第七章 知識管理.

Presentation on theme: "第七章 知識管理."— Presentation transcript:

1 第七章 知識管理

2 本章大綱 第一節 導論 第二節 知識的基本概念 第三節 知識庫與知識管理 第四節 知識表達與推理 第五節 知識工程
第六節 知識管理的成功案例 第七節 結論

3 學習目標 決策中知識的概念 DSS的知識管理架構 知識管理系統的設計 知識管理的應用

4 知識的基本概念 知識是一種存在於人們腦中的決策與判斷的準則，用以解決日常生活中所面臨的問題。知識存在的形式，可能是具體的事實（如：鐵是硬的），也可以是一種意識、識別力、智慧、法則、認知、經驗、技術、學習能力等，其中又以經驗及法則最為重要。 若以「企業組織」為著眼點，可以將知識定義為企業的無形資產（Quintas等人，1997），包含的類型有：市場及顧客資訊、產品資訊、專家的知識、人力資源資訊、核心商業流程、交易相關資訊、管理資訊（特別是決策策略）、供應商資訊（特別是交易協議與服務資訊）。

5 組織內有價值的知識 之分類 個人知識 是指員工本身所擁有的知識，包括特定技能、經驗、習慣、直覺、價值觀等。由於員工可能會離職，因此如何把員工知識化為組織的結構化知識，保留在組織內，是知識管理的重要工作。 結構知識 是屬於組織的知識，不會隨著員工離職而消失。這些知識包括實體的知識與抽象的知識。實體知識包括掌握的科技、發明、資料、文件、製程等；而抽象的知識，如策略和管理文化、組織程序等，雖然較難以看見，其價值卻可能比實體知識還高。

6 組織內有價值的知識 之分類（續） 顧客知識 是指企業所蒐集有關客戶的資訊，如顧客偏好、市場佔有率、顧客滯留率等。這些顧客知識在以「客製化」為中心的電子商務的環境中，其重要性亦很高。

7 知識與決策支援的關係 充分的知識是良好決策的必要條件
每個決策均有特殊的情境與考量，因此要制訂好的決策便一定需要有充分的知識。尤其是在管理決策中，有許多並不能完全用數字或數學模式來解決，唯有依靠判斷性的知識。 資訊科技使知識的效用更能發揮 知識若只在決策者的腦中固然能解決問題，但是對它的正確性及未來改善潛力都比較缺乏客觀的評估。透過將知識與DSS結合，不但能使知識的應用更為廣泛，而且也使知識可以受到客觀的評估與檢視。

8 圖7-1 知識的演變過程 事件 資料 資訊 知識

9 資料、資訊、知識 文字化(Contextualized) 分類(Categorized) 計算(Calculated)
淨化(Corrected) 濃縮(Condensed) 比較(Comparison) 因果(Consequences) 關聯(Connections) 互動(Conversation) 資料來源：取材自知識管理(Working Knowledge) 資料 資訊 知識 5C 4C

10 知識的分類 外顯 / 內隱知識 個人 / 組織知識 量化 / 質化的知識 依敘述 / 情境來劃分 依事實 / 因果來劃分
依初級 / 彙整(meta)劃分

11 DSS的知識管理 vs. 企業知識管理 兩者的差異
企業推動的知識管理，則涵蓋企業內各種知識的保存、開發、分享與應用，以組織運作及制度管理為主，較不涉及個別的推理技術。

12 表7-1 DSS中各模組的比較 資料管理 模式管理 知識管理 管理對象 計量資料 計算模式 判斷性知識 儲存元件 資料庫 模式庫 知識庫
管理模組 資料庫系統 模式庫系統 知識庫系統 應用方法 查詢、檢索 數學計算 邏輯推論 適合資料 文、數字 數字 文字 常用表達 表格 公式 法則

13 圖7-3 整合性的知識管理系統架構 知識庫 知識庫管理系統 儲存 檢索 實證知識 推理 公式知識 修改 程序知識 回應 /互動 刪除
推論知識 更新 知識工作者 類推知識 表現知識 學習機制

14 傳統專家系統開發時最常用的表達方式就是「法則」
知識表達 必須考慮「表達什麼？ 」及「如何表達？」 傳統專家系統開發時最常用的表達方式就是「法則」

15 推理機制 專家系統中最常用的推理策略有兩種 向前結合(Forward chaining)
在向前結合的情況下，推理機由已知的事實出發，尋找該事實所能適用的法則，如此不斷地向前推進，直到找出所需結論為止。由於這個方法是由事實出發，因此往往又稱為「資料主導」的結合法。

16 推理機制（續） 向後結合(Backward chaining)
向後結合先決定所要追求的結論，然後再尋找資料來驗證所認定之結論的正確性。若結論不正確，它再試探下一個可能結論。

17 圖7-4 向前與向後結合的 適用性 向後推理 許多條件 少數可能解答 刪減方案數目的決策樹

18 圖7-4 向前與向後結合的 適用性（續） 許多可能解答 少數可能解答 向前推理

19 不確定性的處理 造成專家系統結論不確定的原因至少有二 條件滿足的不確定性 每個法則都有許多必須滿足的條件 。 條件與結論間的不確定性
即使條件是否滿足可以正確地評價；另一個無可避免的風險，則是條件和結論之間因果關係是否絕對永遠成立。

20 不確定性的處理（續） 既然有不確定性的存在，學者們開發了許多不同的估計方法 確定因子法（CF法） 基本假設為各個不同因素或法則之間彼此獨立。

21 不確定性的處理（續1） 模糊邏輯法 希望能包容人類思考過程中的模糊和不精確性。 兩個基本原則
若幾個條件需同時成立時，其總和的確定性為它們個別確定性中的最小值。 若幾個條件只要有一個成立即可時（在「或」的情形下），其總和的確定性為它們個別確定性中的最大值。

