知识管理工具的分类

1.知识产生

    无须多言，知识的创造对于一个企业来说是极端重要的，它是企业具有长久生命力的保证。知识的生成包括产生新的想法，发现新的商业模式，发明新的生产流程以及对原有知识的重新合成。企业内部的知识产生有多种模式，如知识的获取、综合、创新等。不同方式的知识产生模式有不同的工具对其进行支持。

    （1）知识获取新的知识不会突然的产生，创新总是需要在前人的知识基础上进行，组织或个人实现创新的第一步是要获取大量的相关知识。最具代表性的知识获取工具就是搜索引擎。

    Internet和其它技术的产生，将人类获取知识的能力带到了一个崭新的阶段。但人们也逐渐发现自己被淹没在信息的海洋中，显得无所适从。虽然搜索引擎不能直接给人们带来知识，但是它们却提供了知识的存放位置，如果忽略搜索质量因素，象Yahoo这样的搜索引擎的确使人们十分方便的获取各种知识。最近的技术发展已经使网络搜索引擎具有了初步的智能，它能够根据用户输入的关键字，实现模糊搜索，并且能够根据用户对各条搜索结果的使用频率，自动更新搜索结果。

    Internet上的搜索引擎是企业获取外部知识的重要工具，现在已经有不少成熟的软件支持企业内部知识的获取。Lotus Notes R5提供的搜索器，能够在Notes文档中实现高效率地全文检索，并且能够实现检索条件地任意组合，使用户能够迅速地查找需要地资料。Lotus Notes R5提供的搜索器还整合了Internet搜索引擎和专家搜索器，使用户在Notes的环境下也能方便的获取其它资源。

    除了搜索工具，另外一种常用于知识获取的工具是数据挖掘技术。数据挖掘，也可以称为数据库中的知识发现（Knowledge Discovery in Database，KDD），是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程。数据挖掘运用选定的知识发现算法，从数据中提取出用户所需要的知识，这些知识可以用一种特定的方式表示或使用一些常用的表示方式。

    数据挖掘主要实现以下四种功能：

    数据总结。其目的是对数据进行浓缩，给出它的紧凑描述。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。

    数据分类。其目的是学会一个分类函数或分类模型（也称作分类器），该模型能把数据库的数据项映射到给定类别中的某一个。

    数据聚类。是把一组个体按照相似性归成若干类别，即"物以类聚"。它的目的是使属于同一类别的个体之间的距离尽可能地小，而不同类别的个体间的距离尽可能地大。

    关联规则。关联规则是形式如下的一种规则，"在购买面包和黄油的顾客中，有90％的人同时也买了牛奶"（面包＋黄油牛奶）。关联规则发现的思路还可以用于序列模式发现。用户在购买物品时，除了具有上述关联规律，还有时间或序列上的规律。通过数据挖掘工具，企业可以在凌乱的数据中，找到有用的知识。

    （2）知识的合成

    大多数的发明并不是仅仅基于单一想法，通常是多个创新点的综合产品。大多数的搜索引擎通常被设计成，在使用者提供明确的搜索条件的情况下，能够高效率的搜索与关键词相关的条目的工具。但搜索结果之间是无序的，相互独立的，即使最强大的搜索引擎也不能实现完全智能式的互动搜索。因此，常规的搜索引擎的缺陷就在于不能搜索与人脑中想法相关的知识。现在有一些工具能够帮助人们实现象IdeaFisher等工具，能够将相关的词句组合起来，帮助人们将分散的创新观点整合起来。另外一个工具，称为Inspiration，能够帮助用户形成一种概念图，从而提高使用者对知识进行合成的能力。

    （3）知识的创新

    就目前的技术水平而言，通过机器实现知识的创新还十分困难，虽然人们可以通过搜索引擎大大加强搜索的效率，通过人工智能实现简单的知识推理，达到一定程度的人工智能，但实现自动化的知识创新还十分困难，或者只能实现辅助性的知识创新。例如，名为IdeaGenerator 和 MindLink的工具通过引导人们突破思维定势来提高创新能力。知识的创新是人类最复杂的思维活动，要求机器象人类一样思维是不可能的，但人类可以设计出一些软件模拟人类思维。但即使这样，人们还要等待很长的时间。