基于证据推理的企业知识管理绩效评价方法

！墨墨丛！！Ｑ！二！！§！清华大学学报（自然科学版）２０Ｑ６年第４６卷第ｓ１期ＣＮ１１—２２２３／ＮＪＴｓｉｎｇｈｕａＵｎｉｖ（Ｓｃｉ＆Ｔｅｃｈ），２００６，Ｖ０１．４６，Ｎｏ．Ｓ１基于证据推理的企业知识管理绩效评价方法丁勇，梁昌勇，陆文星（合肥工业大学管理学院，合肥２３０００９）１４／４８９８３—９８９

摘要：作为知识管理的重要组成部分，知识管理绩效评价旨在帮助企业找出影响绩效提高的关键因素并及时采取有效措施，提高知识管理水平。从市场营销能力、信息管理水平、学习型组织成熟度和知识的存量水平等４个角度，分析了评价企业知识管理绩效水平应考虑的主要因素，建立了关于企业知识管理绩效评价指标体系。在此基础上，提出了运用Ｄ—ｓ证据推理方法，对企业知识管理绩效水平进行评价，并给出了证据推理的算法步骤。算例分析表明，利用Ｄ—Ｓ证据推理方法对企业知识管理绩效进行评价具有一定的有效性和应用价值。关键词：知识管理；证据推理；Ｍａｓｓ函数；绩效评价中图分类号：Ｆ２７文献标识码：Ａ文章编号：ｌｏｏｏ—００５４（２００６）Ｓ１一０９８３一０７

ＡｎｅＶａｌｕａｔｉｏｎｍｅｔｈｏｄｆｏｒｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｅｎｔｅｒｐｒｉｓｅｓ

ｋｎｏｗｌｅｄｇｅｍａｎａｇｅｍｅｎｔｂａｓｅｄｏｎｅＶｉｄｅｎｃｅｒｅａｓｏｎｉｎｇ

ＤＩＮＧＹｏｎｇ，ＬｌＡＮＧＣｈａｎｇｙｏｎｇ，ＬＵ

Ｗｅｎｘｉｎｇ

（ＳｃｈｏｏＩｏｆＭａｎａｇｅｍｅｎｔ，ＨｅｆｅｉＵｎｉＶｅｒｓｉｔｙｏｆＴｅｃｈｎｏＩｏｇｙ，Ｈｅｆｅｉ２３０００９，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ａｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｋｎｏｗｌｅｄｇｅｍａｎａｇｅｍｅｎｔ（ＫＭ），ｔｈｅＫＭｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｔｒｉｅｓｔｏｆｉｎｄｏｕｔ

ｔｈｅｋｅｙｆａｃｔｏｒｓ

ｒｅｓｔｒａｉｎｉｎｇｔｈｅｅｎｈａｎｃｅｍｅｎｔｏｆｔｈｅｅｎｔｅｒｐｒｉｓｅｓ’ｐｅｒｆｏｒｍａｎｃｅ．Ｉｎｔｈｉｓｐａｐｅｒ，ｓｏｍｅｐｒｉｍａｒｙｆａｃｔｏｒｓｏｆｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｅｎｔｅｒｐｒｉｓｅｓ

ＫＭａｒｅａｎａｌｙｚｅｄａｎｄａｎｉｎｄｅｘｓｙｓｔｅｍｏｆＫＭｐｅｒｆｏｒｍａｎｃｅｉｓｅｓｔａｂｌｉｓｈｅｄｂｙｃｏｎｓｉｄｅｒｉｎｇｓｏｍｅａｓｐｅｃｔｓ，ｓｕｃｈａｓｍａｒｋｅｔｉｎｇ

ｃａｐａｂｉｌｉｔｙ，

ｉｎｆｏｒｍａｔｉｏｎｍａｎａｇｅｍｅｎｔ，ｍａｔｕｒｉｔｙｄｅｇｒｅｅｏｆｔｈｅｌｅａｒｎｉｎｇｏ。ｇａｎｉｚａｔｉｏｎｓ，ａｎｄｋｎｏｗｌｅｄｇｅｓｔｏｃｋｓ．ＡｎｅｖｉｄｅｎｃｅｒｅａｓｏｎｉｎｇｍｅｔｈｏｄａｎｄｔｈｅａｒｉｔｈｍｅｔｉｃｓｔｅｐｓｆｏｒｅｖｉｄｅｎｃｅｒｅａｓｏｎｉｎｇａｒｅｐｒｅｓｅｎｔｅｄｔｏｅｖａｌｕａｔｅｔｈｅＫＭｐｅｒｆｏｒｍａｎｃｅ．ＴｈｅｃａｓｅａｎａｌｙｓｉｓｓｈｏｗｓｔｈａｔｔｈｅｅｖｉｄｅｎｃｅｒｅａｓｏｎｉｎｇｍｅｔｈｏｄｉｓｅｆｆｉｃｉｅｎｔａｎｄｐｒａｃｔｉｃａｌｆｏｒｔｈｅＫＭｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎ．

