基于任務(wù)模塊的組織核心知識鏈抽取模型研究

趙健宇， 王鐵男

(1.哈爾濱工業(yè)大學(xué) 管理學(xué)院，黑龍江 哈爾濱，150001； 2.哈爾濱工程大學(xué) 經(jīng)濟管理學(xué)院，黑龍江 哈爾濱，150001)

?

基于任務(wù)模塊的組織核心知識鏈抽取模型研究

趙健宇1,2， 王鐵男1

(1.哈爾濱工業(yè)大學(xué) 管理學(xué)院，黑龍江 哈爾濱，150001； 2.哈爾濱工程大學(xué) 經(jīng)濟管理學(xué)院，黑龍江 哈爾濱，150001)

為提高組織的知識流動效率，加快任務(wù)模塊協(xié)同進(jìn)程，提升管理者的戰(zhàn)略決策質(zhì)量，集成本體論與過程視圖理論，定義了任務(wù)模塊運營模式下，過程知識鏈和核心知識鏈的知識流動標(biāo)準(zhǔn)并對兩者關(guān)系予以論證。在此基礎(chǔ)上，從過程知識鏈中抽取核心知識節(jié)點，建立核心知識鏈抽取模型，闡述了模型的操作規(guī)則、運行步驟并加以討論。研究結(jié)果表明：核心知識鏈?zhǔn)墙M織高效滿足知識主體需求的有效途徑；通過對不同任務(wù)模塊知識主體的知識需求及知識流動次序的顯性化表征，知識主體能夠更具針對性、更富有成效地完成自身任務(wù)。

任務(wù)模塊；知識流動；核心知識鏈；本體論；過程知識鏈

知識經(jīng)濟時代，任務(wù)分解的模塊化運營模式成為組織應(yīng)對不可預(yù)測環(huán)境變化的重要戰(zhàn)略措施[1]。而基于任務(wù)模塊的知識流動作為滿足知識主體知識需求，低成本獲取知識技能縮小主體間知識差距，提高知識創(chuàng)造效率的重要途徑[2]，已成為當(dāng)前新興的知識管理議題。

基于任務(wù)模塊的知識流動相關(guān)研究經(jīng)歷了“模塊規(guī)劃—任務(wù)聯(lián)結(jié)—語義轉(zhuǎn)換—信息抽取”的不同階段。Fensel提出，模塊規(guī)劃是組織生產(chǎn)加工和知識分配的途徑[3]。隨后，知識挖掘、知識地圖等相關(guān)研究的興起，也為基于任務(wù)模塊化的知識流動研究提供了新的思路。Liu等認(rèn)為圍繞模塊規(guī)劃提取的任務(wù)聯(lián)結(jié)是知識流動的渠道[4]。Rubin強調(diào)，由于業(yè)務(wù)聯(lián)結(jié)劃分形成的不同任務(wù)模塊是知識流動的多個知識節(jié)點，多個節(jié)點的次序性聯(lián)結(jié)即為知識流動提供了條件的空間，每個節(jié)點內(nèi)蘊含的語義信息是關(guān)聯(lián)不同知識節(jié)點知識信息內(nèi)容的關(guān)鍵，并運用本體論提出了一個團隊知識流動的虛擬構(gòu)想[5]。Lai等根據(jù)組織成員對任務(wù)模塊節(jié)點查閱次數(shù)的記錄動態(tài)時抓取了不同流程的語義次序和信息內(nèi)容，運用Petri網(wǎng)絡(luò)理論提出了任務(wù)模塊化的知識流動網(wǎng)絡(luò)模型[6]。Edgar等結(jié)合過程視圖(process view)理論，采用知識關(guān)聯(lián)度方法論證了基于知識流動語義次序進(jìn)行信息的抽取[7]。Chauhan等選擇語義轉(zhuǎn)換的結(jié)構(gòu)特征為切入點，根據(jù)本體轉(zhuǎn)移特性建立了知識信息抽取和流動的概念模型，用以分析語義訪問者對于某種特定知識的興趣和數(shù)據(jù)渠道[8]。

