研究者们着眼于知识网络的研究，将不同的技术融合在一起，以便构建出复杂的和形象化的知识网络。

知识网络是机器学习的一个重要的子领域，研究者们希望通过有效的方法将知识整合到一个集成的模型中，以最大限度地提升认知和决策性能。

目前，机器学习和图神经网络已经成为构建和开发知识网络的首选技术。

机器学习技术可以用来从大量的数据中自动提取特征以及模式，使得知识网络的构建和开发变得更加容易。

而图神经网络则提供了将一系列特征包装到一个集成的模型中的功能，有助于精确地模拟各种复杂的实际问题。

此外，自然语言处理也被广泛用于知识网络的构建和开发，以充分利用文本中的信息，从而帮助知识网络有效地模拟和预测各种复杂的现实问题。

知识网络具有多重优势，既可以处理模糊性，有助于解决复杂的现实问题，而且还能够有效地抽取文本和图像中的有用信息。

知识网络还在认知和预测应用中具有突出的优势。

例如，知识网络可以帮助机器阅读，构建复杂的句子理解模型，从而改善搜索引擎的结果。

此外，由于知识网络拥有大量的数据，它可以帮助机器学习模型更准确地预测复杂的问题，如股市预测、天气预报等。

尽管知识网络的研究取得了巨大的成功，但仍有一些挑战和机遇可以探索。

譬如，知识网络仍然需要改进，特别是在自动补全、可视化和无监督学习等领域，以便更好地支持知识网络的发展。

所以，研究者们可以以此为基础，继续探索更多的知识网络技术，以开发更为实用的知识网络模型。

另外，未来知识网络的发展也会受到越来越复杂的应用领域的挑战。

科学知识图谱研究综述

科学知识图谱研究综述一、本文概述随着信息技术的快速发展和大数据时代的到来，科学知识图谱作为一种新型的知识表示和组织方式，受到了广泛的关注和研究。

本文旨在对科学知识图谱的研究进行全面的综述，梳理其发展历程、基本原理、构建方法以及应用领域等方面的研究成果。

通过对现有文献的梳理和分析，本文旨在为相关领域的研究者提供一个清晰、系统的科学知识图谱研究视角，为未来的研究提供借鉴和参考。

本文将对科学知识图谱的基本概念进行界定，明确其研究范畴和核心要素。

接着，将回顾科学知识图谱的发展历程，分析其在不同阶段的特点和发展趋势。

在此基础上，本文将重点介绍科学知识图谱的构建方法和技术，包括知识抽取、知识融合、知识表示和推理等方面的研究进展。

还将探讨科学知识图谱在各个领域的应用实践，如智能问答、语义搜索、推荐系统等。

本文将对科学知识图谱研究面临的挑战和未来发展方向进行深入分析，以期为相关领域的研究者提供有益的启示和思考。

通过本文的综述，相信读者能够全面了解科学知识图谱的研究现状和发展趋势，为进一步推动科学知识图谱的研究和应用提供有力支持。

二、科学知识图谱的基本概念科学知识图谱，又称科学知识域可视化图谱，是一种基于图论和网络科学的知识表示方法。

它以科学知识为研究对象，通过数据挖掘、信息抽取、知识计量和图形绘制等一系列技术手段，将科学知识以图形化的方式展示，揭示出科学知识的结构、演化、关联和交叉等深层次信息。

