泛信息时代图书馆知识挖掘的创新与应用 https://www.chnlib.com https://www.chnlib.com/LunWen/2017-02-02/96530.html 朱燕平(南京市委党校图书馆,江苏南京210046)关键词:图书馆管理;知识挖掘;创新与应用摘要:文章从当前的实际现状出发,分析了图书馆目前知识管理的现状,对知识挖掘技术的内容进行了阐述,并结合实际运用展开讨论。中图分类号:G250文献标识码:A文章编号:1003-1588(2014)08-0109-03收稿日期:2014-07-16作者简介:朱燕平(1962-),南京市委党校图书馆副研究馆员。1引言知识挖掘(KDD,Knowledge Discovery in Data Base)属于知识管理系统中的一种

泛信息时代图书馆知识挖掘的创新与应用


  • 时间:2017-02-06 17:24:06
  • 来源:本站发布
  • 作者:朱燕平

朱燕平

(南京市委党校图书馆,江苏南京210046)

关键词:图书馆管理;知识挖掘;创新与应用

摘要:文章从当前的实际现状出发,分析了图书馆目前知识管理的现状,对知识挖掘技术的内容进行了阐述,并结合实际运用展开讨论。

中图分类号:G250文献标识码:A文章编号:1003-1588(2014)08-0109-03

收稿日期:2014-07-16

作者简介:朱燕平(1962-),南京市委党校图书馆副研究馆员。

1引言

知识挖掘(KDD,Knowledge Discovery in Data Base)属于知识管理系统中的一种重要的技术方法,它通过借助智能化的电子工具来搜索蕴含于广阔的显性信息中的一些隐形信息,同时组建成为非常专业的知识仓库,把隐形的信息通过显性化之后提供给图书管理人员加以运用。知识挖掘非常适用于我国大型图书馆中用户对于信息服务的高需求,他可以帮助图书馆更好地组建一个知识管理系统[1]。因此,即便是知识挖掘现在还处在一种初步发展的阶段,还面临着很多需要解决的问题,当我们在构建图书馆的知识管理系统的过程中,必须要优先想到对知识挖掘进行开发利用,或者要为知识挖掘功能将来的实现做好基础,留下二次开发接口,这些都是我们研究图书馆知识挖掘流程的关键因素。作为图书馆的知识管理系统中的一个关键性的子项目,利用其功能对图书信息进行分析研究,可以更加方便图书馆的知识管理,从而优化并实现图书馆信息知识管理的流程。第一,图书馆相关的管理人士可以通过对内部知识仓库进行积极的知识挖掘来让个人知识更好地融入到知识仓库之中,从而推动了图书馆管理人士更好地融入到图书馆知识管理流程中去。第二,通过知识挖掘技术能够推动图书馆管理人士之间进行知识的共享和流转,促进图书馆管理人士所拥有的隐性知识更快地进行显性化来促进新知识的形成。第三,知识挖掘可以让图书馆管理人士第一时间搜集到知识的运用状态信息,从而完善和健全图书馆知识管理系统。

2图书馆知识管理现状分析

2.1知识管理的概念

知识管理就是把知识资源当成是一种可以深入开发的资源,通过对知识资源进行一系列的开发工作,对知识资产及其有关的资源信息进行分类综合,使一个组织所具备的适应能力、创新能力以及生存能力得以更大提升的系统管理的科学手段。知识管理强调以人为中心,将信息作为基础,通过知识共享与知识交流,最终实现知识创新的目标,从而为组织更好实现显性与隐形知识共享带来了新的方法。近年来,“知识管理”成为管理学和经济学界关注和研究的热门课题,并在很多企业中得到实际运用,因此也逐渐成为资源计划管理之后学术界普遍关注的热点之一。

2.2图书馆知识管理现状

知识管理不是一个单一的技术问题,而是一种战略性方法,涉及信息、组织、技术以及人员的系统性工作。当前,知识管理也在图书馆知识管理过程中得到了广泛的运用,正如它正逐渐在金融、医疗、制造业等领域普及一样。因为在泛信息时代,图书馆可以利用多种渠道来获取更大量的知识存储,这就必然面临知识管理问题。图书馆是知识管理的专业部门,在对知识进行实际应用的过程中,可以在第一时间发觉其管理功效及其存在的问题,比如在对信息进行收集整理的过程之中,尤其是在对网络信息进行收集的过程中,通常出现查准率和查全率偏低现象,这些现象说明已不能满足当前大部分用户对于信息服务质量的要求。图书馆就要进行有效的知识管理,必须重新整合全部知识资源,并在整合过程中对已有知识资源进行深度挖掘。如果不能科学有效地对图书馆的知识进行挖掘,也就会使图书馆潜在的知识资源无法得到深度整理,与新信息实现有机对接,必然造成知识管理达不到预期目标。当图书馆把知识当成可以进行开发和管理的资源时,并对图书馆的知识信息进行有效的挖掘管理,就一定能够让它转化为更加具备竞争力的社会生产力[2]。

3知识挖掘技术概述

3.1知识挖掘技术概况

知识挖掘实质上就是一个渐渐进化的过程,在电子数据技术处理的初级阶段,研究者就已经开始运用一些手段来实现自动决策功能,在当时,机器学习逐渐成为研究者关注的热点问题。机器学习这一过程所指的是把当前已知的同时也已经被处理之后的问题当成成功的例子输入到计算机之中,机器在浏览和阅读这些例子之后能够自动地形成一套规则,这些规则的通用性非常强,可以利用他们更好地处理一些问题。随着计算机网络技术的不断发展,研究者的注意力开始向知识工程的方向靠拢,知识工程与过去那种机器学习不同,他不仅是将问题输入到计算机并总结规则,而是直接将规则以代码的形式输入到计算机中,计算机运用这些输入的规则再去解决相应的问题[3]。上个世纪80年代,人们在这一理论方法的引导之下又回到了机器学习的手段,再将所得到的成果运用到数据库的处理上。这样一来就产生了知识挖掘这一新的概念,知识挖掘通常是从源数据里挖掘方式或者联系的手段,人们逐渐接受了这一概念,并用他来对数据挖掘的整个过程进行描述,其中包括了从业务目标的制定到对结果进行分析。

回到顶部