- •В.В. Литвин технології менеджменту знань
- •Розділ 1 основні поняття менеджменту знань
- •1.1. Основні означення менеджменту знань
- •1.1.1. Структура менеджменту знань
- •Маркетинґ Проектування Підготовка виробництва Виробництво Збут
- •1.1.2. Формування знань
- •1.1.3. Введення даних
- •1.1.4. Адміністрування
- •1.1.5. Мотивація
- •1.1.6. Особливості впровадження мз
- •1.2. Менеджмент знань
- •1.3. Базові поняття менеджменту знань
- •1.3.1. Видобування знань
- •1.3.2. Системи пізнання
- •1.3.3. Організація доступу до знань
- •1.3.4. Інновації в області автоматизації
- •1.3.5. Менеджмент знань та інформації
- •1.3.6. Менеджмент знань та Інтернет
- •1.4. Онтологічний інжиніринг
- •1.4.1. Системи керування знаннями
- •1.4.2. Онтологія
- •1.5. Висновки
- •Запитання для повторення та контролю знань
- •Розділ 2 теоретичні аспекти менеджменту та інженерії знань
- •2.1. Поле знань
- •2.1.1. Мова опису поля знань
- •2.1.2. Семіотична модель поля знань
- •2.1.3. “Піраміда” знань
- •2.2. Стратегії одержання знань
- •2.3. Теоретичні аспекти видобування знань
- •2.3.1. Психологічний аспект
- •2.3.2. Лінгвістичний аспект
- •2.3.3. Гносеологічний аспект видобування знань
- •2.4. Теоретичні аспекти структурування знань
- •2.4.1. Історична довідка
- •2.4.2. Ієрархічний підхід
- •2.4.3. Традиційні методології структуризації
- •2.4.4. Об’єктно-структурний підхід (осп)
- •Стратифікація знань предметної області
- •Матриця об’єктно-структурного аналізу
- •Запитання для повторення та контролю знань
- •Розділ 3 технології менеджменту та інженерії знань
- •3.1. Класифікація методів практичного видобування знань
- •3.2. Комунікативні методи
- •3.2.1. Пасивні методи
- •Порівняльні характеристики пасивних методів видобування знань
- •3.2.2. Активні індивідуальні методи
- •Порівняльні характеристики активних індивідуальних методів видобування
- •3.2.3. Активні групові методи
- •3.3. Текстологічні методи
- •3.3.1. Методи структурування
- •Дані концептуалізації
- •3.3.2. Еволюція систем одержання знань
- •Запитання для повторення та контролю знань
- •Завдання для самостійного розв’язування
- •Розділ 4 прикладні аспекти менеджменту та інженерії знань
- •4.1. Латентні структури знань і психосемантика
- •4.1.1. Семантичні простори і психологічне градуювання
- •Опис зв’язку між поняттями
- •4.1.2. Методи багатовимірного градуювання
- •4.1.3. Використання метафор для виявлення “прихованих” структур знань
- •4.2. Метод репертуарних решіток
- •4.2.1. Основні поняття
- •4.2.2. Методи виявлення конструктів. Метод мінімального контексту
- •4.2.3. Аналіз репертуарних решіток
- •4.2.4. Автоматизовані методи
- •4.3. Керування знаннями
- •4.3.1. Що таке “керування знаннями”?
- •4.3.2. Керування знаннями і корпоративна пам’ять
- •4.3.3. Системи omis
- •4.3.4. Особливості розроблення омis
- •4.4. Візуальне проектування баз знань як інструмент пізнання
- •4.4.1. Від понятійних карт до семантичних мереж
- •4.4.2. База знань як пізнавальний інструмент
- •4.5. Проектування гіпермедіа бд і адаптивних навчальних систем
- •4.5.1. Гіпертекстові системи
- •4.5.2. Від мультимедіа до гіпермедіа
- •4.5.3. На шляху до адаптивних навчальних систем
- •Запитання для повторення та контролю знань
- •Розділ 5 Класифікація даних та знань
- •5.1. Важливість правильної класифікації
- •5.1.1. Класифікація й об’єктно-орієнтовне проектування
- •5.1.2. Труднощі класифікації
- •5.2. Ідентифікація класів і об’єктів
- •5.2.1. Класичний і сучасний підходи
- •5.2.2. Об’єктно-орієнтований аналіз
- •5.3. Ключові абстракції й механізми
- •5.3.1. Ключові абстракції
- •5.3.2. Ідентифікація механізмів
- •5.4. Висновки
- •Запитання для повторення та контролю знань
- •Розділ 6 онтології й онтологічні системи
- •6.1. Поняття онтології
- •6.2. Моделі онтології й онтологічної системи
- •Класифікація моделей онтології
- •6.3. Методології створення і “життєвий цикл”онтології
- •6.4. Мови опису онтологій
- •6.4.1. Види owl
- •6.4.2. Структура онтологій
- •Запитання для повторення та контролю знань
- •Розділ 7 Програмні засоби побудови онтологій
- •7.1. Онтологія як засіб формалізації та алгоритмізації знань в інтелектуальній системі
- •7.1.1. Аналіз підходів до навчання онтологій
- •7.1.2. Загальні принципи проектування онтологій
- •7.1.3. Формати та стандарти подання інформації
- •7.1.4. Засоби для створення онтології
- •7.2. Технологія розроблення онтологій в редакторі Protégé
- •7.2.1. Еволюція Protégé
- •7.2.2. Protégé-owl. Мова Web онтологій owl
- •7.2.3. Основні терміни та поняття у Protégé-owl
- •Терміни та їх синоніми
- •7.2.4. Методика розроблення онтології засобами Protégé
- •Створення й експлуатація онтології
- •7.2.5. Створення онтології
- •Запитання для повторення та контролю знань
- •Завдання для самостійного розв’язування
- •Література
- •Литвин Василь Володимирович технології менеджменту знань
- •V lp.Com.Ua, ел. Пошта: vmr@vlp.Com.Ua
4.3.4. Особливості розроблення омis
Оскільки розроблення систем корпоративної пам’яті – це, насамперед, програмний проект, то для нього застосовують традиційні технології розроблення великих програмних систем. У кожному програмному проекті першим кроком у розробленні є аналіз вимог, у якому мають бути знайдені відповіді на такі запитання:
Які завдання повинні підтримуватися?
