知识管理自学习案例多案例诱导型适配机制

知识管理自学习案例(KML-Case)体现"干中学"思想,对破解知识管理系统(KMS)的知识获取瓶颈、实现系统自学习与自组织意义重要。KML-Case适配效益决定KML-Case应用效果;然而,业内大多数系统模型与实践系统为空适配,导致案例匹配失败后的系统不作为,严重束缚了KML-Case应用价值。鉴于此,首先阐释了KML-Case适配内涵,在深入分析业内相关成果的基础上,提出了本研究的出发点,并建立KML-Case多案例综合诱导型适配机制以提升KML-Case应用效益。对此,深入讨论了KML-Case适配源案例的匹配方法以及适配案例集的确定策略;分析了基于KML-Case适配案例集构建知识表达系统的技术方案;通过案例条件方面精化以及冗余初等范畴削减两步机制,详细设计了KML-Case适配解轨迹求解算法;最后,阐明了基于解轨迹的KML-Case多案例综合诱导型适配方法与策略。算例表明,本文方法有效避免了系统匹配失败后的不作为、提升了KMS的问题求解能力。

知识管理自学习案例的自组织机制与检索算法研究

在知识经济背景下,知识上升为核心生产资料,知识管理是组织重塑核心竞争力、实现可持续发展的有效途径。知识管理自学习案例是实现知识管理系统柔性、确保其活力与有效性的知识基础,其自组织机制与检索算法决定了知识管理系统的自学习性能,并最终作用于组织知识管理的整体实施效益。是故,拟对知识管理自学习案例的自组织机制与检索算法进行系统而深入地研究。首先归纳了知识管理自学习案例的特征,并在对相关文献进行述评的基础上阐明了研究的出发点;而后,设计了基于原点距的知识管理自学习案例库的自组织机制,深入分析并系统阐明了该方法的基本思路与技术原理;继而,提出了基于原点距案例索引结构的Fish范畴确定方法,并在此基础上设计了的Fish&Shrink算法步骤。算例表明,相较于传统方法,该方法具有更高的运行效率和有效性。

知识管理自学习案例活性测度与学习阈控

文章从应用价值、环境适应与资源稀缺视角对自学习案例(KML-Case)活性内涵进行了剖析,从6个方面系统地分析了KML-Case活性测度的实施意义。在此基础上,分析、设计并提出了环境适应与资源稀缺视角下的KMLCase活性测度方法与实现策略,通过算例演示了环境适应视角下的KML-Case活性测度过程。基于KML-Case活性测度结果,阐释了KML-Case学习阈控的基本内涵,分析了KMS待存储KML-Case与待进化KML-Case的阈控方法与策略。