22 知識工程 將專家知識有系統地轉化成可以電腦化、有結構的知識的過程。而協助這項轉換的人則稱為「知識工程師」。

23 圖7-5 知識工程的程序 確認 概念化 正規化 實施 測試 修訂

24 知識工程的程序 確認階段(Identification Stage) 選擇知識工程師及專家，並且分別定義各自的角色。
概念化階段(Conceptualization Stage) 讓知識工程師和專家充分溝通，並建立共識。 正規化階段(Formalization Stage) 把上一個階段定義完成的核心概念、問題及相關知識以正式的方式表達出來（如：法則），建立知識的模式，以方便瞭解及在電腦上執行。

25 知識工程的程序（續） 實施階段(Implementation Stage)
將上一個階段中所定義出來的正式知識，以軟體工具來建置成為雛形系統。 測試階段(Testing Stage) 主要是評估雛形系統中知識的正確性，以及系統表現方式是否可以正確地提供有用的資訊。 修訂階段(Revision to Complete the System) 針對測試所發現的問題，加以修正並測試，直到結果可以接受為止。

26 圖7-6 知識庫的建置階段 知識擷取 人際溝通 人機交談 機器學習 知識庫設計 知識表達 知識推理 系統建置 工具選擇
知識編碼 系統測試 系統檢驗 系統驗證

27 圖7-7 知識擷取的步驟 指認 結構 關連 測試

28 知識擷取的方式 人際溝通 知識工程師必須具備良好的溝通能力，其所用的方法以交談法(interview)及雛型分析法(Prototype Analysis)最為常見。 人機交談 以「交談式擷取軟體」為界面。為了較有系統地將專家的知識擷取出來，可以利用軟體將知識導出的流程規劃出來。

29 知識擷取的方式（續） 機器學習 以「機器學習軟體」作為知識擷取的界面。由於電腦具有大量的運算能力，加上目前人工智慧技術的發展，使得電腦可以具備部分的學習能力。

30 常見的知識擷取方式 訪談 行為分析 協定分析 書面查詢法 多專家法

31 知識擷取的輔助工具 MORE 幫助領域專家更有效率地提供專業知識，以減輕知識工程師的負擔。 AQUINAS
KRITON 可以從專家來擷取知識，也可以從書面資料來擷取知識。

32 知識擷取的輔助工具（續） AUTO-INTELLIGENCE
是一種商業化的知識擷取工具，其目的在於快速地將專家知識建置到電腦系統中，尤其適合解決分析型態問題。

33 資料探勘——從資料庫中探勘知識(KDD)
選擇(Selection) 前置處理(Preprocessing) 轉換(Transformation) 資料探勘(Data Mining) 解釋與評估(Interpretation / Evaluation) KDD的常用的技術 統計(Statistics) 人工智慧(Artificial Intelligence) 資料庫與資料倉儲(Data Warehouse)

34 良好的知識表達法 表達能力 精確地表達知識，避免知識模稜兩可。 表達效率 精簡地表達知識，避免太多不必要的雜訊。 推理效率
結構化地表達知識，以便快速推論來得到答案。 易理解性 清楚地表達知識，讓知識表達符合人類的思考模式。

35 良好的知識表達法（續） 易管理性 彈性地表達知識，讓偵錯修改更為容易。

36 系統建置的工具選擇 知識擷取工具 通常是自行開發的套裝軟體，主要目的是用來擷取某個領域的知識。 建構平台
通常是自行開發的套裝軟體，主要目的是用來建構專家系統。 建構環境 是專為建構系統而開發之套裝軟體，如Smalltalk。

37 系統建置的工具選擇（續） 建構語言 用以建構系統之程式語言，包括LISP及PROLOG 等。

38 知識編碼的步驟 檢視結構圖是否正確，並確認該結構圖所包含的知識足以達成系統目標。 若發現結構圖上有漏洞，則必須擷取額外的知識來填補。
將檢查過的結構圖，轉換成為決策樹或決策表。 檢查決策樹上的可能缺口，若有缺口便必須擷取額外的知識。

39 知識編碼的步驟（續） 由於有時決策樹會包含多種的領域知識，因此可以依據領域將決策樹分隔成適當的大小，並使用模組化的知識編碼技術。
將樹狀知識轉換成法則。

40 系統測試——知識驗證 指「正確地建置系統」，也就是先不管真實世界的事實如何，單就邏輯架構的正確性進行檢測。 目的
為了確保存在於知識庫中的知識不會互相矛盾或衝突。 知識庫中常見的問題如下 重複的法則。 法則之間互相衝突。 法則之間的相互包含。 法則之間是否有循環參照。

41 系統測試——知識評價 指「建立正確的系統」，也就是必須針對實際的問題領域，評量知識庫系統所提供的建議是否符合使用需求，以及績效正確度能否到達接受的水準。 目的 為了確保存在於知識庫中的知識是否符合真實情況的需求。

42 系統測試——知識評價（續） 兩種知識評價的做法 質化評價 對知識進行非量化的評價。 可採用下列三種方式來進行
表面評價(face validation)。 預測性評價(predictive validation)。 實地評價(field validation) 。 量化評價 以統計之類的量化方法來衡量知識系統的效果。

43 圖7-9 Loan Probe放款決策流程 流動性擔保品評估 是 是否取得流動性擔保品？ 輸入貸款基本資料 是否充分 否 評估結果
是否取得財務報表？ 是否良好？ 信用狀況評估

44 圖7-9 Loan Probe放款決策流程（續）
非流動性擔保品評估 是 是否取得非流動性擔保品？ 是否充分 否 評估結果 是否取得新的擔保或資料？