基于知识图谱的国内外企业知识共享比较研究
企业知识图谱构建技术研究与实现
企业知识图谱构建技术研究与实现随着大数据时代的到来，企业界对于知识图谱的需求越来越大。
在企业中，知识管理是一个非常重要的领域。
如果能够将企业中的知识进行整合和管理，就能够实现知识的共享和提高企业的竞争力。
因此，如何构建企业知识图谱成为当前研究的热点之一。
一、什么是知识图谱知识图谱是一种基于语义技术的知识库，它可以理解和处理自然语言，将人类知识从多个数据源中融合起来形成一个完整的知识体系，并且可以通过知识图谱来进行知识的检索和应用。
知识图谱的构建可以使得知识的流通更加便捷，做到知识的共享。
二、知识图谱应用场景知识图谱的应用场景非常广泛，在以下几个领域中尤其突出：（1）金融领域金融领域中，通过构建知识图谱，可以对金融产品、市场、投资策略和银行风险进行精确分析和管理，并且可以帮助投资者更好地判断资产质量和风险控制。
（2）电商领域在电商领域中，知识图谱可以对电商平台的产品、用户行为和交易记录进行整合，从而更好地为用户提供个性化推荐和推销服务。
（3）医疗领域在医疗领域中，知识图谱可以将医学知识、病例等进行整合和管理，帮助医生快速准确地诊断判断和治疗疾病。
三、知识图谱构建技术知识图谱的构建技术包括以下几个方面：（1）实体识别知识图谱的构建离不开实体识别，实体包括人、地点、组织机构、物品等，实体识别主要通过文本挖掘技术和自然语言处理技术来实现。
（2）关系抽取关系抽取是指在文本中找到实体之间的关系，这一过程可以通过基于规则、统计模型等方法来完成。
（3）知识抽取知识抽取是指从非结构化数据中抽取出有用的信息，抽取的信息可以用于知识图谱的构建。
（4）链接生成链接生成是指将相同实体之间建立联系，通过实体间的链接可以构建出知识图谱。
四、实践案例在企业中，知识图谱的应用也是比较广泛的。
以某大型电商企业为例，该企业构建了自己的知识图谱平台，通过实体及属性的导入，实现了品牌、品类、品名、SKU等实体之间的链接映射。
此外，还引入了地理位置、行业类别、类目层级、人物关系、广告关系等多方面属性进行实体化，从而构建了一个全面的知识图谱体系。
基于知识图谱的国内外智慧建造研究可视化分析
基于知识图谱的国内外智慧建造研究可视化分析1. 本文概述本文主要研究基于知识图谱的国内外智慧建造研究的可视化分析。
智慧建造作为一种先进的管理方法，在节约成本、改善生产流程、提升生产率、提高顾客满意度以及保持可持续发展等方面发挥着重要作用。
目前对于智慧建造理论的知识结构、研究热点及趋势等内容的可视化分析和对该领域知识体系的研究相对较少。
为了填补这一研究空白，本文采用科学文献计量学的知识图谱理论，以国际权威数据库Web of Science(WOS)中收录的相关文献数据为样本，运用可视化分析软件CiteSpaceV对数据进行处理。
通过绘制学科类别、期刊、文献和关键词等角度的知识图谱，结合定量分析和定性分析的方法，归纳总结智慧建造领域的知识基础、研究热点、研究趋势等内容。
在此基础上，本文进一步构建了智慧建造知识体系框架，旨在全面了解智慧建造理论体系的研究状态，促进智慧建造在工程实践中的应用，创新工程项目管理方式，提高项目管理水平。
通过本文的研究，期望为智慧建造领域的学者和实践者提供有益的参考和借鉴。
2. 知识图谱驱动的智慧建造技术内涵3. 国内外智慧建造研究现状智慧建造，作为现代科技与传统建筑行业的融合产物，近年来在国内外均得到了广泛的关注与研究。
知识图谱作为一种强大的知识表示与发现工具，为智慧建造的研究提供了全新的视角。
在国内，智慧建造的研究与实践呈现出蓬勃发展的态势。
随着信息化、大数据、物联网等技术的不断成熟，越来越多的学者和企业开始将这些先进技术引入建筑行业中。
例如，利用BIM（建筑信息模型）技术，可以实现对建筑全生命周期的数字化管理，从而提高建筑的质量和效率。
国内的研究者还在智能监控、智能施工、智能运维等方面进行了深入的探索，为智慧建造的发展提供了坚实的理论基础和实践经验。
相比之下，国外的智慧建造研究则更加注重技术的创新与集成。
许多国际知名企业和高校，如斯坦福大学、麻省理工学院等，都在智慧建造领域进行了大量的研究工作。
知识图谱在企业知识管理中的应用探索
知识图谱在企业知识管理中的应用探索概述知识管理是企业中非常重要的一项战略性工作，它涉及到知识的获取、组织、传播和应用。
随着信息技术的快速发展，知识图谱作为一种新兴的知识管理工具，逐渐引起了企业的重视。
本文将探索知识图谱在企业知识管理中的应用，并分析其优势和挑战。
一、知识图谱简介知识图谱是一种将知识组织成图形结构的方式，它通过将知识元素抽象成节点，将节点之间的关系抽象成边，构建起知识的关联网络。
知识图谱可以帮助解决信息过载问题，提高知识的发现和利用效率。
二、知识图谱在企业知识管理中的应用1. 知识抽取与知识表示：知识图谱可以通过自然语言处理和机器学习算法，从各种文本、图像和多媒体数据中抽取有效的知识元素，并将其表示为图结构。
这种方式可以帮助企业快速获取和理解大量的知识信息。
2. 知识组织与知识查询：通过将知识元素组织成图谱结构，企业可以建立起统一的知识分类体系和本体，方便用户对知识进行检索和查询。
同时，知识图谱可以根据用户的查询需求，自动推荐相关的知识信息，提高知识利用的效率和准确性。
3. 知识分析与知识应用：知识图谱可以通过分析知识之间的关系，发现隐藏的知识模式和规律，帮助企业更好地理解和应用知识。
例如，企业可以利用知识图谱对产品和市场信息进行分析，挖掘潜在的商机和风险，从而支持决策和战略规划。
三、知识图谱在企业知识管理中的优势1. 知识关联性高：知识图谱能够将不同领域的知识元素关联起来，形成丰富的知识网络，帮助企业发现知识之间的联系和相互依赖关系，促进知识的跨领域融合和创新。
2. 知识搜索效率高：通过知识图谱，用户可以更快地找到需要的知识，避免了传统文本检索中的词义消歧和信息过载问题，提高了知识搜索的效率和准确性。
3. 知识可视化表达：知识图谱可以将知识以图形的方式展示，更加直观、易于理解。
企业管理层可以通过查看知识图谱，迅速把握企业知识的结构和状态，为决策和规划提供支持。
四、知识图谱在企业知识管理中的挑战1. 知识抽取与表示的难度：知识图谱的建立需要从大量的数据中抽取有效的知识元素，并将其表示为图结构。
基于知识图谱的科研合作者推荐算法研究