科学知识图谱的构建基础是大量的科学文献数据，包括学术论文、专利、科研项目等。

通过对这些数据进行清洗、预处理和语义标注，可以提取出科学实体（如科学家、研究机构、关键词等）以及它们之间的关系（如合作关系、引用关系等）。

这些实体和关系被抽象为图谱中的节点和边，进而形成一张复杂的网络结构。

科学知识图谱具有多种功能和应用。

它可以作为科学计量学的研究工具，用于分析科学领域的发展趋势、研究热点和学科交叉等。

它可以作为科研人员的辅助工具，帮助他们了解研究领域的前沿动态、寻找合作伙伴和潜在的研究方向。

高校知识共享研究综述

ＲｅｖｉｅｗｏｆＫｎｏｗＩｅｄｇｅＳｈａｒｉｎｇｉｎＵｎｉｖｅｒｓｉｔｙ／／ＷｕＢｉｎ，ＳｏｎｇＹｅ
ＡｂｓｔｒａｃｔＡｔｐｒｅｓｅｎｔ，ｔｈｅｒｅａｒｅｍａｎｙｒｅｓｔｒｉｃｔｉｎｇｆａｃｔｏｒｓｉｎＫｎｏｗｌｅｄｇｅｓｈａｒｉｎｇ．Ｆｏｒｅｘａｍｐｌｅ，ｉｎｔｅｒｎａｌ
ｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｉＳｎｏｔｐｅｒｆｅｃｔ，ｌｏｗｌｅｖｅｌｏｆＫｎｏｗｌｅｄｇｅｓｈａｒｉｎｇ，ｔｈｅｒａｎｇｅｏｆＫｎｏｗ１ｅｄｇｅｓｈａｒｉｎｇｉＳｓｍａｌ１，ｔｈｅｆｏｒｍｏｆＫｎｏｗｌｅｄｇｅｉＳｔＯ０Ｓｉｍｐｌｅ．Ａｆｔｅｒｂｒｏｗｓｉｎｇｔｈｅｅｘｉｓｔｉｎｇ１ｉｔｅｒａｔｕｒｅ．ＴｈｉＳａｒｔｉＯ１ｅｓｕｍｍａｒｉｚｅｄａｎｄｃｏｍｂｅｄｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｋｎｏｗｌｅｄｇｅｍａｎａｇｅｍｅｎｔａｎｄｒｅｓｅａｒｃｈｔｅａｍ，
ａｎｄｏｎｔｈｉＳｂａｓｉｓｉｔｐｕｔｓｆｏｒｗａｒｄｓｏｍｅｏｐｉｎｉｏｎｓａｎｄｓｕｇｇｅｓｔｉｏｎｓｏｆｕｎｉｖｅｒｓｉｔｙｋｎｏｗｌｅｄｇｅｓｈａｒｉｎｇ．

