基于知识关联网络的企业知识需求识别方法.doc

《基于知识关联网络的企业知识需求识别方法.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于知识关联网络的企业知识需求识别方法摘要：新常态下，作为我国产业创新发展主要支撑条件的公共知识服务体系建设发挥着越来越关键的作用。其中，如何精确把握产业（特别是企业）发展过程屮的知识需求问题是建设科学有效的公共知识服务体系面临着主要挑战。本文提出基于知识关联网络的企业知识需求识别方法，以期进一步提升公共知识服务的针对性和精准度，助力我国公共知识服务体系建设工作。关键词：知识关联网络；企业知识需求；识别方法中图分类号：F27；TP182文献识别码：A文章编号:1001-828X（2017）001-0000-02引言知识经济吋代，知识

2、资源已成为促进社会经济发展的核心要素，对其的宥效获取及利用能力已成为企业提高竞争力和创新力的关键。［1］从产业发展演化角度而言，正确把握产业空间中知识资源分布演化的内在逻辑和动力机制是提供有效产业知识服务的基木前提［2］;而其中的首要问题是如何有效识别经济主体（企业乃至产业）的知识需求。因此，本文提出基于知识关联网络的相关理论和技术来识别企业的知识需求，力图从伴随产业经济客观发展实际的知识表征角度来理解相关问题，以期更好地推动我国知识服务体系的建设。一、知识关联网络1.知识关联。知识关联(knowledgeassociation)指

3、的是广泛且客观存在于不同知识单元(knowledgeunit)之间的各种联系的总和。[3]由于知识并不能离开其依存的物质载体而独立存在，因此在实际研究过程中，一般使用知识载体來指代知识单元，并将知识载体之间的关系作为替代来表征知识关联。其内涵可作如下表示：定义UI={U1，U2,U3,…，Ui}为同一类型知识载体Ui的集合，定义UJ={U1,U2,U3,…，Uj}为另一类型知识载体Uj的集合，其中，uinuj为空；由此，可以将知识关联KA表示为UI的子集UIsubset与UJ的子集UJsubset之间的共现关系(co-occurre

4、ncerelation),其一般性表示如表1所示。从具体的关联规则上来讲，知识关联是一个异常复杂的集合，几乎难以对其进行分类。学界目前所采用的方法，主要是回避对具体关联类型的细分而集中去进行更具普遍性的关联规则挖掘之上，这方面的代表性研宄可以参考Hipp[4],Vaidya[5]以及Qian[6]等人的研究，限于篇幅这里不再赘述。根据事物普遍联系的客观原则，知识关联既可以用来揭示知识单元之间的一般性联系，也可以帮助人们通过这些联系来发现知识单元及知识主体之间所具有的特殊关系，并将其应用到知识管理与服务的实践中去。由于独立的知识关联木

5、身并不能够提供多少有用的信息，实践中还需要将不同的知识关联进行叠加，己建构出更具语义知识揭示能力的知识关联网络(knowledgeassociationnetwork)。2.知识关联网络。广义的知识关联网络是指由不同知识节点(若为知识单元则成为狭义知识关联网络)以及不同知识关联所共同构成的复杂语义网络，根据构成网络中知识节点是否属于同一类型，可以将知识关联网络分为异质性知识关联网络（表2）以及同质性知识关联网络（表3）两种类型。表2中，横、竖分别为不同类型的知识节点集合，而表3则是由相同类型知识节点所构成。对于同质性知识关联网络的研

6、究目前己经非常成熟，其中最为著名的就是文献计量学中的共现研究，而针对内涵更丰富的异质性知识关联网络则相对较少，己有的研究多集屮在耦合分析领域，由于其结构的特殊性，在分析方法上还有待完善。实际上，同质性知识关联网络木质上可以看成是异质性知识关联网络在受约朿条件下的特例。［7］以表3为例，可以看成是表2在约朿条件，即｛Ti｝与｛Ej｝之间存在相关性。这一结果对于解决企业知识服务的针对性和前瞻性具有重耍的价值和意义。二、企业知识需求的表征关于什么是知识需求（knowledgedemand）,目前学界尚未有清晰、统一的界定，但我们可以将其看

7、成是“一个受到内、外部环境的共同影响、动态演化的随机过程”［8］，对其进行定量描述是非常W难的。本文认为，可以间接以一种替代形式来表征和描述知识需求，其基本的思路如下：任何一个知识主体（包含企业）的活动必然会外化为某?N可以观测、记录和获取的物质形式（语言、文字、数字或图表），这些形式可以将其归类为不同的知识单元，进而构成相应的知识关联网络；那么，对于企业知识需求的研究就可以简化为对与企业相关的知识关联网络及其结构的研究。例如，以表2为例，｛Ej｝表示企业的集合，｛Ti｝表示知识单元的集合，那么aji就表示与企业Ej与知识单元Ti的

8、相关系数，系数越大说明其相关性也就越紧密。这样的表示虽简单，但其仅能够提供当前某个企业可能的知识需求，因而并未解决更加重要的需求趋势预测问题。这时候就需要综合尽可能多的相似企业知识需求信息，以期找到某些规律和结构特征，具体的做法是:在