基于知识图谱的科研合作者推荐算法研究基于知识图谱的科研合作者推荐算法研究摘要：科研合作对于推动学术研究的进展和创新至关重要。
然而，由于科研领域知识的复杂性和多样性，寻找合适的合作者变得具有挑战性。
为了解决这个问题，本文提出了一种基于知识图谱的科研合作者推荐算法。
该算法能够利用知识图谱中的丰富信息来评估研究者之间的相似性和合作潜力，并为研究者推荐合适的合作伙伴。
通过实验和评估，本算法在科研合作者推荐上取得了良好的效果，并且展现了很大的潜力。
1. 引言科研合作是科学研究中的重要环节，通过共同合作可以促进知识共享、加速学术研究进程、提升研究质量等。
然而，在庞大的科学研究网络中找到适合的合作者并不容易。
借助知识图谱的相关技术，可以构建科学家、文章、机构等之间的关系网络，从而为科研合作者推荐提供有效的方法和技术支持。
2. 知识图谱介绍知识图谱由实体和实体之间的关系构成，在科研领域可以包括科学家、文章、机构等实体以及他们之间的关联。
通过构建这样的知识图谱，我们可以以一种结构化的方式来组织和表示科研领域的知识，从而方便知识的挖掘和利用。
3. 科研合作者推荐算法基于知识图谱的科研合作者推荐算法主要包括以下几个步骤：3.1 知识图谱构建：通过收集科学家、文章、机构等实体的相关信息，并建立它们之间的关联，构建科研领域的知识图谱。
3.2 相似性计算：根据科研领域的不同特征，如研究兴趣、研究方向、发表论文等，计算研究者之间的相似性。
3.3 合作潜力评估：通过分析研究者之间的合作历史、共同发表的文章等信息，评估其合作潜力。
3.4 推荐策略：根据相似性和合作潜力的评估结果，为研究者推荐适合的合作伙伴。
4. 实验与评估为了验证算法的有效性，我们采用了真实的科研数据集，并进行了一系列的实验和评估。
实验结果表明，基于知识图谱的科研合作者推荐算法在准确性、覆盖度和效率等方面取得了良好的表现。
与传统的合作者推荐方法相比，该算法能够更好地考虑研究者之间的关系和特征，提供更准确和个性化的推荐结果。
中文文献数据库介绍及检索方法
与万方期刊数据库同一地址
（/default.aspx）
维普科技期刊收录12000
余种期刊的2300余万篇文章 的全文，每年增加约250万 篇。
万方数据库期刊检索 平台收录1800多万篇期刊
文献。
提示：三个数据库大部分期刊收录重复，但各自也有独家期刊来源。
8
电子图书的检索途径
超星数字图书馆
2021/6/3
9
期刊及期刊论文的检索途径
2021/6/3
10
1.本馆纸本期刊检索途径
2021/6/3
11
2.电子期刊及期刊论文的检索途径
——三大中文期刊全文数据库
中国期刊网（CNKI）是
目前世界上最大的连续动态更 新的中国学术期刊全文数据库， 收录国内7400种重要学术类期 刊，其中核心期刊、重要评价 性数据库来源期刊近2700种。30台湾科技学位论文全（试用） 2021/6/3
31
有没有一个数据库能一站式检索到所有文献？
读秀——图书、期刊、学位论文、报纸、会议论文、网络文献 万方数据知识服务平台——期刊、会议论文、学位论文、图书（方
志）、专利、标准、成果
2021/6/3
32
2021/6/3
22
案例4
“木质素在橡胶中可起到什么作用？” 维普科技期刊
要点：1.维普科技期刊的快速检索对话框中可输入复杂检索式。 2.只能使用 * + -等逻辑运算式，不能使用and or not。
2021/6/3
23
案例4
“木质素在橡胶中可起到什么作用？” 万方数据库
(木质素 or 木素) and 橡胶
查找某类主题的文章
检索案例 4.“木质素在橡胶中可起到什么作用？”
知识图谱在企业知识管理中的应用探究
知识图谱在企业知识管理中的应用探究知识图谱是一种新兴的知识表示和处理方式，它将知识以图形化的形式进行表达和组织，能够帮助企业更加高效地管理和利用各种知识资源。
在企业知识管理中，应用知识图谱可以帮助企业更好地理解和利用企业内部和外部的知识资源，提升企业的核心竞争力。
知识图谱是什么知识图谱是一种将知识以图形化的方式进行组织和表达的方法。
它通过构建实体和关系的“三元组”表示方式，将各种知识元素组织成一张“知识图谱”，从而实现对知识的全面梳理和深度挖掘。
知识图谱的主要特点包括：1、丰富的语义信息。
知识图谱将各种知识元素之间的关系进行深入挖掘和分析，能够提供更加丰富的语义信息；2、智能的查询和推荐。
知识图谱能够根据已有的知识元素进行智能的查询和推荐，从而提升知识的获取和利用效率；3、可视化的展示效果。
知识图谱的展示效果明显，能够直观地反映出知识元素之间的各种关系，提升知识管理的可视化程度。
知识图谱在企业知识管理中的应用企业知识管理是指企业对各种知识资源进行全面梳理和管理，以便更好地利用这些知识资源来提升企业的核心竞争力。
在这个过程中，知识图谱可以发挥以下作用：1、帮助企业构建知识体系。
知识图谱可用于企业内部的知识体系构建和优化，将企业内部的各种知识元素进行归类和组织，形成完整的知识体系；2、帮助企业建立知识检索系统。
企业内部通常存在大量的知识资源，但对于不同员工而言，其知识需求和兴趣点可能存在很大差异。
通过使用知识图谱来建立知识检索系统，可以根据不同员工的需求和兴趣点来智能推荐相关的知识资源，提高知识的获取效率；3、帮助企业进行知识创新。
知识图谱可以帮助企业挖掘和整合各种知识资源，进而帮助企业进行知识创新和技术创新。
通过对已有知识元素的分析和挖掘，可以揭示出新的知识关系和知识应用方式，从而帮助企业进行创新；4、帮助企业进行知识转移和共享。
在企业内部，不同部门和员工之间的知识共享和转移通常存在较大的困难。
通过使用知识图谱来建立企业内部的知识共享平台，可以帮助企业内部的员工共享彼此的知识，从而提升企业内部的协作效率。
知识图谱构建及其在企业领域中的应用
知识图谱构建及其在企业领域中的应用近年来，知识图谱（Knowledge Graph）成为了人工智能领域的热门话题。
它是一种描述和组织世界知识的结构，用于将自然语言文本和结构化数据中的实体和关系构建成可理解和可查询的图谱。
知识图谱不仅是对人类知识进行全面描述的有效方式，也是许多企业实现智能化的核心技术之一。
如今，越来越多的企业开始将知识图谱引入到自己的业务中，以此提升产品的智能化程度，提高业务效率。
而知识图谱构建，也成为了企业智能化建设的重要手段。
一、知识图谱构建知识图谱构建主要包括三个步骤：实体抽取、关系抽取和图谱构建。