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)。

[ 7]
16
研究与发展管理
[ 8]
第 22 卷
显性知识和隐性知识经过集成形成新的知识体系. 刘兴城
认为知识集成是指通过对不同层次的知识与
知识、知识与人、知识与过程的整合, 实现知识创新 , 最终提升组织核心竞争力的动态过程 . 学者们从不同角度给出知识集成的概念, 但是迄今为止 , 知识集成仍然没有统一的定义. 从概念的演变过程可以看出 , 知识集成越来越被赋予了更为深刻的内涵 . 早期的定义主要局限在知识集成的重要性、过程和目标的表述, 近期则强调了知识集成方法、本质等要素对知识集成的重要性. 综合分析上述定义 , 主要包含以下几个要点: 知识集成的对象包括组织内部各类人员、各协作单位以及不同组织之间的各知识集成活动包括识别、获取、共享、综合组织内外部知识 , 并种显性和隐性知识, 这里包含了两个维度 , 一个是显性知识与隐性知识间的集成, 另一个是个人知识、群体知识、组织知识和组织间知识的集成; 形成新的知识体系; 知识集成的本质是知识创新的动态过程, 知识集成不是最终目的, 而只是自主创新中的一个重要步骤; 不能为了集成而集成 , 必须充分利用知识的集成成果来推动自主创新活动, 并创造一定的经济、社会效益以促进新一轮知识集成过程个复杂的组织、技术、人力资源管理过程; 终目的是构建组织核心竞争力 .
第 22 卷
第 6期
研究与发展管理 R & D M ANAGEM ENT
V o. l 22 N o . 6 D ec . 2010
2010 年 12 月文章编号 : 1004 8308( 2010) 06 0015 08
ห้องสมุดไป่ตู้
知识集成研究综述
蔡猷花, 陈国宏
( 福州大学管理学院 , 福州摘 350002) 要 : 知识集成是知识创新的基础 , 是各类组织拥有持久竞争优势的重要条件 . 立足于详实的文献资料 , 对
[ 5]
在文献 [ 3] 的研究基础上指出知识集成是信息
系统集成的最终目标 , 因为系统之间交换的数据和信息都是知识的载体 , 因而知识集成也最具潜力和最 [ 6] 难于实现. 陈力和鲁若愚认为知识集成 ( 整合 ) 是企业对其内部知识重新整理 , 摒弃无用的知识, 并将企业中员工和组织的知识有机地融合起来 , 使之具有较强的柔性、条理性和系统性, 必要时需对原有知识体系进行重构, 并以此形成企业的新的核心知识体系. 王娟茹等强调知识集成是运用科学的方法对不同来源、不同层次、不同结构、不同内容的知识进行综合 , 实施再建构 , 使单一知识、零散知识、新旧知识、
随着知识经济时代的到来 , 知识已经逐渐成为社会经济发展以及企业成长的关键性资源 , 创造、运用知识的能力成为企业取得优势的重要源泉 . 知识集成则为企业发展知识资源并创造适应于市场变化的新产品提供了途径. 一些先进技术及系统集成方法的使用和发展的关键都是以知识集成为核心. 在技术创新过程中 , 各种知识要素的集成是保障技术创新成效的重要条件; 知识集成的目标是实现有效的知识利用, 提高科技创新能力. 近年来, 随着知识集成实践广泛而深入的发展 , 知识集成理论研究因其对实践的重要意义而日益成为研究的热点. 对知识集成开展系统研究 , 对提高我国企业的创新能力和实施跨越式发展同样具有重要意义 . 近年来 , 国内外学者对于知识集成开展了大量的研究, 研究文献呈现逐年递增趋势, 这些文献频繁出现在经济和管理类的各类期刊 . 纵观这些研究文献可以发现 , 对知识集成的研究大致经历了这样一个过程 : 知识集成是作为产品开发创新的策略、克服组织系统管理界面障碍的重要方式、提升用户服务价值的重要手段而进行研究的 ; 知识集成被提升到了构建和发展组织能力的战略高度而进行研究 . 但是, 目前关于知识集成的研究内容和成果还是较为零星、没有形成系统. 为能比较全面地反映国内外学者们的研究成果, 本文对知识集成的研究文献进行归纳梳理, 总结当前知识集成研究的热点 , 指出当前研究存在的问题和研究趋势, 这对进一步深化理论研究具有更好的针对性和借鉴意义, 对于丰富和完善知识管理理论和集成理论起到重要的基础性作用.
[ 19]
具有共享效应 , 在知识资源整合的基础上, 将整合后的知识充分共享 , 在机构内外
进行交流, 达到知识推广的目的 ;
识的协调发展, 促进系统有序程度的提高 , 有助于创新目标的实现 ;
各类知识融合在一起 , 可以形成优势互补 , 从而产生 1+ 1> 2 的规模效应
.
2 2 . 2 知识集成模式知识集成模式主要用来描述知识与知识之间、知识与人之间、知识与过程之间的关系, 是对如何进行知识集成的指导 . 研究者从不同角度出发, 得到五种知识集成模式: 基于知识内容的 SEC I( socialization , ex ternalization, com b in ation , team, organ izat io n , inter o rgan ization)模式模式式
