显性知识获取的方法与实践

显性知识存在于组织的内部和外部，显性知识获取是指将存在于组织内部和外部的信息进行提取，形成解决方案，为企业做决策而提供相关依据。显性知识获取的主要方法包括数据访问、分布式搜索、智能代理和数据挖掘等。

1．数据访问

数据访问是获取显性知识的最常见的方法，可以通过购买图书资料和数据库得以实现。随着企业信息化水平和程度的不断提高，企业非常重视电子资源的开发和利用。员工可以通过内部网或外部网络访问数据库。通过访问组织内部和外部的数据，及时获取相关信息或知识。

2．网络搜索

网络搜索引擎可以分成三类，第一类是目录式搜索引擎，主要是以人工的方式进行搜集，同时对信息进行编辑，形成信息摘要，并将信息放在事先确定好的分类框架中。目录搜索是仅仅按照目录分类的网站链接列表，用户只依靠网站上的分类目录就可以找到所需要的信息和内容。具有代表性的网站有搜狐，新浪，网易等。

第二类是全文式搜索引擎，从互联网上提取各个网站的信息建立数据库，由机器人程序自动地在互联网中搜索和发现信息，检索与用户查询条件相匹配的相关记录，然后按照一定的排列顺序将结果告知给用户。这一类搜索引擎的优点是自动化程度高、信息量大、能够及时进行更新。缺点是与用户查询条件相匹配度较差，无用信息较多。具有代表性的网站有百度，谷歌等。

第三类是元搜索引擎，主要通过一个统一的用户界面帮助许多用户在多个搜索引擎中选择和利用合适的搜索引擎来实现检索操作。元搜索引擎不具有自己独立的数据库，却可以提供统一的检索界面并能形成一个由分布的具有独立功能的多个搜索引擎构成的整体，从而实现对多个独立搜索引擎数据库的查询和数据处理。这一类搜索引擎的优点是搜索信息量大、全面，缺点是用户需要根据自己的要求进行精准查询和匹配。具有代表性的引擎包括ProFusion、MetaCrawler等。

3．智能代理

智能代理是一种具有高度智能性和自主学习性，可以根据用户的需要和要求主动地通过智能化代理服务器为用户搜索信息的一种软件系统。智能代理利用代理通信协议把加工过的信息推送给用户，同时推测用户的需求进行自主定制，完成工作计划和任务。智能代理包括知识库、规则库、推理机和各代理之间的通信协议几个部分。当用户发出信息请求之后，通信协作代理传给知识库，同时根据用户信息库中的用户的特定需求进行信息筛选。监督代理检查知识库中是否保存有用户以前的相似的信息需求，如果知识库中保存有用户以前的需求，那么就把记录提取出来推送给用户；如果知识库中没有用户的信息需求，就经规则库生成一定的搜索规则，传送给知识代理进行相关信息搜索，搜索后的结果经过滤后重新保存在信息数据库，再经过知识库的推理机制对用户的潜在需求进行推理并将用户需求保存下来，将最后结果推送给用户。(www.xing528.com)

4．数据挖掘

数据挖掘是指从大量的数据中，揭示出隐含的具有潜在价值的信息和知识的过程。数据挖掘技术通过对实例进行分析，从实例中获取知识，将知识存放于知识库中，通过数据挖掘得出的模式和规则被用来指导决策制定和预测决策效果。数据挖掘获得的信息类型包括关联、序列、分类、聚类和预测。

关联是指与单个事件相连发生的事情。人们了解到事件之间互相关联，这样的信息会帮助管理者做出更好的决策。例如，人们在购买了爆米花之后，有65%的概率会购买可乐。

序列是指与时间相关的事件。例如，如果购买了一个新房子，那么可能在几周之内，购房者购买冰箱和其他电器的可能性在65%以上。

分类是指通过检查已经分好类的项目，根据相应的推断规则来识别新项目所属类目数的分类模型。例如，通信公司十分担心会失去稳定的一些客户，利用分类就可以帮助他们发现那些流失客户的特征，帮助管理者推测出哪些客户将要流失。

聚类是指当没有群组被预先定义时，完成与分类相似的工作。数据挖掘工具能够从数据中发现不同的群组。从银行卡中发现类似的群组，或者根据人口统计信息来将消费者进行分类。

预测是使用一系列现有的数值对将来的数值进行预测的功能。例如，分析并发现数据中的模式用来帮助管理者估计连续变化的未来的数值，如销售数据等。