一种基于加权超网络模型的组织知识搜索定位方法1)，本文主要内容关键词为：模型论文,组织论文,方法论文,知识论文,网络论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
组织知识管理的一项重要职能是，在适当的时间把适当的知识传递给适当的人[1]。要做到这一点，必须建立组织知识的定位搜索机制。这里，组织知识定位搜索，实际上是将组织知识资源进行合理组织，使之结构化、有序化，并建立索引机制，从而为人们使用知识提供便利。高效、准确的知识定位搜索，可极大提高组织知识利用效率，促进组织知识共享和创新，进而提高知识管理成效。因此，建立组织知识定位搜索机制，已成为组织知识管理中不可缺少的重要工作。
当前，实现组织知识定位搜索的常见方法是建立知识管理系统、专家管理系统、文档管理系统等。这些方法的基本原理是：用一个短语集合或文字摘要来表示专家或文本的知识，并将其作为数据库中的记录进行存储并索引，以方便查询使用。这种方法可实现简单的组织知识定位和搜索，但也存在许多问题：①用短语集合或文字摘要表示专家及文本知识，很难做到全面、准确；②缺少对查询结果的排序及筛选机制，在文本或人员数较多时，会搜出大量冗余记录，难以快速准确地找到最合适的文本或专家；③在组织知识定位或搜索时，很多情况下，希望同时找到最合适的人和最合适的文本，但很多专家管理系统及文本管理系统不能同时满足这两种需要。
针对这些问题，本文拟应用超网络(Supernetwork)[2]的思想和方法进行研究。这里，超网络是指“在已有网络之上的网络”，即由多种网络构成之网络，其概念最早于1985年被提出[3]，目前主要应用于研究Internet、交通、物流及供应链网络[4]等，成为研究大型复杂系统的一种新兴工具。在本文中，将主要用超网络来表示组织知识的结构构成及其在各类载体中的存储情况，从而为知识定位提供便利。这是因为传统网络大多是同质网络，即由单一类型的节点和边构成，其主要用于表征同质要素构成的系统的结构。但在本文的研究中，为实现组织知识的定位搜索，需要同时考虑组织知识点及其各类存储载体，并在其间建立映射关系，这就不可避免地涉及多种不同类型的节点和边。如此复杂的结构形态，无法用传统的网络模型来刻画，因此有必要借鉴超网络的思想和方法。
本文的研究思路为：在对组织知识存储分布情况进行分析的基础上，同时考虑知识及其存储载体的关系，建立一种包含多种节点类型的网络。本文称这种网络为知识超网络，简称KSN(Knowledge Supernetwork)。对KSN进行加权以标记各知识点在不同媒介载体中的存储情况。在此基础上，对组织知识搜索和定位方法进行探讨。
2 组织知识结构及其存储形态
2.1 组织知识结构分析
组织知识的结构反映了组织究竟拥有哪些知识，以及各类知识之间的关联关系等。由于知识是模糊的和不可数的，因此在分析其构成及关系等方面存在很多困难。为此，本文提出如下方法：
将组织知识划分为若干知识领域，每一领域又可再分为若干子领域，对子领域继续分割细化，可获得更小的子领域，直到不可或不必再分时为止。其过程如图1所示。
图1中，最小级别的子领域，可称作知识单元(KU，Knowledge Units)，其涵义为：在一个很小的领域内的一部分知识，它可以为人类所理解、认知，并可以和其他的知识单元区分开来。因此，可把KU看作构成组织知识的基本单位。
对上述分割结果作进一步分析可知，无论知识域、知识子域、知识单元，实际上都代表着组织知识体系中的一部分知识，只是表示的粒度大小不同。因此，它们都是组织知识的构成单位，本文将它们统称为知识点(KP，Knowledge Point)。
2.2 组织知识存储形态分析
根据王众讬院士的观点[5]，组织知识包括如下几类：
(1)存在于文件、手册、图纸中的知识；
(2)存在于人的头脑中的知识；
(3)已经凝聚在工作过程、经营管理制度和方法中的知识；
(4)嵌入(外化)在产品或服务中的知识。
上述分类，实际上是根据组织知识存储形态来划分。对这4种存储形态作比较分析可知，可以进一步将它们简化为两类：
(1)存在于人脑中的知识(以PK表示)，其与组织成员相关，具有较大的流动性，容易随着人员流动而流失。
(2)固化存储在各类媒介载体中的知识，包括文档、制度、方法、流程、产品等有形或无形的媒介载体(以MK表示)。其在组织中相对比较稳定，也不容易流失。
上述知识与其存储媒介之间的关系可用图2表示。