[ 8]
组织中丰富的积累性学识 , 资源学派认为集成知识是不可模仿和不可替代的资源 , 但是 , 两者都强调了知识集成在构建组织竞争优势中的重要作用 . 著名科学家钱学森在 1994年提出了定性和定量综合集成的思想, 其核心是专家群体、数据和各种信
第 6期
蔡猷花等 : 知识集成研究综述
17
息与计算机仿真有机地结合起来, 把有关学科的科学理论和人的经验与知识集成起来, 发挥综合系统的整体优势, 解决诸如大型项目的综合论证、评估、决策、进度和风险的综合分析等复杂巨系统问题 . 陈力和鲁若愚
[ 15]
系结构 . 胡沙和李建军
针对模具企业的特点及其知识共享与重用的需求, 研究了基于本体的知识表
达、规则推理和异构环境知识获取与重用等关键技术, 实现了知识集成系统原型 . 以上这些研究涉及不同的行业、不同的组织形式 , 包括单个组织内部、组织与组织之间的知识集成 . 随着信息技术的进步 , 供应链企业之间、产业集群内各企业之间的知识集成逐渐成为主要研究对象. 对于这些对象的知识集成主要应用本体论、多 Agen 、 t 小世界网络、资源描述框架模式、可扩展标记语言 ( ex ten sib le m arkup fra m ework , XML ) 和语义网等技术. 2 2 管理领域对知识集成的研究目前管理领域对知识集成的研究大多集中在单个组织的知识管理层面 , 研究内容包括知识集成的重要性、知识集成模式、知识集成与创新、知识集成能力与评价、知识集成应用等方面. 2 2 1 知识集成的重要性各个学派对于知识集成的重要性表述各不相同, 能力学派认为集成知识是
国内外主要的知识集成研究进行了较为全面的梳理 . 介绍了知识集成的含义 , 分析了计算机科学领域和管理领域对知识集成的研究情况 , 在此基础上 , 指出当前知识集成的研究热点、现有研究存在的问题以及今后的研究方向 . 这对进一步深化理论研究具有更好的针对性和借鉴意义 , 对于丰富和完善知识管理理论和集成理论具有重要的基础性作用 . 关键词 : 知识集成 ; 知识管理 ; 综述中图分类号 : F 062. 5 文献标识码 : A
; 基于认识论、本体论和知识范围的知识集成三维模式
[ 8]
. 另外, 刘兴城和安小米
认为知识集成模式应该是一个多维度和多层次的集成模式体系 , 而不仅
仅是对知识这单一角度划分而得出的集成模式 . 知识集成模式还可以从知识管理、知识集成手段、知识集成效果等角度总结出知识集成的不同模式. 20 世纪 90 年代以来 , 创新模式逐渐升级为基于模块化设计的网络化创新模式, 这种网络化创新模式一般是在一个集群环境, 通过对企业间知识的有效集成来提高 [ 22] 集群的创新潜能 . 骆品亮和刘明宇研究了模块化创新的网络化知识集成模式 . 从严格意义上来讲, SEC I模式属于知识创造模式 , 但对于知识集成来说, 该模式仍具有重要的指导意义; I TO I模式考虑个体、团队、组织和组织间知识在同一层面和不同层面的集成, 在组织中, 这种层次性是与生俱来的, 因此, I TO I模式更具有实际意义; 知识集成三维模式是在认识论、本体论和知识范围这三种理论基础上进行设计的 . 与 SEC I 、I TO I对比 , 三维模式增加了知识的范围 . 三维模式一个重要环节是知识共享 , 鼓励组织内部无偿地知识共享, 这样才能克服知识的本位主义和利己主义 , 因此, 知识集成三维模式较实用 , 也比较成熟; SECI 、 ITO I 、 M SS I和知识集成三维模式属于传统意义上的模式, 基于知识生命周期的知识集成模式是知识集成模式的发展趋势. 传统的知识集成模式只考虑了知识转换这一环节 , 而忽视了知识生命周期的其他环节, 基于知识生命周期的知识集成模式则考虑了对知识的全生命周期的支持
[ 10]
知识集成平台 , 能利用多媒体技术、中间件等, 通过各种表 .
[ 11]
达方式进行知识交流 . In tranet的迅速发展为知识集成的实施提供了较理想的条件近年来 , 运用知识集成工具开展应用研究的文章逐渐增加. 徐琪等解决方案. 杨瑾
[ 12]
运用领域本体论、多 Agent 、资
[ 6]
认为知识集成的任务伴随企业的整个生命周期 , 企业为了拥有持久的竞争优势, 必须持续吸收
[ 16]
和创造新的知识 , 因而需要不断地对知识进行集成. 李军晓和黄文馨
认为集群企业在网络中互动学认为 , 企业将知识转化为产品
[ 18]
习 , 对知识进行有效集成将对企业的长远发展起到关键性作用. 魏江等
[ 1]
1 知识集成的概念
知识集成是 Grant在 1996 年正式提出的, 他认为, 企业的第一角色 , 以及企业能力的本质, 就是知 [ 2] [ 3] 识的集成 . T eese 和 Gary 从组织能力的角度认为知识集成是组织的基本职能和组织能力的本质. 顾新建和祁国宁