第1章 绪论 1
1.1信息时代背景下的知识管理和数据挖掘 1
1.2知识管理和数据挖掘在应用中遇到的问题 2
1.3智能知识管理研究的意义 5
1.4本书的框架与内容 5
第2章 信息爆炸与知识获取方式变迁 8
2.1信息爆炸与知识管理现状综述 8
2.1.1信息爆炸及其成因 8
2.1.2知识获取方式及知识管理研究对象的变迁 12
2.1.3知识管理模式的研究现状 20
2.1.4知识管理技术和工具 26
2.1.5本节小结 29
2.2数据挖掘的研究综述——数据挖掘及其对知识管理的影响 30
2.2.1数据挖掘过程 30
2.2.2数据挖掘算法 33
2.2.3数据挖掘的研究领域分析 35
2.2.4数据挖掘获取的知识的特点 36
2.2.5数据挖掘在应用中面临的问题 37
2.2.6本节小结 38
2.3智能知识管理的研究现状 38
2.3.1智能的概念及其实现途径 38
2.3.2机器学习的策略 39
2.3.3智能知识管理相关研究综述 42
2.4本章小结 47
第3章 智能知识管理的理论框架 49
3.1智能知识管理的相关概念 49
3.1.1基本概念 49
3.1.2数据挖掘新视角下的知识分类 51
3.1.3智能知识的定义及分析 53
3.1.4智能知识管理 54
3.1.5智能知识管理系统 56
3.2智能知识管理的理论基础 58
3.2.1认知心理学理论 58
3.2.2人工智能理论 59
3.2.3复杂性科学与复杂系统理论 60
3.2.4系统科学理论 61
3.2.5可拓学理论 62
3.3数据挖掘与智能知识管理的关系 64
3.4智能知识管理的研究框架 66
3.4.1智能知识管理的目标 66
3.4.2智能知识管理的研究框架 67
3.4.3智能知识管理的方法和路径 70
3.5智能知识管理的关键技术 72
3.5.1获取智能知识的新的数据挖掘算法技术 72
3.5.2具有记忆能力的智能知识表达技术 72
3.5.3主动进化的智能知识的自我审计技术 73
3.5.4具备社会性的智能知识通信与推理技术 73
3.5.5基于情景识别的智能知识主动推送技术 73
3.6智能知识管理支撑条件的构建 73
3.6.1管理原则：结果导向，客户价值，持续发展 74
3.6.2项目管理流程与制度 74
3.7本章小结 76
第4章 智能知识的直接获取技术 77
4.1智能知识获取的数据准备 77
4.1.1数据集的类型分析及选取策略 77
4.1.2内部数据转换的可拓策略分析 78
4.1.3数据转换措施 80
4.2获取智能知识的转化规则挖掘算法 82
4.2.1转化规则挖掘的理论分析 83
4.2.2转化规则获取的方法 85
4.2.3获取转化规则的挖掘算法及实现步骤 87
4.3获取智能知识的可拓分类算法 89
4.3.1 MCLP分类原理 90
4.3.2可拓分类的概念 92
4.3.3可拓分类的实现框架 92
4.3.4可拓分类的算法设计 93
4.3.5可拓分类的结果示例 96
4.4小结与展望 97
第5章 智能知识管理的间接实现模式 98
5.1原始知识的获取方法及表现形式 98
5.2从原始知识到智能知识的转化 99
5.3智能知识的孵化过程 101
5.4智能知识的表达与存储 103
5.4.1常用的知识表达方式 103
5.4.2元知识与情景知识 105
5.4.3基于基元的智能知识表达 108
5.4.4智能知识的存储 116
5.5智能知识的审计 117
5.5.1知识审计的概念 117
5.5.2知识审计的方法 118
5.5.3智能知识的自我审计技术 119
5.6智能知识的推理机制 122
5.6.1知识推理方法 122
5.6.2智能知识的推理机制 124
5.6.3智能知识的推理算法 126
5.7本章小结 128
第6章 智能知识管理系统设计 129
6.1智能知识的生命周期分析 129
6.2系统需求分析 130
6.3智能知识管理系统的整体架构 131
6.4智能知识管理系统的软件架构及组件划分 134
6.5智能知识管理系统的功能概要设计 135
6.6本章小结 139
第7章 智能知识管理模式的应用 140
7.1智能知识应用的一般流程 140
7.2智能知识的应用实例 142
7.2.1应用背景 142
7.2.2智能知识的应用过程 143
7.2.3效果分析 145
7.3智能知识管理模式的初步应用 146
7.4本章小结 148
第8章 总结与展望 149
8.1研究结论 149
8.2对后续研究的展望 150
参考文献 151
附录 知识管理和数据挖掘研究论文统计 165
后记 167