知識(shí)管理系統(tǒng)中的知識(shí)樹的自動(dòng)構(gòu)建技術(shù)研究.pdf

1、我們正處于一個(gè)知識(shí)經(jīng)濟(jì)的時(shí)代，知識(shí)正取代傳統(tǒng)的土地、自然資源、資本和勞動(dòng)力成為推動(dòng)社會(huì)進(jìn)步與發(fā)展的主要力量。知識(shí)經(jīng)濟(jì)在客觀上要求有與之相適應(yīng)的管理模式和理論，以及有效的技術(shù)手段?；谶@個(gè)背景，本文著重研究和探討了文本知識(shí)管理中知識(shí)樹的自動(dòng)構(gòu)建，文本特征選擇方法，并設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)知識(shí)管理原型系統(tǒng)。具體來說有以下幾個(gè)方面：
　　 (1)基于文本聚類方法設(shè)計(jì)了一種新的知識(shí)樹構(gòu)建方法。針對(duì)當(dāng)前知識(shí)管理系統(tǒng)中知識(shí)樹的創(chuàng)建和維護(hù)問題，設(shè)計(jì)

2、了一種新的基于文本聚類的知識(shí)樹構(gòu)建方法。由于從傳統(tǒng)的K-means和SOM等文本聚類的結(jié)果中難以提取知識(shí)樹中節(jié)點(diǎn)對(duì)應(yīng)的概念和詞匯列表，本文選取概率潛在語義分析(Probabilistic Latent SemanticAnalysis，簡(jiǎn)稱PLSA)方法進(jìn)行聚類和知識(shí)層次樹構(gòu)建。實(shí)驗(yàn)表明，新方法除了在聚類精確度上優(yōu)于傳統(tǒng)方法，聚類結(jié)果還包含文檔的主題與詞匯之間的概率關(guān)系，因此新方法在聚類的同時(shí)，可以方便的提取知識(shí)樹上每個(gè)節(jié)點(diǎn)對(duì)應(yīng)的概念或

3、概念集合。
　　 (2)基于潛在語義信息提出了一種新的特征詞選取方法。特征選擇在文本分類中起著重要的作用。文檔頻率(document frequency,簡(jiǎn)稱DF)、信息增益(information gain,簡(jiǎn)稱IG)和CHI以及類別區(qū)分詞(category-discriminating word,簡(jiǎn)稱CDW)等特征選擇方法在文本分類中廣泛應(yīng)用。上述特征選擇方法基于概率統(tǒng)計(jì)和信息論的理論提取對(duì)分類貢獻(xiàn)值大的詞，而沒有考慮詞的語