其中，实体抽取是指从文本数据中识别出具有独立意义的实体，如人物、地点、组织等。
关系抽取是指从文本数据中提取出实体之间的关系。
而图谱构建是将实体和关系构建成图谱，让机器可以理解和查询。
实体抽取和关系抽取是知识图谱构建的基础，能否准确抽取实体和关系，直接影响到图谱的建立效果。
在实体抽取和关系抽取方面，目前主要的技术手段包括规则匹配、统计模型和深度学习模型等。
其中，深度学习模型最近几年来的发展，为知识图谱的构建和应用带来了新的思路和方法。
图谱构建是将实体和关系构建成图谱的过程。
在知识图谱构建的过程中，通常会经历三个阶段：预处理阶段、构建阶段和后期加工和维护阶段。
其中，预处理阶段主要是针对文本数据进行预处理和清洗，减少噪声信息对后续分析的干扰。
构建阶段是将经过预处理的文本数据中的实体和关系构建成图谱的过程。
而后期加工和维护阶段则是对构建好的知识图谱进行维护和更新。
二、知识图谱在企业中的应用1. 搜索引擎知识图谱的应用在很大程度上缩短了搜索引擎的检索时间，并且避免了无关或不严谨的结果。
例如，百度的知识图谱插件，可以直接在页面上呈现搜索结果，并以可视化方式展示不同实体之间的关系。
2. 智能客服在加入知识图谱之后，企业的智能客服可以更快速地理解用户的需求，进行情境分析、意图识别等。
例如，小度在智能化客服中，可以根据用户问答进行知识图谱联动，展示用户感兴趣的商品和服务，从而实现销售增长。
基于知识图谱的知识管理研究
基于知识图谱的知识管理研究随着互联网和信息技术的发展，数据产生速度越来越快，而数据的管理和分析也变得越来越复杂。
在这个背景下，知识管理成为企业和组织面临的一个重要问题。
知识管理是一种旨在帮助组织创造、共享和利用知识的全过程。
它包括知识的获取、组织、分析、传播和应用。
而知识图谱，就是一种将各种知识元素通过图形化的方式连接起来的方法。
它能够将各种不同的知识元素，包括人、地点、物品、概念和事件等，表示成为一个语义网络，进而实现最具有价值的知识的获取和利用。
基于知识图谱的知识管理研究，主要聚焦在建立一个具有链接性、语义化和智能化的知识管理系统，以更好地满足企业和组织对知识管理的需求。
在具体实践中，基于知识图谱的知识管理可以通过以下几种方式实现：1. 帮助组织建立知识库通过将企业和组织内部所有的知识元素，包括人、物、地、事件等，纳入到知识图谱中，建立一个可持续更新、可随时利用的知识库。
这个知识库可以帮助组织更好地进行知识的获取、管理以及应用，同时也有利于新员工的培训和旧员工的知识更新。
2. 知识发现和应用在一个完整的知识图谱中，各种知识元素之间都有所连结和关联。
通过知识图谱的自动化分析和挖掘技术，可以帮助组织快速发现并掌握有价值的知识，进而引发组织创新和发展。
比如，知识图谱可以通过对员工的信息和成就进行分析，找到组织内部的专家或潜在的知识资源，而这些人可能过去没有得到足够的关注和利用。
3. 参考和推荐在一个完整的知识图谱中，各种知识元素之间都存在特定的关联和相似度。
通过对知识图谱的自动化分析和挖掘，可以找到不同知识元素之间的关联和相似度，从而向用户提供有相似度或参考价值的推荐知识。
这种知识推荐可以在知识管理系统中应用，也可以应用于协同办公等方面。
总的来说，基于知识图谱的知识管理是当今知识管理中的一个重要研究方向。
通过将各种知识元素化繁为简地连接在一起，建立一个具有语义的网络，可以帮助组织更好地进行知识管理，进而引发组织创新和发展。
基于知识图谱的国内科学数据研究热点和趋势分析
1概述科学数据是指通过收集、观察、分析和创造各类实验数据、个人观测数据、互联网数据、统计数据、仿真数据,并以表格、数字、图像、新媒体等方式呈现出来的数据。
科学数据是科研创新、技术预见的数据来源和工具,也是国家制定各项决策的重要依据。
近年来随着科学研究进入数据驱动科学的数据密集型研究范式时代,国际组织、政府部门和研究机构等都提高了对科学数据领域研究的关注度和经济资助。
例如联合国教科文组织(UNESCO)推出“促进发展中国家科学数据共享与应用全球联盟计划”国际科学理事会(ICSU)建立了促进全球科学数据共享的国际组织:国际科技数据委员会和世界数据系统等[1]。
图书馆是科学数据的过程监护机构、嵌入式管理机构以及科学数据存档与教育机构[2],对科学数据的管理、共享和服务具有不可替代的地位和作用。
科学数据研究领域在我国虽起步较晚,但在近年来也成为图书情报界的研究热点之一。
从图书馆视角出发,对图书情报界科学数据领域研究热点和趋势进行可视化分析,旨在为图书馆员对科学数据领域进行深入研究提供参考。
2数据来源与研究方法2.1数据来源以中国知网(CNKI)为数据来源,采用高级专业检索,检索式为SU='数据共享'+'数据管理'+'数据监管'+'数据监护'+'科研数据'+'研究数据'+'科学数据'AND SU='图书馆',初次检索得到文献记录1260条,通过手动筛选,去除重复和杂质文献,确定1238条有效文献(检索时间为2018年12月13日)。
2.2研究方法Citespace V 知识可视化软件是由美国德雷赛尔大学陈超美[3]教授开发的一种多元、分时、动态的知识图谱绘制工具。
该软件能将抽象的数据转向图形表达[4],让用户直观地看出对应研究领域的相关信息,通过对图谱的分析与理解可掌握该研究领域的知识结构关系与演进规律等特征。
企业知识图谱构建与应用研究
企业知识图谱构建与应用研究企业知识图谱作为一种结构化的、语义化的知识表示形式，是将企业内部的知识资源进行整合和组织，以便更好地进行知识分享、知识发现和知识应用的一种方法。
本文将探讨企业知识图谱的构建过程、关键技术和应用研究。
一、企业知识图谱的构建过程企业知识图谱的构建过程包括数据采集、数据清洗、知识抽取和知识表示等环节。
1. 数据采集：企业知识图谱的构建首先需要收集企业内部的各类数据，包括结构化数据和非结构化数据。
结构化数据可以来自企业的内部数据库、电子表格等，非结构化数据则可以来自企业的文档、网页、邮件等。
2. 数据清洗：数据采集完毕后，需要对数据进行清洗和预处理。
这一步主要包括去除重复数据和噪声数据，对数据进行格式规范化，确保数据的一致性和准确性。
3. 知识抽取：知识抽取是将原始数据转化为可识别的知识和关系的过程。
这一步主要包括实体抽取、实体关系抽取、属性抽取等，可以利用自然语言处理、机器学习等技术进行实现。
4. 知识表示：知识表示是将抽取出的知识和关系进行编码和表示的过程。
