知識管理系統(tǒng)中的知識樹的自動構建技術研究.pdf

1、我們正處于一個知識經(jīng)濟的時代，知識正取代傳統(tǒng)的土地、自然資源、資本和勞動力成為推動社會進步與發(fā)展的主要力量。知識經(jīng)濟在客觀上要求有與之相適應的管理模式和理論，以及有效的技術手段?；谶@個背景，本文著重研究和探討了文本知識管理中知識樹的自動構建，文本特征選擇方法，并設計和實現(xiàn)了一個知識管理原型系統(tǒng)。具體來說有以下幾個方面：
　　 (1)基于文本聚類方法設計了一種新的知識樹構建方法。針對當前知識管理系統(tǒng)中知識樹的創(chuàng)建和維護問題，設計

2、了一種新的基于文本聚類的知識樹構建方法。由于從傳統(tǒng)的K-means和SOM等文本聚類的結果中難以提取知識樹中節(jié)點對應的概念和詞匯列表，本文選取概率潛在語義分析(Probabilistic Latent SemanticAnalysis，簡稱PLSA)方法進行聚類和知識層次樹構建。實驗表明，新方法除了在聚類精確度上優(yōu)于傳統(tǒng)方法，聚類結果還包含文檔的主題與詞匯之間的概率關系，因此新方法在聚類的同時，可以方便的提取知識樹上每個節(jié)點對應的概念或

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,簡稱DF)、信息增益(information gain,簡稱IG)和CHI以及類別區(qū)分詞(category-discriminating word,簡稱CDW)等特征選擇方法在文本分類中廣泛應用。上述特征選擇方法基于概率統(tǒng)計和信息論的理論提取對分類貢獻值大的詞，而沒有考慮詞的語