关联数据环境下基于知识地图的隐性知识发现模型研究

【摘要】：随着信息技术的不断发展,网络上的数据呈爆炸式增长。人们获取数据非常容易,但从大量数据中获取知识却比较困难。现有的数据统计分析和检索工具已经远远不能满足于人们在海量数据中获取知识的需要,特别是获取知识中的隐性知识更加困难。目前知识发现研究注重的是从显性知识进行发现来获取新的知识模式,对隐性知识发现的研究较少。显性知识发现的理论和方法对隐性知识发现并不适用,隐性知识发现成为了知识发现领域中的难点。 关联数据和知识地图理论的进一步发展为隐性知识发现带来了新的方法。关联数据的特征为隐性知识的发现提供了一种可能性,而知识地图的理论和技术为隐性知识的发现提供了新的方法。文章结合关联数据的四项基本原则,通过对关联数据数据模型,丰富的链接,数据自描述等方面的分析阐述关联数据在隐性知识发现中的作用。通过对知识地图在内容表示和关系描述方面的分析,阐述知识地图对隐性知识发现的作用。本文论述的关联数据环境下基于知识地图的隐性知识发现模型是在遵循知识发现一般规律的基础上提出来的,引入关联数据和知识地图的相关理论和技术,以关联数据为数据基础,结合知识地图对新知识模式进行可视化表示,最终实现隐性知识发现。 本文首先梳理隐性知识、隐性知识发现、关联数据、知识地图的基本概念和理论,并分析了关联数据和知识地图在隐性知识发现中的作用。然后总结了传统知识发现过程,探讨传统知识发现过程的不足。针对这些不足,本文提出了关联数据环境下基于知识地图的隐性知识发现过程,在此基础上进一步提出了关联数据环境下基于知识地图的隐性知识发现模型。该模型可分为四个模块：关联数据模块,数据处理模块,基于关联数据的知识地图模块,隐性知识发现模块。在提出这四个模块的基础上又进一步具体阐述了这四个模块所需要的技术和理论。最后,采用基于关联数据的知识地图系统——DASP系统进行案例分析,以此对本文提出的隐性知识发现模型进行验证。