这一步主要包括定义实体类型和关系类型，构建知识图谱模型，将知识和关系转化为图结构等。
二、企业知识图谱的关键技术企业知识图谱的构建离不开以下关键技术的支持：1. 自然语言处理：自然语言处理技术可以用于文本的分词、命名实体识别、实体关系抽取等任务，帮助企业从海量文本中抽取出有用的知识。
2. 图数据库：图数据库是存储和查询图结构数据的工具，可以高效地存储和查询企业知识图谱。
常用的图数据库有Neo4j、ArangoDB等。
3. 语义表示技术：语义表示技术可以将知识和关系进行语义化表达，帮助企业更好地理解和应用知识。
常用的语义表示技术有词向量模型、知识图谱嵌入等。
4. 本体建模：本体建模是企业知识图谱中的重要技术之一。
通过本体建模，可以将知识进行概念化和分类，帮助企业更好地组织和管理知识。
三、企业知识图谱的应用研究企业知识图谱在实际应用中具有广泛的应用前景，主要体现在以下几个方面：1. 智能搜索和推荐：企业知识图谱可以为企业提供智能搜索和推荐功能，帮助用户快速找到所需的知识和资源，提高工作效率。
知识图谱在企业知识管理中的应用
知识图谱在企业知识管理中的应用随着信息技术的不断发展，企业知识管理逐渐成为企业管理中一个重要的领域。
知识图谱作为一个新兴的技术，可以帮助企业更好地进行知识管理，提高企业的科技创新能力和竞争力。
本文将就知识图谱在企业知识管理中的应用进行探讨。
一、知识图谱的概念及特点知识图谱是一种结构化的知识表示方法，它通过把知识体系化地组织在一个图谱中，展示了一个知识领域中的概念、实体、属性、关系等知识元素，并提供了一种可视化的、语义化的、可推理的可交互界面。
这种方式可以让人们更加直观地了解到不同知识之间的关联和重要性。
知识图谱的构建需要涉及自然语言处理、机器学习、图像识别等多个领域的技术。
知识图谱具有以下特点：1. 结构化知识图谱是一个经过结构化的知识库，其中的概念、实体、属性、关系等元素都经过了精确地定义和归纳。
这种结构化让人们能够更好地了解一段知识的本质。
2. 语义化知识图谱以一个可视化、语义化的形式展现知识，人们可以通过整合的视觉和语言手段更好地理解知识。
3. 可推理知识图谱是一个可推理的结构，可以通过推理引擎等技术来实现自动化地推理。
二、1. 知识检索知识图谱通过构建丰富的知识关联网，可以为用户提供高效、准确的知识检索服务，帮助用户快速地找到需要的知识。
企业可以利用知识图谱技术来构建自身的知识库，便于内部人员快速地查询和了解企业的知识体系。
2. 知识分类知识图谱可以通过对企业内部存在的知识进行整合和分类，形成体系化的知识库，让企业的知识得以完整地表达出来。
这种知识分类可以从多个角度出发，比如按照领域、部门、产品等分类。
3. 知识共享企业内部的知识往往被零散地分布在各个部门和员工之间，使得企业内部的知识共享效率比较低。
知识图谱可以通过多种方式，如基于语义的相似度度量、推荐算法等方法来实现知识的共享。
4. 知识安全企业的核心知识往往需要保密，知识图谱可以通过对涉及到这些知识的资源进行自动识别和检索，从而实现对该部分关键知识的有效保护。
基于知识图谱的企业知识管理系统设计与实现
基于知识图谱的企业知识管理系统设计与实现企业知识管理系统是企业内部知识共享、交流和创新的平台，其重要性已经得到越来越多企业的认可。
而在企业知识管理系统的构建中，基于知识图谱的设计方案也越来越受到关注。
本文将详细探讨基于知识图谱的企业知识管理系统的设计与实现。
一、知识图谱介绍知识图谱是一种表示知识和实体之间关系的图形化工具，可以呈现出知识之间的层次关系和更为深入的细节信息，有利于人们理解知识的本质和内在规律。
知识图谱是将人类知识组织成一种半结构化的方式，可以帮助企业在大量数据中找到信息的关联，发现知识的隐含需求和创新机会，从而提高企业的核心竞争力。
二、基于知识图谱的企业知识管理系统设计1.信息收集与整合企业知识管理系统需要收集和整合企业各个部门的知识数据，包括但不限于：专利文献、研究报告、技术资料、市场情报、行业新闻等。
同时，第三方数据源如开放数据、社交媒体、互联网资讯等也可以作为信息收集渠道。
将大量的数据整合在一起，形成知识大数据，这是实现知识图谱的前置步骤。
2.知识分类与 concept mapping将企业内部各部门的知识进行分类，形成知识主题体系。
这个过程中，可以使用一些文本挖掘、自然语言处理技术，或者人工标注的方式来进行分类。
分类的目的是为了让企业内部人员更快速地找到所需知识，同时也方便知识的接续和迁移。
Concept mapping 是创建知识图谱的重要环节。
将分类好的知识，进行概念映射（Concept Mapping），建立起概念之间的关系。
概念映射一般采用语义挖掘技术来实现，将概念间的相互关系、属性、分类、继承关系等我们可以自己自定义的知识进行映射。
3. 建立知识图谱建立知识图谱需要借助图论、机器学习、数据挖掘等技术。
首先，需要将不同类型的知识转换为标准格式，例如 RDF(资源描述框架)；然后对知识进行实体识别，主要是对词汇的抽取，分词与词性标注；之后对实体进行链接，建立实体之间的关系，此处可以使用多种算法，例如基于概念相似度、路径相似度、语义匹配的链接算法。
知识管理中基于知识图谱的知识提取与推理研究
知识管理中基于知识图谱的知识提取与推理研究随着信息时代的到来，人们对于知识的获取、积累和传播方式发生了巨大的变化，使得知识成为现代社会发展的重要资本和资源。
然而，知识管理成为企业、组织和个人最为关注的一项挑战之一，尤其是在今天的大数据环境下，人们面临的更多是后知后觉，而不是第一时间掌握、利用和创造价值的知识。
为此，基于知识图谱的知识提取与推理研究得到了广泛关注。
一、知识管理的挑战与需求随着各种复杂问题的出现，例如信息化、环境保护、物流运营、机器人和无人驾驶等，虽然随着时间推移会有越来越多的知识出现，但由于技术发展的快速变革和组织形态的多元化，有时候需要的知识不同于已有的知识，需要重新构建和创造。
因此，基于现有知识的提取和推理也就成为这个环境下企业和组织所关注的一项重要的工作。
在这样的背景下，知识管理成为企业和组织所需探讨的焦点之一，尤其是对于企业和组织的核心知识的管理、整合和分享，它成为提高企业竞争力的重要因素之一。
只有充分利用现有的信息技术和工具，才能更好地实现知识的整合、共享和应用，从而促进企业管理的创新和升级。
