知识管理自学习案例多案例诱导型适配机制

知识管理自学习案例(KML-Case)体现"干中学"思想,对破解知识管理系统(KMS)的知识获取瓶颈、实现系统自学习与自组织意义重要。KML-Case适配效益决定KML-Case应用效果;然而,业内大多数系统模型与实践系统为空适配,导致案例匹配失败后的系统不作为,严重束缚了KML-Case应用价值。鉴于此,首先阐释了KML-Case适配内涵,在深入分析业内相关成果的基础上,提出了本研究的出发点,并建立KML-Case多案例综合诱导型适配机制以提升KML-Case应用效益。对此,深入讨论了KML-Case适配源案例的匹配方法以及适配案例集的确定策略;分析了基于KML-Case适配案例集构建知识表达系统的技术方案;通过案例条件方面精化以及冗余初等范畴削减两步机制,详细设计了KML-Case适配解轨迹求解算法;最后,阐明了基于解轨迹的KML-Case多案例综合诱导型适配方法与策略。算例表明,本文方法有效避免了系统匹配失败后的不作为、提升了KMS的问题求解能力。