綜合以上發(fā)現(xiàn)雖然現(xiàn)有研究多采用知識獲取、知識語義次序等理論分析任務(wù)模塊的知識流動問題，但存在兩個不足：1)現(xiàn)有模型缺少一個整體串聯(lián)知識信息內(nèi)容的結(jié)構(gòu)，對不同模塊間信息如何協(xié)同的分析有避重就輕之嫌；2)若基于Patil[9]等學(xué)者的知識鏈視角來理解任務(wù)模塊化背景下的知識流動現(xiàn)象，那么在不同任務(wù)模塊共同構(gòu)成的多重信息本體知識鏈中，如何根據(jù)知識需求、知識重要程度以及知識關(guān)聯(lián)度抽取組織發(fā)展所需的核心知識仍存在疑問[10-12]。鑒于此，本文以本體論為理論核心，以不同任務(wù)模塊構(gòu)成的組織知識鏈為對象，通過對不同知識流動形成的分析完善現(xiàn)有模型，更透徹地認(rèn)識和解釋知識流動在模塊網(wǎng)絡(luò)運營模式中的作用原理，在完整保留知識鏈原始序列的基礎(chǔ)上，識別影響知識鏈產(chǎn)出的核心知識內(nèi)容。

1 定義與模型

1.1 過程知識鏈的知識流動標(biāo)準(zhǔn)

任務(wù)模塊的劃分使得知識的流動成為主導(dǎo)組織資源的重要依托，每個任務(wù)模塊所蘊含的知識內(nèi)容亦成為知識主體完成相關(guān)工作所需的知識編碼序列[13]。過程視圖理論認(rèn)為，組織在分解任務(wù)關(guān)系時，通過整合不同層級關(guān)系的知識內(nèi)容和功能組件形成業(yè)務(wù)流程環(huán)節(jié)，由此產(chǎn)生由多個任務(wù)模塊構(gòu)成，且具有指向次序邏輯的組織過程知識鏈[14]，而多個任務(wù)模塊的次序性聯(lián)結(jié)也為過程知識鏈的知識流動提供了渠道和平臺，從事不同任務(wù)的知識主體一方面可將自身的高價值知識貢獻(xiàn)于相關(guān)的生產(chǎn)實踐活動中，另一方面也能夠參考或借鑒知識鏈中有利于任務(wù)進(jìn)程的相關(guān)知識。根據(jù)上述分析，建立任務(wù)模塊化知識流動的過程知識鏈結(jié)構(gòu)模型，如圖1所示。

圖1 基于任務(wù)模塊化的過程知識鏈結(jié)構(gòu)Fig.1 Structure of process knowledge chain based on task-modularization

過程知識鏈的形成代表組織不同任務(wù)模塊間各類相關(guān)知識在隱性環(huán)境中的聯(lián)結(jié)性傳遞[15]。由于過程知識鏈的知識內(nèi)容具有層級性、關(guān)聯(lián)性等特質(zhì)，加之任務(wù)模塊的劃分目的是帶動組織內(nèi)部非一體化下的分工整合[16]，故每個任務(wù)模塊蘊含的知識內(nèi)容一定由多種存在相互關(guān)聯(lián)的知識概念集合共同構(gòu)成[17]。抽取每個任務(wù)模塊知識內(nèi)容的意義在于，通過對知識鏈核心知識內(nèi)容的挖掘與整合，組織可隨時根據(jù)環(huán)境所需激活相關(guān)任務(wù)模塊節(jié)點的知識沉淀，維護(hù)并及時更新組織核心競爭力的優(yōu)勢來源[18]。由此，為達(dá)到從過程知識鏈中抽取核心知識，構(gòu)建核心知識鏈的目的，首先提出相關(guān)概念：

定義3 規(guī)定p和q是領(lǐng)域本體K中存在的兩個獨立知識集合，若p存在于q的上層，或p是過程知識鏈中論證q的前提，則將p和q稱為過程知識鏈中的關(guān)系知識集。其中，p為q的初代知識，q為p的迭代知識。根據(jù)Huang知識進(jìn)化論的觀點[19]，p和q是存在層級關(guān)系的兩個知識集合，結(jié)合Liu的知識挖掘論模型[20]，p和q也可分別理解為知識螺旋中的表層知識(surface-levelknowledge)和深層知識(deep-levelknowledge)，記做

定義4 知識節(jié)點Mn代表不同從屬關(guān)系且具有異質(zhì)性的知識集合。對于一個知識節(jié)點M*包含的知識內(nèi)容記做KC(M*)={C1,C2,…,Cm}，C*由過程知識鏈中的本體信息決定；

定義5 如果任意兩個節(jié)點Ma與Mb存在從屬性質(zhì)的依賴關(guān)系，則兩個節(jié)點的交互記做RO(Ma,Mb)。進(jìn)一步地，若過程知識鏈中任意兩個節(jié)點的關(guān)系隸屬于knowledge Collection=RO(Ma,Mb)，則判斷Ma與Mb在過程知識鏈中為從屬臨近關(guān)系。

