成制度化的决策系统，并获取更大效益。
知识仓库应具备以下主要功能：生产和组织知识的功能、检索和管理知识的功能、隐性知识共享和转化功能、知识存储和检索功能、知识分析和决策功能、新知识的产生和反馈功能、用户行为分析跟踪功能等。
4.3 联机分析挖掘技术（OLAM, Online Analytical Mining） OLAM是OLAP和DM相结合的产物，OLAP（Online Analytical Processing，联机分析处理）与DM（Data Mining，数据挖掘）是基于数据仓库技术而发展起来的信息分析与挖掘工具。在系统中OLAM和OLAP往往是集成应用的（如图4）。
集成的OLAM和OLAP结构(略)
OLAP是验证型的，建立在多维视图的基础上，重在根据已有的模式将直接源自数据仓库中的不同信息源的大量相关信息联系起来，以给分析人员一个清晰、一致的视图。OLAP的多维数据分析与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。OLAP的多维数据分析主要通过对多维数据的维进行剖切、钻取和旋转来实现对数据库所提供的数据进行深入分析，为决策者提供决策支持。多维结构是决策支持的支柱，也是OLAP的核心。多维结构中的维突破了三维概念，可以是超立方体和多立方体的数据结构。OLAP主要有两个特点：一是在线性（online），即对用户的请求做出快速响应；二是可以应用多种统计分析工具、算法对数据进行多维分析（multi－analysis）。DM是挖掘型的，建立在各种信息源的基础上，重在发现隐藏在大量原始数据深层中的对人们有用的模式（patterns）。DM有两个主要过程，即建立模型和预测未来结果。
OLAM兼有OLAP多维分析的在线性、灵活性和DM对数据处理的深入性，OLAM服务器可以执行如概念描述、关联、分类、预测、聚类、时间序列分析等多种数据挖掘任务，它通常由多个集成的数据挖掘模块组成，比OLAP服务器复杂得多。目前OLAM正处于研究之中，针对OLAM的发展驱动力和基本结构，以下几点是必要的：OLAM建立在多维数据库和OLAP的基础之上，能对任何它想要的数据进行挖掘；用户对挖掘算法具有动态选择的权力；具有强大的基于超立方体的挖掘算法；能够协调好执行效率与挖掘的准确性之间的关系；具有灵活的可视化工具和良好的扩展性。
通过把OLAM和WWW技术相结合，形成网络联机分析挖掘技术。 特别适合数据量巨大、信息类型复杂、表现形式繁多的网络信息资源的挖掘和组织，这是目前最新的数据挖掘技术。
4.4 Web挖掘技术（Web Mining） 随着Internet在流量、规模和复杂度等方面的飞速增长，WWW成为一个巨大的、分布广泛的、全球性的信息服务中心。Web中包含了Web页面的内容信息、丰富的超链接信息以及Web 页面的访问和使用信息，为数据挖掘提供了丰富的资源。Web挖掘就是利用数据挖掘技术从Web文档和Web活动中抽取人们感兴趣的、潜在的、有用的规律和模式。Web挖掘可分为三类：
a.Web内容挖掘（Web Content Mining）。对Web页面的内容进行挖掘，主要是对各种非结构化数据，如文本、音频、视频和图形图像等各种数据相融合的多媒体数据挖掘。b.Web结构挖掘（Web Structure Mining）。对Web页面之间的结构进行挖掘，从WWW的组织结构和连接关系中推导知识，如HITS算法[5]。c.Web使用信息挖掘（Web Usage Mining）。通过Web日志文件和相关数据，对用户访问Web 时留下的访问记录进行挖掘，发现用户访问Web页面的模式。
4.5 信息可视化技术（Information Visualization） 信息可视化技术正在成为信息科学的一个重要分支。它的目标是实现信息的知觉化、感知化。信息可视化集成了多方面的内容，包括信息抽取和描述、人机交互、数据挖掘、制图学和成像学等。信息可视化对知识挖掘的支持是将抽象的、典型的非数字化（如文本）信息转换为二维或三维图形的形式。它可帮助用户理解大规模数据集合，在处理信息可视化空间内，可以显示和观察数据属性，被显示的对象之间的隐藏关系变得显而易见。
信息可视化参考模型(略)
可视化信息系统的开发由以下几部分组成[6]：a.确定有意义的信息特征，即真正了解准备可视化的信息；b.清晰地定义一个可视化空间（二维或三维），这个空间用于存放可视化对象；c.映射数字化描述或者确定在二维或三维可视化环境中可视化对象的位置；d.集成用于搜索可视化信息和与其进行交互的工具。
信息可视化运用图形化技术支持多种多样的交互功能，便于用户探索概念关系和隐含的信息。
5、结束语
由上面的分析可知，如果在情报分析研究工作平台中提供知识挖掘功能，将能更好地支持知识管理目的在情报分析研究工作流过程中的实现：情报研究人员对内部知识仓库不断的个性化知识挖掘，促进了个人知识不断融入机构的知识管理过程；知识挖掘促进了研究人员之间的知识流转与共享过程，加速了研究人员头脑中隐性知识的显性化，从而促使新知识的产生；情报分析研究用户的个性化知识挖掘，使得研究机构和人员可以及时地收集关于知识被利用情况的反馈信息，为知识系统的完善提供支持。
【参考文献】
[1] Polyan M.The Tacit Dimension.London: Routledge & Kegan Paul,1996
[2] Nonaka I, Takeuchi H.The Knowledge-Creating Company.Oxford: Oxford University Press, New York, 1995
[3] 李宏.知识管理与知识挖掘在情报研究工作中的实现.情报理论与实践，2003:（3）
[4] Efrem G.Mallach, Decision Support and Data WareHouse Systems.McGraw-Hill, Companies, Inc,2000
[5] Kleinberg J M.Authoritative Sources in a Hyperlinked Environment.In: Proc.9th ACM-SIAM Symposiue on Discrete Algorithms, 1998
[6] Dr.JinZhang.Introduction for the Special Issue“Information Visuallization”.现代图书情报技术，2004:（10）
上一页 [1] [2]