Яка інформація необхідна, щоб вирішити ці завдання?
Який тип підтримки хочуть користувачі?
Який рівень витрат на розроблення?
Яких змін очікувати в майбутньому?
Шукаючи відповіді на ці запитання, варто враховувати таке.
1. Людський фактор. Основна причина невдач ранніх відомих проектів OMIS полягала в тому, що розроблювачі ігнорували реальні потреби, здатності й цілі користувачів системи.
2. Аналіз вартості. По-перше, ядро проекту має орієнтуватися на критичні процеси, що “страждають” від нестачі інформаційної підтримки. По-друге, не треба перевантажувати початкову систему занадто великою кількістю послуг, які можуть бути бажаними, але не передбачають швидкого повернення інвестицій.
3. Еволюція знань. Електронна підтримка особливо цінна в галузях, що піддаються швидким змінам, тому що на таких підприємствах важко забезпечити доступ до оперативної сучасної інформації. У системах OMIS часто використовують різні нові технології опрацювання знань, що не мають покищо загальноприйнятих слов’янськомовних термінів і пов’язані з одержанням нового знання в результаті аналізу даних, наприклад “відкриття або розвідка знань” (Knowledge Discovery) і “видобування даних” (Data Mining). Розвідка знань – це новий напрям, що швидко розвивається і який займається “нетривіальним видобуванням точної, раніше невідомої й потенційно корисної інформації з даних”. У методах розвідки даних використовують різні підходи до аналізу тексту й числових даних, плюс спеціальний інструментарій статистичного аналізу.
4. Чутливість до контексту для природно-мовних запитів. Система повинна “розуміти” контекст запитувачів. Наприклад, вона повинна розрізняти терміни “розмноження тварин” і “розмноження документів”.
5. Гнучкість. Система повинна мати можливість опрацьовувати знання в різній формі й з різних тем у контексті роботи певного підприємства.
6. Інтелектуальність. Система повинна нагромаджувати інформацію про своїх користувачів і про знання, які вона одержує під час роботи. Отже, з часом її можливість “продумано” надавати користувачам знання повинна вдосконалюватися.
До останнього часу у процесі розроблення ОМІS залишається багато дослідницьких питань.
Проблема узагальнення моделей даних, словників понять або тезаурусів, онтології. Підстава для об’єднаної експлуатації даних, документів і формального знання – побудова об’єднаних метамоделей даних і знань. Корисними були б процедури автоматичного породження тезауруса з наявних масивів документів. Об’єднана онтологія/тезаурус може використовуватися, щоб поліпшити пошук, фільтрацію й маршрутизацію документів.
Проблема об’єднання логічного висновку й інформаційного пошуку. Об’єднана експлуатація формальних і неформальних подань знань і даних – це послідовне зближення логічних методів і методів інформаційного пошуку й індексації даних.
З’єднання ділових процесів і керування знаннями. Остаточна мета полягає в тому, щоб виявляти інформаційну потребу протягом виконання виробничого процесу й визначати доречне знання у специфічному контексті завдання. Перший прагматичний крок у цьому напрямі описано у роботі [137], де автори пропонують використовувати інформацію контексту завдання для інформаційної фільтрації.
Корпоративна пам’ять інтегрує знання, щоб у вирішенні нових завдань спертися на попередньо нагромаджений досвід. Отже, можна уникати повторення помилок, досвід може розширюватися систематично й інформаційноємні процеси роботи можуть бути виконані ефективнішими способами. На відміну від експертних систем, первинна мета систем ОМІS – не підтримка одного специфічного завдання, а краща експлуатація необхідного загального ресурсу – знань.
Зараз існує значний інтерес до КМ із боку промислових компаній, які усвідомлюють високий прикладний потенціал корпоративної пам’яті для вирішення багатьох практичних завдань опрацювання інформації. З іншого боку, небагато проектів розвиваються до стадії прототипу, що очевидно показує, що компанії намагаються уникати витрат і ризику вкладення капіталу в нові технології, які ще маловідомі.