定義6 過程知識鏈本體內(nèi)，流動的知識是由知識節(jié)點集合KnowledgeCollection=K(M*)、依賴關(guān)系集合RelationshipCollection=RO(Ma,Mb)和知識需求集合DemandCollection=De(M*) 構(gòu)成的三元組，記做KF=〈K(M*),RO(Ma,Mb),De(M*)〉。其中，RelationshipCollection=RO(Ma,Mb)的子集在知識節(jié)點集合K(M*)中客觀存在，是具有從屬臨近關(guān)系的方向性節(jié)點。

定義7 過程知識鏈本體內(nèi)，知識流動KF=〈K(M*),RO(Ma,Mb),De(M*)〉的路徑起始點為知識流動的初端M1，中間知識節(jié)點為M2,M3，…，Mn-1，終止節(jié)點為知識鏈的終端Mn。如果從屬依賴關(guān)系RO(Ma,Ma+1)∈RO(Ma,Mb)(a,b均為常數(shù))，且Ma和Ma+1中任意一個節(jié)點能提供的知識內(nèi)容均滿足De(M*)，則知識流動路徑記做Path=M1→Mn。Path=M1→Mn的流通性由過程知識鏈本體內(nèi)的語義內(nèi)容決定，每一個知識節(jié)點M*的知識關(guān)聯(lián)性用R/NR進(jìn)行判斷。

定義8 過程知識鏈本體內(nèi)，存在KF=〈K(M*),RO(Ma,Mb),De(M*)〉和隨機知識節(jié)點Mx、My，均有(Mx,My)∈K(M*)。規(guī)定知識流動路徑Path=Mx→My，認(rèn)為Mx相較于My具有優(yōu)先等級，記做Level(x>y)。Level的優(yōu)先程度是在模塊化分解的過程知識鏈中判斷知識節(jié)點勢差和知識流動方向的先決條件，每一級Level對迭代知識的影響由過程知識鏈本體內(nèi)的信息集合決定。

定義9 過程知識鏈本體內(nèi)，規(guī)定可以串聯(lián)異質(zhì)性知識、整合分散知識并供給詳細(xì)專業(yè)化解釋的知識節(jié)點稱為社會化知識節(jié)點(socializationknowledgenodes，SKN)，對于為保持任務(wù)模塊初始次序所添加的知識概念稱為次序知識節(jié)點(orderknowledgenodes，OKN)，所有次序知識節(jié)點集合中具有臨近關(guān)系的方向性節(jié)點稱為臨近知識節(jié)點(neighboringknowledgenodes，NKN)。其中，OKN?SKN，如果NKN中任意知識節(jié)點的指向性次序不滿足任務(wù)模塊化劃分的初始次序，則將NKN中違規(guī)的知識節(jié)點并入OKN。

1.2 核心知識鏈的知識流動標(biāo)準(zhǔn)

核心知識鏈由默會知識構(gòu)成，是決定組織競爭能力和優(yōu)勢的關(guān)鍵知識集合，貫穿于組織基于任務(wù)模塊化的生產(chǎn)、銷售與售后服務(wù)過程中。由于默會知識具有高情境特性，且無法以文本化形式編撰[21]。故為了整合任務(wù)模塊內(nèi)容，需從過程知識鏈中對核心知識進(jìn)行提取，完整塑造組織的核心價值鏈。由此，借鑒Zhuge隱性知識挖掘的研究結(jié)論[22]，界定核心知識鏈的知識流動標(biāo)準(zhǔn)：

定義10 核心知識鏈由知識需求者demander、過程知識鏈的所有知識節(jié)點M*及和基于任務(wù)的KeyWords共同決定。根據(jù)知識的異質(zhì)性特征，KeyWords選取特定的知識屬性Ω表征。核心知識鏈的用CoreKnowledgeChain=[demander,M*,Ω]表示，其中Ω對于demander的反饋R/W決定核心知識鏈的適用性；

定義11 核心知識鏈的知識節(jié)點用CM=〈Collection(KM),CC〉表示，其中Collection(KM)代表核心知識鏈的節(jié)點集合，(CM,KM)∈Collection(KM)，CC代表核心知識的本體知識概念集合，子集為過程知識鏈本體定義的知識節(jié)點內(nèi)容。將核心知識鏈的知識節(jié)點CM的知識內(nèi)容記做CC(M)={K1,K2,…,Kn}，Kn由核心知識鏈中本體定義的知識內(nèi)容決定。

