论文摘要：在数据仓库和知识仓库的基础上对决策支持系统的架构进行了改进，提出了基于知识发现和知识管理的决策支持系统模型，并对该系统模型中的各个模块的功能特点进行了研究。该系统融合了知识发现和知识管理理念，运用了数据仓库、数据挖掘等技术，实现企业的科学决策。
　　论文关键词：知识发现；知识管理；决策支持系统

　　在知识经济时代，企业所处的商业环境发生了根本性变化，知识资本成为了企业价值的重要组成部分，是企业做出决策的重要依托。目前，学界对利用知识技术帮助决策、利用专家系统等人工智能提高和强化决策支持系统功能的研究，主要停留在方法手段和个别领域等方面，从宏观上将知识发现、知识管理与决策理论、决策支持系统的实现结合起来，进行整体研究的还很少，系统模型不够完善。本文拟对决策支持系统的架构进行改进，提出知识发现、知识管理与决策支持系统的简单集成框架，即在决策支持系统结构中融入知识发现和知识管理模块，以期达到更优的决策结果。
　　1知识发现
　　1．1知识发现的定义
　　1989年8月，在第11届国际人工智能联合会议的专题研讨会上，首次提出了基于数据库的知识发现(knowledgediscoveryindatababe，kdd)技术。知识发现的定义，一般比较公认的是：知识发现是从大型数据库的数据中，提取人们感兴趣的知识，即正确的、非平凡的、未知的、有潜在应用价值的并最终可为用户理解的模式。
　　1．2知识发现的过程
　　kdd是一个反复迭代的人机交互处理过程，从宏观上看，kdd过程主要由三个部分组成，即数据准备、知识提取和结果的解释评估，如图l所示。WWW.11665.CoM

　　1．3知识发现的意义
　　知识发现是一个多学科交融的前景广阔的新兴领域，这些学科有人工智能、机器学习、模式识别、统计学、数据库、知识库、数据可视化及专家系统等。知识发现为决策各方创造了一个共同的理解模式，从而使知识发现过程成为持续的管理过程的重要一环。对于运用知识发现识别出来的知识，企业或组织可以进行如下工作：(1)预测；(2)趋势判断、模式识别和解释；(3)辅助决策。
　　2知识管理
　　2．1知识管理的定义
　　知识管理(knowledgemanagement)就是运用集体的智慧提高应变能力和创新能力，为企业实现显性知识和隐性知识共享和有效转换提供新途径。简而言之，知识管理就是企事业单位对其所拥有的知识资源进行管理的过程。比尔?盖茨在《未来时速》中提到“知识管理是个手段，不是目的，它是搜集和组织信息、把信息传播给需要它的人、不断地通过分析和合作来优化信息”。
　　2．2知识管理的过程
　　知识管理过程可以划分为四个环节：知识生成(pro—duce)管理，包括知识获取和知识创新；知识积累(stock-pile)管理，包括知识整理、知识保存、知识更新；知识应用(application)管理，包括知识测评、知识应用；知识交流(communicate)管理，包括知识传递、知识分享。这四个环节，九个部分相互承接与联系，共同构成了知识的基础管理体系。各个活动之间相互关联，并无简单的先后关系，而是在循环中不断进化和提高，形成了知识螺旋上升式的有机闭合环路，如同一条“知识链(knowledgechain)”，也称为“psca”闭环，如图2所示。

　　2．3知识管理的意义
　　知识管理是信息管理的延伸和发展。如果说信息管理是将数据转化为信息，并使信息为组织设定的目标服务，那么知识管理是把信息转化为知识，通过知识的创造、应用提高组织的应变能力和创新能力。著名管理学家彼得·f·德鲁克(peterf．drueker)及其同事们通过案例观察到，相当数量的美国和ft本的企业开始从传统的管理结构转移到新型的知识管理结构。只有系统、科学地做好知识管理，以知识管理的现代理念、科学方法提高现代组织的决策能力及其支持系统的支持质量和效率，才能真正实现知识管理研究和知识管理活动的最终目的。