二、知识图谱知识图谱是一种结构化、语义化、可分享和可重用的知识库，它对于知识管理尤其重要。
知识图谱从数据源（例如维基百科、百度百科等）中提取出结构化数据，通过将实体和关系建模到一个图形结构中，以帮助应用程序或人工智能系统理解和认知真实世界。
知识图谱是基于三元组的数据结构，它由节点、边和属性组成，构成一种“实体-属性-关系”的知识模型。
知识图谱中的实体可以是人、组织、事件、物品、概念和地方等等，在不同的领域中都有不同的定义。
例如，在医药领域中，实体可能代表一种药品或一个疾病，而在金融领域中，实体则可能代表一个投资组合或经济指标。
知识图谱中的边则代表着实体之间的关系，例如在人物关系图谱中，边可能代表着朋友关系、婚姻等等。
属性则是表示实体的特征或者值。
例如，在人物关系图谱中，人的属性可以包括姓名、性别、出生年月、教育背景等等。
知识图谱技术在企业知识管理中的运用
知识图谱技术在企业知识管理中的运用在现代企业中，知识管理已成为一项至关重要的工作。
企业必须要拥有正确的知识，并能够将这些知识变成实际的业务价值才能维持竞争力。
然而，传统的知识管理方式已经无法满足现代企业的需求。
此时，知识图谱技术的诞生为企业提供了崭新的思考方式。
知识图谱是一种将数据和知识结构化的方法。
它可以帮助企业组织知识，并从中提取出有用的信息。
知识图谱技术运用了本体论、语义技术和机器学习等多种技术，可以将各种信息进行统一的呈现和解释。
知识图谱不仅提供了全新的知识管理方式，也能够帮助企业发现潜在的商业机会。
在实践中，知识图谱技术可应用于各种领域。
例如，金融领域可以利用知识图谱技术帮助银行管理风险，医疗行业可以利用知识图谱技术对疾病进行诊断，智慧城市则可以将知识图谱技术用于城市规划等方面。
而在企业中，知识图谱技术的应用能够改变企业知识管理的模式，带来全新的商业机会。
一、企业知识管理的挑战在现代企业中，知识已成为企业最重要的资产之一。
然而，这些知识往往是分散的，来源复杂，难以管理。
传统的知识管理方式，比如文档管理、协同平台和在线论坛等，已经无法满足现代企业的需求。
而这些不适用的问题，会给企业带来巨大的效率损失和商业风险。
在传统的文档管理中，往往会发生同一份资料被多个人编辑的情况。
这样就无法保证数据的正确性，也无法避免浪费时间和精力。
比如，在一家金融公司中，多个团队可能同时对一份文件进行编辑，这会导致不同版本的文件同时存在。
而如果出现版本不一致的情况，那么很可能就会导致资源的浪费。
此外，当前的协同平台也在面临诸多问题。
在现代企业中，协同已成为只能完成任务的一种最佳方式。
但是在部分协同工具中，员工的信息沟通往往会出现偏差，无法及时汇集到同一个目标。
在实践中，往往会存在员工在多个平台操作的情况，使得信息更加分散。
在线论坛是企业知识共享的一个重要的渠道，但是这种方式同样存在着诸多问题。
例如，在这种渠道中，湾灣员工往往要花费大量的时间和精力来搜索信息。
知识图谱应用于企业知识管理的方法与实践
知识图谱应用于企业知识管理的方法与实践一、引言知识管理是企业发展不可或缺的要素。
而知识图谱作为一种新兴的知识管理技术，也逐渐受到了越来越多企业的关注。
本文将探讨知识图谱应用于企业知识管理的方法与实践，为企业提供有价值的参考意见。
二、知识图谱与企业知识管理1.知识图谱的定义知识图谱是一种结构化的知识表示方式，它通过将事物之间的关系以图形的方式呈现，从而实现对知识的有效管理和应用。
知识图谱的本质是一种编码和嵌入语义的结构，它能够实现对知识的语义组织和推理。
2.知识图谱对企业知识管理的作用知识图谱在企业知识管理中具有以下作用：（1）提高知识的可发现性：通过将知识进行结构化组织，知识图谱可以大大提高企业知识的可发现性和使用率。
（2）减少知识重复性和遗漏性：知识图谱的语义关系可以帮助企业更好地管理知识，避免重复或遗漏。
（3）支持知识挖掘和预测：通过对知识图谱的分析，可以获得更多的洞见，从而支持企业做出更好的决策。
三、知识图谱应用于企业知识管理的方法1.知识图谱构建知识图谱的构建是企业知识管理中最为关键的一步，其构建过程包括知识的挖掘、清洗、表达和提炼几个过程。
可具体分为以下几步：（1）知识挖掘：通过对企业内部的文本数据、结构化数据和半结构化数据的分析，寻找其中的语义关系和规律。
（2）知识清洗：对挖掘出来的知识数据进行清洗和过滤，排除错误和冗余信息。
（3）知识表达：将知识通过图谱的方式进行表达，并采用统一的编码方式，使得知识可以在不同系统间进行共享和复用。
（4）知识提炼：对知识图谱进行进一步的提炼和优化，增强知识之间的关联度和充分挖掘语义信息。
2.知识图谱应用知识图谱的应用需要具体根据企业的实际业务需求和场景进行定制化。
以下是几种常见的知识图谱应用：（1）企业知识管理平台：企业可以通过构建知识图谱系统，实现对知识的统一管理和应用。
（2）个性化推荐系统：基于知识图谱可以实现对用户需求的个性化推荐，提高用户使用体验。
企业知识管理中的知识图谱研究
企业知识管理中的知识图谱研究随着互联网技术的飞速发展和各行各业信息化的推进，知识管理已成为许多企业不可或缺的一项战略性任务。
而知识图谱作为知识管理的一种新型技术，近年来备受关注，并在企业知识管理中发挥越来越重要的作用。
一、知识图谱的定义和概念知识图谱（Knowledge Graph）是一种将实体、属性、关系与特定领域的实际知识组织在一起的图形化知识表示方法。
其主要目的是通过不同实体之间的关系来描述和组织知识，为人工智能技术提供更为精准和有效的数据支持。
通俗点说，就是将某个领域的所有常识和知识整合到一个数据结构中，并通过不同实体之间的关联来构建一张有机的知识图谱。
二、知识图谱在企业知识管理中的作用1. 知识检索和搜索知识图谱可以建立一个精准的语义搜索平台，以支持员工进行知识检索。
基于知识图谱的搜索可以更精准地为员工提供需要的知识资源，减少他们在海量文档中找寻答案的时间，提升工作效率。
2. 知识推荐通过知识图谱，企业可以更好地了解员工的工作和知识水平，为员工推荐适合他们的知识资源，提高知识获取的效率和准确率。
3. 知识共享知识图谱可以为企业建立起一张由实体、属性和关系组成的知识体系，便于于员工进行知识共享。
通过对知识图谱的维护和更新，企业可以将员工的个人知识转化为整个企业的知识资产，实现知识的高效共享和传承。
三、知识图谱的应用案例1. 百度知识图谱百度知识图谱是应用知识图谱技术的经典案例。