其中，知识与人之间的关系反映了哪些人拥有哪些知识；知识与其他媒介载体之间的关系反映了哪些知识存储在哪些媒介中。人与其他媒介载体都是从存储形态的层面描述组织知识，二者间因为各类知识活动而形成映射关系，例如，因某人制作或学习某种文档而形成的关联关系等。
因此，组织知识(以OK表示)可看作存储在这两类载体中的知识的总和，即有：
OK≈PK ∪ MK(1)
3 组织知识的加权超网络模型
3.1 组织知识的KSN模型
从公式(2)可以看出，KSN模型中同时集成了知识及其存储媒介，并可以反映各知识点的存储情况。
3.2 组织知识的WKSN模型
对KSN加权，可反映组织知识点与各存储媒介之间的相关程度。具体方法为：
4 基于WKSN的组织知识定位搜索方法
利用WKSN网络，可实现组织知识的搜索，并可对搜索结果进行排序，以方便对组织知识的准确定位。
具体方法及过程如下：
这项工作的主要任务是搜索待检索知识点的直接和间接下级知识点，因此，可采用广度优先搜索算法。首先搜索子节点，然后搜索子节点的子节点，如此递归进行，直到找到所有的下级知识点。
(2)在WKSN中，搜索所有与
有边连接的P类和M类节点。这项工作也可通过广度优先搜索算法实现，但是搜索的范围仅限于P类和M类节点，而且搜索的步长只需要1步，即只搜索与距离为1的P类和M类节点。
其中，拥有知识点的人及掌握程度可以表示为：
上述方法及过程如图3所示。
图3 基于WKSN的组织知识搜索定位
5 实例分析
以某组织为例，对上述方法进行验证。
某组织为科研单位，其成员全部为科研人员，截至2004年12月，共有18位。该组织的知识主要由科研知识组成，其他的可不予考虑。从存储形态看，这些知识主要存储在其成员头脑中和组织的科研文献中。前者可通过现有成员发表的所有科研论文来考察(以中国期刊全文数据库为准，截至2004年12月)；后者可通过该组织所有已发表的科研论文来考察(以中国期刊全文数据库为准，从1994年1月至2004年12月)。
5.1 WKSN建模
由于本实例重点在于说明如何利用WKSN进行组织知识定位搜索，因此不将WKSN建模过程作为重点。在不影响一般性的情况下，进行了简化处理。具体过程如下：
采用上述方法，可获取建立WKSN网络所需要的数据，这些数据可存储在数据库中，并可用图形表示出来(如图4、图5。本文中所有网络图都是使用Ucinet 6.71[6]创建，其中图5为部分节点构成的WKSN图，用以表示组织中部分知识点的总存量及其存储分布情况)。
圆形节点为K要素,长方形节点为P要素，上三角形节点为M要素。为清晰起见,仅显示
>2的知识节点。
图4 组织知识的WKSN模型
在知识节点的标记中，两个数字分别表示值和s(k[，i])值，不同类节点间的边的权重值反映了该知识点的存储分布情况。
图5 WKSN模型的部分节点图
5.2基于WKSN进行知识搜索、定位
以组织知识点“供应链”为例，对上述搜索定位方法进行验证。
具体过程如下：
(1)根据WKSN，获取组织知识点“供应链”的结构及构成。这项工作只涉及知识点，因此可在WKSN的子网K-K网络中进行。搜索项为“供应链”，输出项为“供应链”的所有下级节点、节点权重Q(K)和S(K)、边
。搜索时采用广度优先算法，首先在K-K网络中查找节点“供应链”，然后查找其所有子节点以及子节点的子节点，直到找到所有的下级节点。最后结果形成一个以“供应链”为顶点的子图，如图6所示。
图6 知识点“供应链”构成图
(2)在WKSN中，搜索该知识点的存储分布情况。搜索范围为边集
和
，搜索项为“供应链”及其所有下级节点，输出为节点P、M、边和及其权重。所得结果形成一个超网络子图，如图7所示。
图7 知识点“供应链”的WKSN子图
(3)对检索结果进行排序，以便于筛选定位。排序结果如表1、表2所示。其依据为在和中检索出的边的权重，依权重从大到小排列。从排序后的结果可以看出，与该知识点关联较大的人或存储媒介被排在前边。表中可同时反映该知识点及其下级节点被各组织成员的掌握情况以及在各媒介载体中的存储情况，从而便于更准确地进行知识定位。
6 结论
利用WKSN模型进行组织知识搜索定位，可同时将存储待检索知识的人及其他媒介载体检索出来，并可根据它们与待检索知识的相关程度进行排序、筛选，从而实现快速准确的知识定位，为组织知识使用提供便利。从验证实例可以看出，该方法具有直观、易操作、可定量化等特点，因而可以较好地应用到组织知识管理中去。当然，由于知识的特殊性，这种方法还难以做到十分客观和精确，这有待于进一步的深入研究。