定義12 過程知識鏈本體內(nèi)，對于知識流動KF=〈C(M*),RO(Ma,Mb),De(M*)〉中存在的兩個核心知識節(jié)點CMa與CMb，如果兩個節(jié)點存在相互影響或從屬性質(zhì)的依賴關(guān)系，記做CRO(CMa,CMb)。同時，嚴(yán)格限定充要條件RO(Ma,Mb)∈KF存在時，CMa∈Ma；CMb∈Mb。

定義13 過程知識鏈本體內(nèi)，核心知識流動(coreknowledgeflows)是形成的核心知識鏈(coreknowledgechain，也稱為關(guān)鍵詞知識鏈，keywordschain)的動態(tài)要素性條件。核心知識流動是由核心知識節(jié)點集合coreknowledgecollection=CC(M*)、核心知識節(jié)點間的從屬依賴關(guān)系corerelationshipcollection=CRO(Ma,Mb)，以及核心知識需求集合coredemandcollection=CDe(M*)構(gòu)成的三元組，記做CKF=〈CC(M*),CRO(Ma,Mb),CDe(M*)〉。

定義14 過程知識鏈本體內(nèi)，核心知識流動CKF=〈CC(M*),CRO(Ma,Mb),CDe(M*)〉的路徑起始點為CM1，中間核心知識節(jié)點為CM2,CM3，…，CMn-1，終止節(jié)點為核心知識鏈的終端CMn。嚴(yán)格限定充要條件核心知識節(jié)點CM*∈CC(M*)的順序指向，得到CRO(Mi-1,Mi)∈CRO(CMa,CMb)，i=1,2,…，n，則核心知識流動路徑表示為CPath=CM1→CMn。CPath=CM1→CMn的流通性由核心知識鏈本體內(nèi)的內(nèi)容決定，每一個核心知識節(jié)點CM*的知識關(guān)聯(lián)性用R/N進(jìn)行判斷。

定義15 過程知識鏈本體內(nèi)，存在核心知識流動CKF=〈CC(M*),CRO(Ma,Mb),CDe(M*)〉和兩個隨機核心知識節(jié)點CMx、CMy，有(CMx,CMy)∈CC(M*)。規(guī)定核心知識流動路徑CPath=CMx→CMy，認(rèn)為CMx相較于CMy具有優(yōu)先等級，記做CLevel(x>y)。CLevel的優(yōu)先程度決定核心知識鏈中核心知識節(jié)點的勢差。

過程知識鏈流動標(biāo)準(zhǔn)的形成可以有效地從任務(wù)模塊化或知識供給的角度為知識主體界定知識流動規(guī)則，融合不同任務(wù)模塊彼此傳遞的知識概念，合理調(diào)整組織在任務(wù)執(zhí)行過程中可能面臨的知識沖突。然而，由于知識鏈中知識節(jié)點包含的概念可能較為寬泛，這對于具有專業(yè)知識的知識主體進(jìn)行輔助決策時并不適用，加之傳統(tǒng)單一的過程知識鏈知識流動對于組織核心知識的整合和轉(zhuǎn)化效率偏低，故對于不同的任務(wù)模塊而言，知識流動應(yīng)更加明確地概括其包含的知識語義，區(qū)分交叉的知識層級，將核心的重要知識予以凸顯。由此，將以任務(wù)模塊化為情境的核心知識鏈抽取原理概括為組織根據(jù)知識所需和模塊信息的權(quán)限訪問原則，用以精煉并為知識主體提供關(guān)鍵任務(wù)信息，更為準(zhǔn)確進(jìn)行產(chǎn)品決策的知識管理思想和方法。根據(jù)上述理論，將模塊化任務(wù)流程所形成的過程知識鏈予以拆分和精確，建立基于任務(wù)模塊化的核心知識鏈抽取原理模型(如圖3所示)。

圖3 基于任務(wù)模塊化的核心知識鏈抽取原理模型Fig.3 Core-knowledge chain extracted principle model based on task-modularization

2 模型的操作原理及算例

2.1 操作規(guī)則及過程

操作規(guī)則1 過程知識鏈知識節(jié)點的訪問需要相應(yīng)的職能權(quán)限，即知識節(jié)點需要驗證訪問人員是否擁有讀取該節(jié)點知識的資格，用Y/N予以結(jié)果反饋。

操作規(guī)則2 知識節(jié)點的指向具有順序?qū)傩?，對?yīng)知識流動的方向。每個知識節(jié)點包含的知識內(nèi)容嚴(yán)格限定知識供給對象，對于適用的知識需求者，每個知識節(jié)點的知識內(nèi)容可以多次讀取。