该图谱是从用户搜索行为中提取出的知识构成的，包含了不同领域的各种实体和知识，如人物、地点、时间、图书等等。
百度知识图谱的出现，使得用户更加轻松直接地获得信息。
2. 索尼知识图谱索尼知识图谱是一种高级知识管理系统，可以根据企业不同的业务需求，构建不同的知识图谱，以便更好地利用和传播组织的知识。
该系统还可以通过智能分布式搜索引擎和协作技术对多语言、多国家和多种文化的信息进行处理，方便了索尼全球各地的研究者和员工。
四、知识图谱的挑战和未来发展1. 数据质量要求高构建知识图谱需要对海量数据进行研究、处理、识别和分析，数据的质量要求较高。
基于知识图谱的国内知识服务研究的演变分析
基于知识图谱的国内知识服务研究的演变分析作者：谭春辉麻晓杰李思佳程凡来源：《现代情报》2015年第03期[摘要]本文选取CNKI数据库中收录的知识服务方面的文献共2119篇作为数据源，对其从时间、机构、作者、期刊4个方面进行时空维度分析，并对该领域的学科基础、研究热点和研究前沿进行分析，试图探索国内知识服务的研究现状、演进过程及发展趋势。
[关键词]知识服务；知识图谱；研究热点；研究前沿DOI：10.3969/j.issn.1008-0821.2015.03.021[中图分类号]G250.252 [文献标识码]A [文章编号]1008-0821（2015）03-0113-07自20世纪90年代起，随着知识经济浪潮的日益高涨，在信息技术不断发展的推动下，为适应社会对知识共享与创新的需求，知识服务（knowledge services或knowledge based services）这一概念应运而生。
知识服务概念一经诞生，就受到研究人员的青睐，并产生了大批的相关研究成果。
从国外学者现有的研究成果来看，大多数研究人员除了对知识服务的起源、内涵、框架、技术、系统等进行了深入研究，同时对于知识服务应用模式比较关注，产生了比较多的研究成果。
国内学者对于“知识服务”的研究，从“中国知网”（CNKI）文献检索结果来看，起源于1990年郭金楠等发表的《积极探索函授培训主动提供知识服务》一文；图书情报学界对于“知识服务”的研究，发端于1999年任俊为在《图书情报知识》发表的《知识经济与图书馆的知识服务》一文。
之后，张晓林、姜永常、苏新宁、李贺、蒋永福、曾建勋、王伟军等一大批学者对知识服务的内涵、框架结构、技术基础、应用情景、应用模式、应用绩效等内容进行了研究，有力地推动了知识服务理论体系的深化和应用领域的拓展。
缘于“知识服务”相关研究成果日益丰富，国内已有研究人员尝试利用知识图谱的方法，对知识服务研究成果进行可视化分析，如李晓鹏等（2010）发表了《国内外知识服务研究现状、趋势与主要学术观点》一文，张士靖等（2010）发表了《基于CSSCI的知识服务领域高被引作者的可视化研究》一文，薛调（2012）发表了《国内图书馆学科知识服务领域演进路径、研究热点与前沿的可视化分析》，许智（2013）发表了《图书情报学知识服务的知识图谱分析》等。
知识图谱技术在企业知识管理中的应用
知识图谱技术在企业知识管理中的应用随着企业知识管理的不断深入，知识图谱技术正在被越来越多的企业所采用。
知识图谱是一种新型的知识表示和共享方式，它可以将各种不同格式的知识进行整合，并将其归属到一个统一的语义范畴之下。
因此，知识图谱技术在企业知识管理中的应用能够大幅提升知识的发现、利用和共享效率。
一、知识图谱技术简介知识图谱是指将各种不同的知识数据按照一定的规则和结构进行链接的一种图谱，是一种新型的符号逻辑构架，可以实现各种知识之间的精确链接和智能推理。
知识图谱所涵盖的范围非常广泛，包括人物、事件、场所、组织、学科、学术论文等的各种类型知识元素。
知识图谱技术主要由三个方面的技术支持：知识工程、语义网络和人工智能技术。
其中，知识工程主要负责知识的抽取、清洗和构建；语义网络主要用于知识之间的链接和推理；人工智能技术主要负责知识的学习和推荐。
二、知识图谱技术的优势1. 知识共享能力强知识图谱技术可以将各种不同格式的知识进行整合，将它们归属到同样的语义范畴之下，使得不同部门和员工之间可以快速高效地共享知识。
2. 知识发现能力强通过知识图谱技术，企业能够快速精准地找到需要的知识，从而加速决策和创新实践的过程。
3. 知识利用能力强知识图谱技术可以实现知识的智能推荐，根据员工的个人喜好和需求，推送最适合的知识资源，提高员工对知识的利用效率。
三、知识图谱技术在企业中的应用场景1. 企业知识管理平台知识图谱技术可以用于企业知识管理平台的建设。
通过知识图谱技术，企业能够实现知识的集成和整合，提高知识的可用性和可访问性，帮助企业更好地开展知识管理工作。
2. 智能搜索引擎知识图谱技术可以应用于企业内部的智能搜索引擎，将搜索结果进行智能推荐，提高搜索和查询的准确性。
3. 智能问答机器人知识图谱技术可以应用于企业内部的智能问答机器人，帮助员工得到更快、更准确的答案，提高工作效率。
4. 专家推荐系统知识图谱技术可以应用于企业的专家推荐系统，通过对员工知识技能的评估和推荐，帮助企业更好地挖掘和利用员工的知识和技能。
知识图谱在企业知识管理中的应用探索
知识图谱在企业知识管理中的应用探索知识管理已经成为企业管理中不可或缺的一部分，因为在知识经济时代，知识和信息的快速变化和更新已经成为了企业的生存之基，也是企业竞争力的来源，因此企业必须要有对知识的吸收、加工、整合和共享的能力。
而传统的知识管理方式已经不能适应当今复杂多变的知识管理需求，因此新兴的技术手段为我们提供了更为广阔的思路和空间，其中知识图谱作为一种新型的知识管理方式广受关注，本文将对其在企业知识管理中的应用进行探索和研究。
一、什么是知识图谱知识图谱是指利用语义网络和大数据技术，将知识中的实体、属性、关系等信息进行归纳、整理和连接，形成一个网络结构的图谱，以便于人们更直观、高效地使用和理解知识。
它不仅是一个简单的概念分类工具，更是可以对知识进行深度挖掘和分析的工具，在企业知识管理中具有广阔的应用前景。
二、知识图谱在企业知识管理中的应用1.知识检索和推荐在企业知识管理中，员工需要快速、准确地查找所需信息，而传统的检索方式往往存在信息难以找到、查询速度慢等问题，而知识图谱则能够通过对企业知识进行语义建模和自然语言处理等技术手段，实现快速、准确的检索和推荐。
通过对各个知识领域的分类和关联，可以帮助员工从海量的知识中找到所需的信息，提高员工的工作效率和知识管理的效果。