　　3基于知识发现和知识管理的决策支持系统的构建
　　3．1决策支持系统的定义
　　决策支持系统(decisionsupportsystem，dss)是以现代信息技术为手段，综合运用计算机技术、管理科学、经济数学、人工智能技术等多种学科知识，针对某～类型的半结构化和非结构化决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能方案等方式，为管理者做出正确决策提供帮助的人机交互式系统。
　　3．2系统目标
　　系统设计日标是：对与决策相关的各种数据进行抽取、转换和加载等处理后，建立统一规范和高度共享的数据仓库，并在此基础上采用数据挖掘和ol&p等技术多角度分析数据，从中提取潜在的知识，并对发现的知识实施进一步的管理，求精、深化，从而建立高效的决策支持系统。
　　3．3系统构建
　　根据系统的设计目标，文章给出基于知识发现和知识管理的决策支持系统的模型，其基本结构框架如图3所示，箭头方向为控制流。

该系统由数据仓库管理模块、知识发现模块、知识管理模块、人机交互模块四大模块组成。
　　3．3．1数据仓库管理模块
　　该模块将不同来源的、结构不一致的数据进行概括和聚集，抽取其面向决策支持的部分并加载到数据仓库中，对其实行统一管理。当需要查询时，就可以直接访问数据仓库而无需再访问其它信息源。数据仓库是知识发现的基础，是面向主题的、集成的、稳定的、随时间不断变化的数据集合，用以支持决策管理的制定过程。
　　3．3．2知识发现模块
　　该模块是在数据仓库的基础上，运用数据分析工具，从数据中提取对决策有用的知识。模块中提供了大量知识发现引擎抽取算法，针对所要发现任务的所属类别，如分类、回归分析、聚类、关联规则等，设计或选择有效的数据挖掘算法并加以实现。数据挖掘和olap(联机分析处理)技术是知识提取的有力工具。从数据仓库中选择的数据在知识发现引擎里得到处理，生成辅助模式和关系。对发现的模式进行解释，在此过程中，为了取得更为有效的知识，可能会返回前面处理步骤中的某些步骤以反复提取，从而提取出更有效的知识。测试与评价所发现的知识，对知识进行一致性、效用性处理以确保本次发现的知识不会与以前发现的知识相抵触。将发现的知识将存放到知识库中，最终以用户能了解的方式呈现给用户。
　　3．3．3知识管理模块
　　上一模块提取的知识存放在知识库中，这些知识必须以一种有效的方式来进行管理，才能更好地为决策服务。经过知识生成、知识积累、知识交流和知识应用四个管理环节，以及与领域知识、员工的隐性知识、外部环境的交互，知识得到进一步的优化，以供决策。
　　3．3．4人机交互模块
　　决策者通过友好的人机界面，可以与系统进行交流。用户向系统发出决策请求后，系统将为用户展示分析后的结果，并可对展示的数据进行再次分析利用，形成最后的分析报表等。该决策支持系统的决策过程总结如下：(1)用户发出决策请求命令后，分析决策需求，描述和表示决策的问题。(2)数据仓库管理模块从数据仓库中获取与任务相关的数据，确定数据来源，建立数据仓库。(3)在知识发现模块中提供了大量知识发现引擎抽取算法，针对所要发现任务的类别设计或选择有效的数据挖掘算法并加以实现。(4)从数据仓库中选择的数据在知识发现引擎里得到处理，生成辅助模式和关系。(5)对发现的模式进行解释(6)测试与评价所发现的知识，对知识进行一致性、效用性处理。(7)将知识存放到知识库中，进行统一管理，进一步优化，还可以用于后继的知识发现过程和知识评价。(8)应用，使用户能在决策支持中运用所发现的知识。
　　以上过程是一个学习、发现和修改的过程，步骤之间包含了循环和反复，这样可以对所发现的知识不断求精、深化，并使其易于理解。 
　　4结束语
　　本文提出的基于知识发现和知识管理的决策支持系统融合了知识发现和知识管理理念，通过运用数据仓库、数据挖掘等技术，实现企业的科学决策。该系统模型的提出对提高决策支持系统的辅助决策能力，推动决策支持系统的实用化，进行了有益的探索和尝试；为今后系统设计开发提供一种思路，具有一定的理论意义和应用前景。