操作規(guī)則3 核心知識節(jié)點是過程知識鏈知識流動路徑中一個或多個高價值知識概念的集合單位。核心知識節(jié)點的激活條件是直接關(guān)聯(lián)的任務(wù)團隊對核心知識概念的訪問，當(dāng)且僅當(dāng)所有核心知識節(jié)點被激活后，核心知識鏈形成。

操作規(guī)則4 核心知識的抽取必須以任務(wù)模塊的實際要求為導(dǎo)向，且任意兩個核心知識節(jié)點間的隱含次序必須遵守過程知識鏈知識流動的原始次序。

操作規(guī)則5 核心知識鏈中，如果兩個核心知識節(jié)點CMx和CMy存在CLevel(CMx>CMy)的等級關(guān)系，則CMx中的核心知識內(nèi)容讀取順序先于CMy。當(dāng)且僅當(dāng)CMx的核心知識訪問完成后，CMy的核心知識訪問權(quán)限才能被開放。

操作規(guī)則6 核心知識鏈中所有核心知識節(jié)點的內(nèi)容可以反復(fù)被讀取，當(dāng)且僅當(dāng)所有任務(wù)模塊均被知識主體完成后，核心知識節(jié)點完成相關(guān)的知識供給。

為滿足從事不同任務(wù)模塊工作知識主體獲取高價值知識的精神需求，提高知識供給和任務(wù)模塊間的協(xié)同度，應(yīng)將常規(guī)知識鏈中知識節(jié)點內(nèi)蘊含的知識概念進(jìn)行精簡，完成對核心知識的最小化擴展，將其定義為最小次序知識節(jié)點集合(minimum order knowledge nodes collection，MOK)，該集合包括社會化知識節(jié)點及次序知識節(jié)點，以使所有核心知識節(jié)點的隱含順序滿足過程知識鏈，即任務(wù)模塊化執(zhí)行順序的初始次序。

借鑒Eshuis[23]以本體論為視角的仿流動線性假說，核心知識鏈知識流動模型的運行原理遵循最小次序知識節(jié)點集合探尋→核心知識節(jié)點依賴關(guān)系識別→核心知識節(jié)點知識內(nèi)容提取→核心知識鏈串聯(lián)4個核心流程。

2.1.1 最小次序知識節(jié)點集合

規(guī)定任務(wù)模塊化本體產(chǎn)生的過程知識鏈知識流動KF=〈K(M*),RO(Ma,Mb),De(M*)〉存在社會化知識節(jié)點(SKN)和若干次序知識節(jié)點(OKN)。從事不同模塊任務(wù)知識主體的個性化知識需求是任意模塊的知識供給內(nèi)容，將過程知識鏈知識流動、知識需求和社會化知識節(jié)點作為模型輸入端，運用核心知識節(jié)點集合CC(M)={K1,K2,…,Kn}求解最小次序知識節(jié)點集合。其中，SKN是得到MOK重要的先決條件，任意節(jié)點與其他知識節(jié)點自身概念的順序關(guān)系必須符合任務(wù)模塊化的初始順序。通過本體信息循環(huán)的方法挖掘范圍次序的NKN，直至出現(xiàn)該節(jié)點和OKN中其他知識概念的關(guān)系滿足任務(wù)模塊化順序后停止循環(huán)。通過SKN從核心知識節(jié)點中得到MOK，借助MOK獲得核心知識鏈中的核心知識節(jié)點CC(M*)，具體操作步驟如下：

輸入端(Input Side)：

KF=〈K(M*),RO(Ma,Mb),De(M*)〉；SKN；De(M*)

輸出端(outputside)：MOK1)：

1)建立以知識需求為前提的最小次序知識節(jié)點集合判斷標(biāo)準(zhǔn)〈De(M*),M*,Y/N〉，并基于IF/THEN語句進(jìn)行判斷。IF知識主體擁有該模塊的訪問和執(zhí)行權(quán)限，對應(yīng)判斷結(jié)果為Y，THEN該知識節(jié)點可劃入此類知識主體的核心OKN。反之，IF判斷結(jié)果為N，代表該知識主體未經(jīng)授權(quán)或無法訪問該知識節(jié)點的知識概念，THEN從知識流動KF=〈K(M*),RO(Ma,Mb),De(M*)〉中剔除該節(jié)點并返回過程知識鏈起點進(jìn)行重新搜索；