2.知识共享和协作知识图谱可以将企业内部的知识进行结构化的表示，并通过共享平台向员工推送相关的知识。
员工可以根据自己的职业需要，对知识图谱中的内容进行补充和修改，从而实现知识协作和共享。
同时，知识图谱可以通过对员工的知识背景和兴趣进行分析，向员工推荐最相关和有用的知识，促进知识的流通和沉淀。
3.知识管理和分析企业内部的知识非常庞杂和复杂，如何对这些知识进行有效的管理和分析，已经成为企业管理中一个重要的问题，而知识图谱则可以通过对知识的建模和分析，实现知识的可视化和全面的管理。
例如可以通过知识图谱对企业员工的知识背景、技能等进行分析，制定个性化的知识培训计划，从而提高员工的能力和知识水平，同时也可以对知识图谱中的知识进行统计和分析，了解企业知识的分布状况和热点领域，为企业决策提供参考和支持。
知识图谱技术在知识管理中的应用研究
知识图谱技术在知识管理中的应用研究知识管理旨在提高组织及个人的知识效率，增加知识价值，构建知识共享和创新机制。
而随着信息技术的快速发展和互联网海量信息的涌现，如何有效地管理、分析、获取和应用知识成为知识管理领域面临的挑战。
知识图谱作为一种结构化知识表示和管理方法，正逐步成为知识管理的重要工具。
一、知识图谱技术的基本原理知识图谱是一种以图谱为基础的、用于表示领域中实体、概念、属性和关系的语义网络。
它的本质是利用计算机技术对人类知识进行自动化的提取、挖掘和表示，以支持智能问答、自然语言处理、智能推荐等任务。
在知识图谱中，每个实体可以表示为一个节点，实体之间的关系可以表示为一个边。
通过建立知识图谱，可以从数据中挖掘出潜在的关联和模式，引导人们对领域知识的理解和发现。
二、知识图谱在知识管理中的应用1.知识检索和推荐在各大搜索引擎中，利用知识图谱技术对搜索结果进行检索和推荐已经成为一种常见的方式。
例如，Google利用知识图谱建立了一个较为全面的人类常识库，用户在搜索过程中可以快速得到相关的实体和概念。
知识图谱可以对实体和关系进行高效的存储和查询，有助于用户快速获取所需的信息。
2.知识共享和协同知识共享和协同是知识管理领域中的重要组成部分。
利用知识图谱技术，可以将不同的知识源有机地整合起来，形成一个共享和协同的平台。
基于知识图谱，可以构建知识社区，通过知识的提交、审核和共享，形成一个开放的知识体系。
例如，维基百科就是一个基于知识图谱的协同和共享平台。
3.知识提取和分析知识提取和分析是知识管理中的重要环节。
利用知识图谱技术，可以从文本、图像、视频等多个数据源中高效地提取和整合知识，从而形成一个全面的知识库。
通过对知识图谱中的实体和关系进行挖掘和分析，可以深入理解领域内的知识结构和知识关联模式，从而提升知识管理的效率和准确性。
三、知识图谱在实际应用中的案例研究1.滴滴出行滴滴出行利用知识图谱技术，将用户、司机、车辆等实体和关系进行结构化表示。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
由表 1 可见， 国际企业知识共享的研究始于 1990 年， 1996 年以前发文量不大， 随后稳步增长； 国内研究 始于 1998 年 。两者文献增长的趋势（ 本文只对 1998 － 2010 年间进行研究） ， 如图 1 所示：
3
3． 1
国内外有关企业知识共享的对比研究
发文量比较分析
由检索结果可列出年度发文量， 如表 1 所示：
表1
时间 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 国内 0 0 0 0 0 0 0 0 10 59 195
年度发文量（ 篇）
国际 1 0 3 3 1 8 10 17 24 21 38 序 号 1 频 次 201 时间 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 国内 123 159 235 285 325 417 542 565 582 345 国际 42 57 78 65 88 107 158 183 184 113
3． 2
高被引文献比较分析
21
＜＜ 专
题
表3
题 名
国内高被引文献
作 者 频次 时间（ 年） 100 40 2002 2005
研究热点是某一时期人们普遍关注 、 数量较多文 献探讨的问题或专题， 是研究者关注的焦点， 从文献计 量学角度看， 被引频次最高的文献通常是该领域的研 究热点［13］。 得 国外热点 。将检索的数据按被引频次排序， 到大于 50 的 43 篇高被引文献， 将其作为数据源得到 关键词共现图， 如图 3 所示：
2
114
1996
3 4
110 107
Grant R M Cohen W M
1996 1990
5
103
Kogut B
1992
频次排第 1 的是 Nonaka I 等的 The knowledgecrea图1 年度发文量对比
ting company， 讲两位日本商界专家首次把企业绩效与 知识创新 、 创新产品和技术的能力联系起来， 阐述了隐 性和显性知识之间的转换即 SECI 模型［3］。Szulanski G 的 Exploringinternalstickiness： Impediments to the transfer of best practice within the firm 排第 2 ， 该文通过对知识共享 代表性词汇的定义， 将谓词演算翻译成专门的陈述实 现知识共享［4］。Grant R M 的 Toward a knowledgebased 讲述了通过整合员工的隐性知 theory of the firm 排第 3 ， 识达到知识共享， 指出基于知识运用为机构创新和科 学管理的进一步提升产生重大影响［5］。 Absorptive capacity： A new perspective on learning and innovations［6］， Knowledge of the firm，combinative capabilities，and the replication of technology［7］被引频次依次居后 。 国内文献分析 。将检索结果按被引频次排序， 得到排名前 5 的文献信息， 如表 3 所示：