Ｋｅｙｗｏｒｄｓ：ｋｎｏｗｌｅｄｇｅｍａｎａｇｅｍｅｎｔ（ＫＭ）；ｅｖｉｄｅｎｃｅｒｅａｓｏｎｉｎｇ；Ｍａｓｓｆｕｎｃｔｉｏｎ；ｐｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎ

知识管理是一种综合了多学科知识和方法的，通过系统管理组织的知识资源来提高组织效率、反应能力、竞争能力、创新能力和资本价值的信息管理理论与方法，是人类信息管理活动迄今为止最高级的形式和最新发展阶段［１］。知识的有效管理对企业获得和保持竞争优势来说是极其重要的。作为知识管理重要组成部分的知识管理绩效评价，在企业知识管理过程中起着非常重要的作用。因此，如何对知识管理绩效水平进行客观、准确的评价，对于实现企业的知识管理及其发展变化的有效监控，找出影响绩效提高的关键因素并及时采取有效措旋具有非常重要的意义。有关知识管理绩效评价方法的研究已引起了许多专家、学者的广泛关注陟ｓ｜。文［２］采用ＡＨＰ和模糊数学方法对知识管理绩效进行评价；文［３］运用复合ＤＥＡ方法对企业知识管理绩效水平进行评价；文［４］运用灰关联分析方法对企业知识存量进行分析，实现对企业知识管理水平的评价；文［５］采用平衡积分卡的方法对知识管理进行评估；文［６］采用ＢＰ神经网络模型进行企业知识管理评价研究；文［７］将模糊多指标综合评价方法引入到知识管理绩效分析中；文［８］从知

收穑日期：２００６一０２—２８基金项目：国家自然科学基金资助项目（７０４７１０４６）；教育部博士点基金资助（２００４０３５９００４）作者简介：丁勇（１９６９一），男（汉），安徽，博士研究生。Ｅ—ｍａｉｌ：ｄｙ—０８１１＠１６３．ｃｏｍ通讯联系人：梁昌勇，教授，Ｅ—ｍａｉｌ：ｃｙｌｉａｎｇ＠１６３．ｃｏｍ

　万方数据　万方数据　万方数据　万方数据苏杭，等：一种新的ｗｅｂ链接提取模型９８１

做，不但能将那些肯定会影响搜索质量的“噪音”链接过滤掉，而且提供了很大的灵活性，使用户可以制定自己的过滤规则。

３．３．３ＵＲｌ等价性判断为了去掉重复冗余的链接信息，必须在获得每个正确的ＵＲＩ结果之后，将它与以前得到的结果进行比较，如果它与某个先前得到的结果指向相同的ｗｅｂ地址，则说明它是重复的，并将它过滤掉。不能单单通过比较这两个ＵＲＩ的字符串是否相同来判断它们的等价性，还应该对下列特殊情况作出判断［１０｜：

ａ）没有声明端口号或者端口号为空（如ｈｔｔｐ：／／ｔｅｓｔ：／…）都等价于显式地声明了协议的默

认端口号（如ＨＴＴＰ为８０，ＦＴＰ为２１）。ｂ）对“协议名”的比较必须是不区分大小写的。ｃ）对“网站名”比较也必须是不区分大小写的。ｄ）对于“路径”的比较，不同网站主机的设定不同，有的区分大小写（如ＵＮＩＸ的Ａｐａｃｈｅ），有的则不区分（如Ｗｉｎｄｏｗｓ的ＩＩＳ）。在比较时应该按区分大小写处理，以保证普适性。ｅ）“路径”部分为空等价于“路径”部分只有“７”。ｆ）所有的字符都等价于它的％ＨＥＸＨＥＸ形式（‘％’后接两位１６进制数的编码方式）。以上述特殊情况为前提，如果两个ＵＲＩ的字符串相等，则它们是等价的。

３．４信息存储通过上述步骤最终得到的ＵＲＩ存储在某种数据结构中供网页搜集系统调用。这个数据结构可以根据不同的需要灵活改变。不同的数据结构可以改变网页搜集的方式，比如队列（ｑｕｅｕｅ）可以使搜集以广度优先（ｂｒｅａｔｈ—ｆｉｒｓｔ）的方式进行，堆栈（ｓｔａｃｋ）可以使搜集以深度优先（ｄｅｐｔｈ—ｆｉｒｓｔ）的方式进行，而优先队列（ｐｒｉｏｒｉｔｙｑｕｅｕｅ）则可以使搜集按搜索引擎定义的优先级顺序（根据连接速度或重要程度等要素给出）进行。因此可以在提供相同的访问接口（如：得到下一个ＵＲＩ）的基础上实现不同的数据存储结构。这样便提供了非常高的灵活性和可扩展性。

４模型的性能测试与结果分析本文选择北大天网ＷＷＷ搜索引擎（ｈｔｔｐ：／／ｅ．ｐｋｕ．ｅｄｕ．ｃｎ）ＵＲＩ数据库作为测试样本对上述模型性能进行测评。测试条件和结果参见表２和表３。