2)假設(shè)過程知識鏈本體內(nèi)，存在SKN=OKN。知識節(jié)點滿足知識主體的知識需求，對應(yīng)知識節(jié)點M=OKN；

4)規(guī)定NKN≠Φ，在NKN中隨機挑選一個步驟1)中不屬于知識主體知識需求的知識節(jié)點Mω并從NKN中將其移除；

2.1.2 核心知識節(jié)點依賴關(guān)系識別

對于以任務(wù)模塊化劃分為合作方式的知識流動KF=〈K(M*),RO(Ma,Mb),De(M*)〉， 1)～6)可以完成基于初始邏輯關(guān)系的核心知識鏈最小次序知識節(jié)點集合歸納。以最小次序核心知識節(jié)點集合為依據(jù)，同樣引入IF/THEN語句進(jìn)行可知核心知識鏈知識節(jié)點間的依賴關(guān)系識別：

2.1.3 核心知識節(jié)點知識內(nèi)容提取

社會化知識節(jié)點(SKN)的存在使得蘊含于不同任務(wù)模塊間的知識一定具有相關(guān)性。基于這種知識的虛擬相關(guān)性，將過程知識鏈本體的知識流動KF=〈K(M*),RO(Ma,Mb),De(M*)〉中，需要進(jìn)行核心知識提取的知識集合用NE表示，每一個獨立的知識內(nèi)容用E表示。

在完成對MOK的獲取及核心知識節(jié)點間依賴關(guān)系的識別后，考慮MOK包含的子集內(nèi)容對NE進(jìn)行精細(xì)化提煉。將知識主體的知識需求，最小次序知識節(jié)點及社會化知識節(jié)點作為輸入端，采用核心知識節(jié)點CC(M)={K1,K2,…,Kn}和IF/THEN語句對核心知識節(jié)點知識內(nèi)容進(jìn)行提取。

輸入端(InputSide)：De(M*)，MOK，SKN

輸出端(OutputSide)：CC(E)

10)規(guī)定過程知識鏈本體中，NE=?，CRO(Cλ)=?且CRO(Ma,Mb)=?；

16)檢驗精細(xì)化NE，IF存在NE∈De(M*)，THEN整理并返回CRO(Cλ)。IFDe(M*)NE?De(M*)，THEN重新執(zhí)行12)～15)，直至提取完整的核心知識節(jié)點知識內(nèi)容CKE。

初始條件中，CRO(Cλ)實際上源于知識主體對NE知識內(nèi)容的迭代。隨后，CRO(Cλ)納入了MOK的知識內(nèi)容。若CRO(Cλ)中隱含的部分知識內(nèi)容直屬于NE或由NE的核心概念衍生，為實現(xiàn)核心知識鏈對關(guān)鍵知識的隱匿和權(quán)限保護(hù)，將其從CRO(Cλ)中剔除。最后，從CRO(Cλ)中淘汰已經(jīng)包含或無價值的概念化知識內(nèi)容，得到核心知識節(jié)點的知識內(nèi)容。

2.1.4 核心知識鏈串聯(lián)

在完成1)～16)后，重新進(jìn)入知識鏈初始端，以De(M*) 為驗證條件對所得的核心知識節(jié)點知識內(nèi)容CKE進(jìn)行最終的模塊化知識檢驗。若所有CKE和非精細(xì)化的知識內(nèi)容均滿足任務(wù)模塊化的實際要求，則將所得核心知識內(nèi)容按照過程知識鏈的初始順序予以串聯(lián)，得到核心知識鏈并反饋于本體領(lǐng)域內(nèi)。

2.2 算例檢驗

選用圖1進(jìn)行算例分析，驗證模型和正確性和科學(xué)性。根據(jù)圖1，知識節(jié)點M2是后續(xù)任務(wù)模塊開展的前提，需要對其概念進(jìn)行精細(xì)化篩選，故建立該知識節(jié)點的知識適用性判斷標(biāo)準(zhǔn)三元組[demander,M2,Ω]用以滿足該任務(wù)分配主體的知識需求，知識節(jié)點M2在映射核心知識鏈時應(yīng)當(dāng)被確認(rèn)為社會化知識節(jié)點(SKN)。同時，假設(shè)知識節(jié)點M5是決定任務(wù)完成的核心任務(wù)模塊，故知識節(jié)點M5包含的知識子集對其他任務(wù)模塊的知識內(nèi)容應(yīng)當(dāng)具有更完善的解釋力，建立該知識節(jié)點的知識適用性判斷標(biāo)準(zhǔn)三元組[demander,M5,Ω]，將知識節(jié)點M5添加至社會化知識節(jié)點SKN中。至此圖1的任務(wù)模塊化知識節(jié)點就由SKN={M2,M5}構(gòu)成。