由表 3 可见， 国内被引频次最高为严浩仁等的《试 论知识特性与企业知识共享机制 》 ， 探讨了实现知识共 享各种主客观障碍， 提出构建企业知识共享的机制［8］。 陈菊红等 的《虚 拟 企 业 知 识 共 享 的 过 程 及 其 博 弈 分 析》 排名第 2 ， 分析了虚拟企业知识共享的特征 、 过程 及博弈模型［9］。范黎波的《企业知识共享网络的创建
图2
文献共引序列
图 2 中有 368 个节点 、 3 574 条连线， 每个节点代 表一篇文献， 节点越大该文献被引次数越多； 节点间的 连线代表文献间的引用， 连线越粗共引次数越多， 文献 间的关系越紧密， 研究问题越相近 。 被引频次排名前 5 的节点信息， 如表 2 所示：
表2 国外高被引文献（ 频次 ＞ 100 ）
20 LIBRARY AND INFORM ATION SERVICE
＞＞
第 55 卷 第 10 期 2011 年 5 月
及前沿， 具 体 方 法 包 括 共 引 分 析 和 词 频 分 析， 借助 CiteSpace 软件绘制共引图和主题词图， 对国内外企业 知识共享的热点和前沿领域进行探讨 。 得 国外文献分析 。 将检索结果输入 Citespace， 到企业知识共享高被引文献图， 如图 2 所示：
难以把握， 也无从对其进行深入的研究 。“百闻不如一
1
引
言
见 ” 、 “一图胜千言 ” ，信息可视化利用计算机对抽象信 科学 、 形象 息进行直观表示， 借助科学知识图谱客观 、 发展态势与前沿进 地展示企业知识共享的结构特征 、 展， 追踪企业知识共享的潜力所在， 对人们把握正确的 研究方向 、 找准研究的切入点 、 提高研究水平 、 提升企 业竞争力， 具有重要的理论意义与实践价值 。
［2 ］ ［1 ］
2
数据来源和研究方法
本文中的国际研究数据来源于美国科学情报研究
所的科学引文索引扩展， 在 Web of Science 用主题词进 行检索， 共得到 1 201 条文献， 经分析它们的发表时间 采集时间 为 2010 年 11 月 10 分布在 1990 － 2010 年， 日； 国内数据来源于数字出版平台中国知网， 共检索出 3 742 条文献， 分布在 1998 － 2010 年， 采集时间为 2010 年 11 月 12 日， 对下载的数据进行了必要的清洗与处 理。本文借助知识图谱展示企业知识共享的研究热点
。国内外有关企业知识共享的研
究越来越多， 与日俱增的文献让人们对它的核心知识
* 本文系国家社会科学基金项目 “社会网络分析在企业知识共享中的应用研究 ” （ 项目编号： 09BTQ022 ） 研究成果之一。 收稿日期： 2011 － 01 － 20 修回日期： 2011 － 03 － 08 本文起止页码： 20 － 24 本文责任编辑： 高 丹
“知识就是力量 ” ， 300 多年后的今天， 培根的经典 名言在愈见清晰的知识经济中更显实用价值 。20 世 随着知识经济全球化的到来， 知识成为企 纪 90 年代， 业获得利润的重要资源和手段， 知识的生产 、 加工 、 创 新和应用日益成为推动经济增长和社会发展的主导力 量， 作为社会经济的细胞， 企业正用知识管理演绎着生 是要打破不 存与发展 。知识共享是知识管理的核心， 同所有者之间的壁垒， 实现知识在一定范围内的自由 流动和使用， 促进知识的创新 。 管理大师德鲁克认为 ： “21 世纪的组织， 最有价 值的资产是组织内的知识和工作者的生产力 。 ” 信息时 代知识已成为重要的财富来源， 要掌握竞争优势必须 先掌握知识， 并对知识进行有效的管理， 知识共享是知 识管理的核心环节
＜＜ 专
题
基于知识图谱的国内外企业知识共享比较研究 *
马丽娜 赵蓉英 王 敏
武汉 430072 武摘要 〕以 SCIE 和 CNKI 收录的 “企业知识共享 ” 为主题的文献作为数据来源， 借助可视化工具 Citespace， 对采集 的数据进行文献共引和聚类分析， 研究国内外企业知识共享的发文量和高被引文献情况， 并对国内外企业知识共 享的研究热点 、 前沿及发展趋势进行探讨， 为我国企业知识共享的研究提出建设性意见和建议 。 〔关键词 〕知识图谱 〔分类号 〕G350 企业知识共享 可视化 Citespace
Comparative Study About Enterprise Knowledge Sharing of Home and Abroad Based on Knowledge Map Ma Lina Zhao Rongying Wang Min
Center for the Studies of Information Resources of Wuhan University，Wuhan 430072 Research Center for Chinese Science Evaluation （ RCCSE） of Wuhan University，Wuhan 430072 〔Abstract〕The paper uses theme of “enterprise knowledge sharing ” searched in the databases of CNKI and SCIE， using the tool Citespace which is used to analysis in a visual way， making the CoCitation analysis and clustering analysis towards the data found in the databases， analysising the papers from home and abroad and highly cited about enterprise knowledge sharing， meanwhile discussing the hotspots、 research fronts and development trends about enterprise knowledge sharing， Putting forward some constructive Suggestions and advices for our country’ s researching about the enterprise knowledge sharing． 〔Keywords〕knowledge map enterprise knowledge sharing visualization citespace