表２测试条件测试条件描述样本来源样本数量测试系统对结果的筛选规则（两者相天网ＷＷＷ搜索引擎ＵＲＩ数据库５４８３个没有重复的ＵＲＩ在ＬＩＮｕｘ下编写的相同的测试代码过滤掉所有“查询字符串”不为空的结果；过滤掉所有包含“ｃｇｉ＿ｂｉｎ”子串的结果；过滤掉所有包含“ｇａｔｅ”子串的结果；同）只保留以ＨＴＴＰ为协议的ＵＲＩ

新模型提取出的链接数传统模型提取出的链接数无效样本数新模型提取出的错误ｕＲＩ数目传统模型提取出的错误ＵＲＩ数目

两者提取出的正确ＵＲＩ数目差距２３７６３１２２８７６９６５５３３１４３９３（６．３％）新模型比传统模型多２３２２２（１０．８％）；

平均每个样本网页多４．８个正确结果．

由此可见，新的设计思想在实现目标上较传统方法具有明显优势。首先，在“正确性”方面，它能够做到准确定位ＨＴＭＬ文档中的ｕＲＩ信息，大大减少了错误的匹配；能够正确地对提取出来的ＵＲＩ信息进行加工，并能较全面地将各种类型的错误ＵＲＩ过滤掉。在“全面性”方面，能够更多地找到ＨＴＭＬ网页中出现的ＵＲＩ资源，比如（ｍｅｔａ＞中出现的用于重定向的ＵＲＩ。最后，在“可扩展性”方面，ＨＴＭＬ文法分析引擎驱动钩子程序的处理方式大大增加了模块的独立

　万方数据９８８清华大学学报（自然科学版）２００６，４６（ｓ１）Ｕ１Ｈ３（Ｏ．０８１８），日４（Ｏ．７４３７）日５（Ｏ．１６９７），日８（０．００４８）日３（Ｏ．１６９６），日４（０．６４３２）Ｈ５（Ｏ．１８２２），Ｈ８（Ｏ．００５Ｏ）Ｈ３（Ｏ．１９０６），日４（Ｏ．７１６３）日５（Ｏ．０８８５），日８（Ｏ．００４６）

日３（Ｏ．２５４７），日４（Ｏ．６８５２）Ｈ５（Ｏ．０５１３），日８（Ｏ．００８８）日３（Ｏ．１８５１），Ｈ４（Ｏ．６２３２）Ｈ５（Ｏ．１８１２），凰（Ｏ．０１０５）日３（Ｏ．３３３１），日４（Ｏ．５１０２）

日５（Ｏ．１４５２），日日（Ｏ．０１１５）

利用式（２）对专家关于各一级指标的合成结果再一次合成，这一过程是对专家的意见进行集结的过程，得到关于一级指标阢的新Ｍａｓｓ函数，如表７所示。表７关于指标阢新的评价值（第二次证据合成结果）

利用式（３）计算关于企业Ａｉ在一级指标Ｕｉ上的综合评价值＆，见表８。表８关于指标仉的综合评价值最后根据各一级指标的权重和综合评价值Ｓｉ，利用加权法得出关于目标ｕ的评价值，如表９所示。因此，得到３家企业的知识管理绩效评价结果为Ａ２＞Ａ３＞Ａ１。表９关于￡，的评价值算例分析表明，基于证据推理的企业知识管理绩效评价过程，可以帮助企业及时发现影响知识管理水平的瓶颈，针对薄弱环节，采取有效措施，提高知识管理绩效。６结语Ｄ—Ｓ证据理论具有以下优点：１）证据理论对“未知性”的表示更加明确和更加合理；２）可处理综合不同信度函数的Ｄｅｍｐｓｔｅｒ合成规则，而概率论框架不便处理不同概率函数的综合；３）Ｄｅｍｐｓｔｅｒ合成规则反映了“证据汇集”的涵义，如果将两个相互支持的证据合成，则结果表现出证据增强的效果；如果对两个冲突的证据合成，则结果表示出证据抵消和抑制的效果。这两种情况都比较符合人们对证据综合作用的直观认识；４）不需要已知命题的先验信息，推理形式简单。但是，证据理论也存在证据冲突处理、证据组合后引起焦元的“爆炸”等问题，值得进一步的研究和探讨。企业知识管理绩效评价是一个涉及众多复杂的、不确定性因素的系统工程，评价的最大难度在于完善的评价指标体系的建立以及评价指标值的量化。本文提出了一种基于Ｄ—Ｓ证据理论的不确定性推理方法，在建立合适的评价指标体系的基础上，对企业知识管理绩效进行评价。用ＶｉｓｕａｌＦｏｘｐｒｏ８．ｏ

编制程序对算例进行分析，得到了满意结果。算例表明，利用Ｄ—Ｓ证据推理方法对企业知识管理绩效进行评价具有有效性和一定的应用价值。