在確立社會化知識節(jié)點SKN后，借助1)～6)可求得知識鏈的核心知識節(jié)點及最小次序知識節(jié)點集合。圖1中在排除概念化知識節(jié)點后，得到臨近的次序知識節(jié)點OKN={M1,M3,M6,M10}，SKN=OKN={M2,M5}。由于Level(M1>M2)且Level(M1>M5)，故知識節(jié)點M1不能添加至OKN中，由于Level(M2>M3)且Level(M5M6)且Level(M5>M6)，故知識節(jié)點M6無法添加至OKN中，知識節(jié)點M10同理。進(jìn)行循環(huán)后，考慮到OKN中包含的知識子集必須滿足任務(wù)模塊劃分的初始次序，故知識節(jié)點M1，M6，M10仍無法添加至OKN中，停止循環(huán)，得到MOK={M2,M3,M5}及核心知識節(jié)點CM1。在基礎(chǔ)上，通過7)～16)得到核心知識節(jié)點的知識概念，假定在添加知識節(jié)點M3后SKN={M2,M3,M5}由每層2項的3層知識子集內(nèi)容構(gòu)成，加之知識節(jié)點M3滿足12)，此時核心知識節(jié)點CM1中存在重復(fù)及相互包含的知識子集內(nèi)容，故根據(jù)13)和14)對其進(jìn)行最小次序知識節(jié)點的子集內(nèi)容整合。例如，若分解后的子任務(wù)模塊內(nèi)容及本體知識信息結(jié)構(gòu)(如圖2)中存在不同層級知識間的相互迭代關(guān)系，如

Dee(M21,M22)∈CRO(M221)，(M21,M22)∈NE；

Dee(M31,M32)∈CRO(M311)，(M31,M32)∈NE；

Dee(M51,M52)∈CRO(M523)，Dee(M51,M52)∈NE

故將核心知識節(jié)點的知識內(nèi)容CM1={M221,M311,M523}。將不同核心知識節(jié)點的知識內(nèi)容予以串聯(lián)，得到組織的核心知識鏈。

3 結(jié)論

1)核心知識鏈的知識節(jié)點可能由一個或多個過程知識鏈中的知識節(jié)點抽取產(chǎn)生。核心知識鏈的知識流動次序嚴(yán)格遵循模塊任務(wù)查閱及執(zhí)行次序；

2)核心知識鏈能夠為知識主體提供任務(wù)執(zhí)行時的高價值知識需求，也是組織針對性進(jìn)行知識創(chuàng)造等活動的重要依據(jù)；

3)核心知識鏈?zhǔn)菍谌蝿?wù)模塊化過程知識鏈知識流動的深入挖掘、凝練、細(xì)分與最小化，可應(yīng)用于組織內(nèi)部的知識交流，提高組織的創(chuàng)新效率和知識支持效率。

研究明確了過程知識鏈與核心知識鏈的關(guān)系，解決了繁復(fù)任務(wù)模塊環(huán)節(jié)背景下，組織如何為知識主體提供知識支持，改善知識流動效率等決策問題。

研究仍存在許多值得繼續(xù)探索的方向：一是選擇實際的組織機構(gòu)對提出的理論模型加以驗證；二是根據(jù)從事不同任務(wù)模塊工作的職能團隊特性對原理模型進(jìn)行個性化的改進(jìn)和調(diào)整。

[1]OH S J,YEOM H Y. A comprehensive framework for the evaluation of ontology modularization[J].Expert systems with applications, 2012, 39(10): 8547-8556.

[2]TASI W. Knowledge transfer in intraorganizational networks: Effect of network position and absorptive capacity on business unit innovation and performance[J].Academy of management journal, 2001, 44(5): 996-1004.

[3]FENSEL D. Ontology-based knowledge management[J]. Computer, 2002, 35(11): 56-59.

[4]LIU D R, LIN C W. Modeling the knowledge flow view for collaborative knowledge support[J]. Knowledge-based systems, 2012, 31: 41-54.

[5]RUBIN T H, AAS T H, STEAD A. Knowledge flow in Technological Business Incubators: Evidence from Australia and Israel[J]. Technovation, 2015, 41-42: 11-24.

[6]LAI C H, LIU D R. Integrating knowledge flow mining and collaborative filtering to support document recommendation[J]. Journal of systems and software, 2009, 82(12): 2023-2037.

[7]EDGAR S M, SERNA A. Ontology for knowledge management in software maintenance[J]. International journal of information management, 2014, 34(5): 704-710.

[8]CHAUHAN A, VIJAYAKUMAR V, RAGALA R. Towards a multi-level upper ontology/ foundation ontology framework as background knowledge for ontology matching problem[J]. Procedia computer science, 2015, 50: 631-634.

