基于专家系统的个人知识管理(2)

　　1.2.2个人知识挖掘专家系统模块

知识挖掘又称为数据挖掘，就是从大量的、不完全的、模糊的、随机的数据中，提取出隐含于其中事先不为人知的、潜在有用的信息和知识的过程。基于知识发现的专家系统，其数据挖掘的原始数据对象可以是结构化的，如关系型数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分布在网络上的异构型数据。这类专家系统所采用的知识发现方法有数学的、非数学的、演绎的、归纳的等。常用的挖掘算法有分类、聚类、模式识别、可视化、决策树、遗传算法、不确定性处理等。知识挖掘的分析方法大体可分为以下4种:关联分析、时间序列分析、分类分析和聚类分析。数据挖掘或知识挖掘系统经常综合利用这4种方法。

　　1.2.3个人知识建构专家系统模块

建构主义学习理论认为:学习者在现有知识水平基础上，依靠自身建构自己的知识，积极开展社会性互动以促进学习，在真实的任务和情境之中进行有意义的学习。知识建构是知识组织的一种重要方式，是指将知识组织对象按其属性类别加以集中整序和组合的过程。知识集合、知识精炼、知识整序是知识建构的3个重要环节。具体来说，个人知识建构专家系统就是帮助个人将大量分散的、随机的、无序状态的特定知识，采用一定的方式和原则进行整序、优化和重新组配，使之形成另一形式的有序和便于有效利用的特性知识系统。CSILE(Computer-Supported Intentional Learn-ing , CSILE )/KF ( Knowledge Forum , KF )是专门为支持知识建构和创新而设计的技术，它是一种知识建构环境，能够支持个人在各类知识型机构中进行的知识探究、信息搜索、对思想的创造性加工等活动。CSILE/KF的核心是一个多媒体的共同体知识空间，共同体成员通过写短文( Note)在这个空间中贡献自己的理论、工作模型、计划、证据、参考资料等，这些短文被组织称为不同的视窗(View)。而写作是个人知识建构的一种有效方法，它能把头脑中处于半有序状态的、关于某特定专题的知识和知识单元重新排序，最后构成一个完整的知识体系，从而使个人完成头脑中知识建构、重组的过程。

　1.2.4个人知识应用专家系统模块