[9]PATIL S K, KANT R. A fuzzy AHP-TOPSIS framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers[J]. Expert systems with applications, 2014, 41(2): 679-693.

[10]TSENG S-M. A study on customer, supplier, and competitor knowledge using the knowledge chain model[J]. International journal of information management, 2009, 29(6): 488-496.

[11]GIL R J, MARTIN-BAUTISTA M J. A novel integrated knowledge support system based on ontology learning: Model specification and a case study[J]. Knowledge-based systems, 2012, 36: 340-352.

[12]WANG K, TAKAHASHI A. Semantic web based innovative design knowledge modeling for collaborative design[J]. Expert systems with applications, 2012, 39(5): 5616-5624.

[13]SORENSON O, RIVKIN J W, FLEMING L. Complexity, networks and knowledge flow[J].Research policy, 2006, 35(7): 994-1017.

[14]CEPEDA G, VERA D. Dynamic capabilities and operational capabilities: A knowledge management perspective[J]. Journal of business research, 2007, 60(5): 426-437.

[15]WONG H-K. Knowledge value chain: implementation of new product development system in a winery[J]. The electronic journal of knowledge management, 2004, 2(1): 77-90.

[16]TSENG S-M. Correlations between external knowledge and the knowledge chain as impacting service quality[J]. Journal of retailing and consumer services, 2012,19(4): 429-437.

[17]RYOO S-Y, KIM K-K. The impact of knowledge complementarities on supply chain performance through knowledge exchange[J]. Expert systems with applications, 2015, 42(6): 3029-3040.

[18]NASR E S, KILGOUR M D, NORRI H. Strategizing niceness in co-opetition: The case of knowledge exchange in supply chain innovation projects[J]. European journal of operational research, 2015, 244(3): 845-854.

[19]HUANG J J. The evolutionary perspective of knowledge creation-A mathematical representation[J].Knowledge-based system, 2009, 22: 430-438.

[20]LIU D-R, LAI C-H. Mining group-based knowledge flows for sharing task knowledge[J]. Decision support systems, 2011, 50(2): 370-386.

[21]PHELPS C C. A longitudinal study of the influence of alliance network structure and composition firm exploratory innovation[J]. Academy of management journal, 2010, 53(4): 890-913.

[22]ZHUGE H. Knowledge flow network planning and simulation[J]. Decision support systems, 2006, 42(2): 571-592.

[23]ESHUIS R, GREFEN P. Constructing customized process views[J]. Data & knowledge engineering, 2008, 64(2): 419-438.

本文引用格式：

趙健宇， 王鐵男. 基于任務(wù)模塊的組織核心知識鏈抽取模型研究[J]. 哈爾濱工程大學(xué)學(xué)報， 2017， 38(6)： 982-988.

ZHAO Jianyu, WANG Tienan. The model of core knowledge chain′s extraction of task-modularization[J]. Journal of Harbin Engineering University， 2017， 38(6)： 982-988.

The model of core knowledge chain′s extraction of task-modularization

ZHAO Jianyu1,2, WANG Tienan1

(1.School of Management, Harbin Institute of Technology, Harbin 150001, China; 2.School of Economics and Management, Harbin Engineering University, Harbin 150001, China)

We aim to improve the efficiency of knowledge flow in an organization, thereby hastening cooperation over task modules and ultimately improving the quality of strategic decision making at management level. Integrating theories related to ontology and process view, we define knowledge flow as the norm of the process and core knowledge chains under the operational mode of a task module, and we demonstrate the relationship between the two. Based on this approach, we extract core knowledge nodes from the process knowledge chain, set up the core-knowledge-chain extraction model, and state and discuss the operating rules and procedures of the model. The results show that the core knowledge chain is an effective way for organizations to satisfy the need of knowledge entities. With explicit representations of knowledge need and the order of the flow of knowledge entities under different task modules, knowledge entities will complete their tasks much more purposefully and effectively.

task-modularization; knowledge flow; core knowledge chain; ontology; process knowledge chains

2016-06-12. 網(wǎng)絡(luò)出版日期：2017-03-30.

國家自然科學(xué)基金項目(71602041,71602042);國家社科基金重點項目(14AGL004)；中國博士后一等資助項目(2015M570299)；黑龍江省博士后一等資助項目(LBH-15075)；中央高?；究蒲匈M專項基金(HEUCF150901).

趙健宇(1986-)，男，講師, 博士后.

趙健宇，E-mail:jianyu64@sina.com.

10.11990/jheu.201606067

http://www.cnki.net/kcms/detail/23.1390.u.20170330.1000.016.html

C93

A

1006-7043(2017)06-0982-07