面向创新的航天企业知识管理系统

/中国运载火箭技术研究院

当前，无论对于国家还是企业，创新已成为持续发展的核心支撑。越来越多的企业认识到，知识是企业的关键战略资源，而知识管理在自主创新中发挥着举足轻重的作用。因此，作为知识管理的技术支撑手段，知识管理系统也在越来越多的企业中得到认可。

然而，对于建设什么样的知识管理系统以及如何建设，却是许多企业面临的难题。尽管我国于2014年发布了知识管理国家标准《知识管理系统功能构件》，对系统的建设原则、框架和方法进行了指导，但在不少企业仍难以直接落地。中国运载火箭技术研究院自主研发的知识管理系统已成功运行7年，其对研究院的业务优化和创新起到了重要支撑。在此，笔者通过介绍研究院知识管理系统，主要包括系统建设原则、功能服务和关键技术等，以期为急需开展知识管理工作的大型企业提供参考和借鉴。

一、知识管理系统的建设原则

1.业务层面

根据权威机构的调研数据显示，不能与业务充分融合是知识管理面临的最主要挑战之一，近50%的受访者认为，“没有契合业务”造成了知识管理项目的失败。因此，知识管理系统应紧密结合企业的业务需求，通过对知识的积累、传播、共享、应用来推动技术创新、管理的优化，并进一步促进整体业务效率的提升。

契合业务痛点。知识管理的目的是解决业务流程因知识共享、应用不足而导致的问题，从这个角度而言，只要能针对特定的环节实现局部的优化，知识管理系统就能发挥作用。因此，系统建设时应该聚焦于业务的痛点，突出解决特定的问题。不少公司的经验表明，相对于大而全的系统，小而精的系统往往针对性强，特点突出，能给企业带来更多的实效。

支撑协同办公。随着社会分工的日益精细化，企业员工之间的协同办公已成为主流趋势。而知识的跨专业、跨领域、跨组织共享是协同办公的前提，这就要求知识管理系统对员工之间的跨域交流与共享提供良好的技术支撑。具体而言，知识管理系统应融合企业的各业务环节，通过知识实现流程的无缝衔接、资源的互联互通，进而促进业务效率的提升。

驱动持续创新。无论是国家层面还是企业层面，创新已成为持续发展的核心驱动力。高质量、可持续的创新来源于不同领域、不同角度知识的交融与碰撞，更来源于员工个人积极的学习和深入的思考。企业知识管理系统应通过其作用的发挥，支撑企业塑造善于学习、乐于共享的氛围，进而为持续创新提供不竭动力。

2.技术层面

除了契合业务需求，知识管理系统在技术层面也应保持先进性和严谨性，以保障其在日益变化的需求中能够实现敏捷完善、快速更迭。

统一数据架构。知识管理系统需要实现多源异构知识的整合，不同的知识源往往具有不同的数据架构和存储方式，在大数据理念全面渗透的今天，知识之间的关联分析、挖掘、推理已成为迫切需求，为实现数据关系图谱的完整化、准确化，建议对系统实现统一的数据架构设计。

采用先进技术框架。当前，信息系统的更新周期越来越短、更新频率越来越高，尤其对于知识管理系统而言，随着企业知识数量的急剧增长，必然会引发对其功能的不断延伸和拓展。因此，系统需要具备先进的、前瞻的技术框架，在保证良好可扩展性的同时，能具备快速响应和敏捷迭代能力。

模块化设计。模块化已成为信息系统建设的趋势，其可以保证系统的灵活性，便于系统根据业务需求的变更快速更迭，同时为系统的产品化推广奠定基础。随着知识经济的到来，企业对知识管理系统的需求日益迫切，系统的产品化前景也越来越广阔，基于此，模块化的系统设计将有利于系统灵活地调整和组织，实现面向不同需求的推广。

二、知识管理系统的功能服务

知识是创新的核心驱动力，对于技术密集型的科研企业而言，知识管理系统应定位于加速知识传播、提升研制效率、驱动业务创新。因此，知识管理系统应以解决业务实际需求为目标，以知识资源全生命周期为主线，以标准体系和文化氛围为支撑，实现知识的全面积累、准确获取、即时共享、高效应用，其功能架构如图1所示。

1.知识积累服务

系统面向多源异构知识源提供不同类别的知识模板，实现知识源的个性化封装。基于个性化的模板，实现知识资源关键属性的解析，同时完成知识实体对象的提取，以实现知识关键属性与知识实体之间关联关系的构建。该服务涵盖的典型知识类别包括：

创意类知识包括面向技术的战略性发展提出的前沿性、颠覆性构想，为组织领域占位提供支撑，还包括针对企业科研生产和经营管理中的问题提出的创新性解决方案。

经验类知识是伴随着型号或项目研制形成的阶段性经验总结和教训回顾，包括项目中的核心技术、创新方法、质量案例等。

成果类知识是科研生产中形成的论文、专利、软件等课题成果，作为企业的知识产权积累以及对外推广转化的支撑。

标准类知识是科研生产和经营管理中固化形成的标准、规范、制度等。

岗位类知识是在分析岗位的具体业务活动的基础上形成的有针对性的岗位知识体系，包括上游输入、下游输出、岗位约束、资源支撑等。

2.知识存储服务

一方面，实现对知识资源的保持和维护，以保障知识资源的完整性、安全性；另一方面，实现对知识资源的标识和归类，为知识的多视角获取提供支撑。研究院兼具军工涉密企业和高技术科研企业的特征，既需要保证知识的绝对安全，又对知识的多维度高效获取有迫切需求。因此，知识管理系统提供的知识服务涵盖以下功能模块：

图1 知识管理系统功能架构

知识查重。对于新入库的知识文档，利用自然语言处理及文本挖掘技术，比对其与库中已有文档的相似性，对于判定为重复知识的文档，暂不进行存储，并将具体重复信息提示给审批人和上传人。

加密存储。采用对称加密和非对称加密相结合的方法，首先完成密钥的加密封装，随后利用封装后的密钥对知识资源属性和实体分别加密，通过两重加密保证知识资源的绝对安全。

多维导航。从专业、型号、类型、组织、术语等多个视角，对知识资源进行标签化管理，以保证不同需求的用户对各维度知识资源的高效、准确获取。

3.知识共享服务

系统支持跨组织、跨地域、跨专业、跨项目的知识共享，面向不同需求场景的用户提供即时交流、信息发布、知识固化等功能，进而促进知识的传播与流通。该服务涵盖的功能模块包括：

知识社区。为专业相似、爱好相同的员工提供跨组织的交流平台，支持自由的观点碰撞与经验共享。

专家地图。根据专家的专业、组织、研究领域、个人成果等信息，从同专业、同组织、同类别、同合作等关系维度构建专家之间的图谱，并通过系统面向全员展示。支持员工通过姓名、分类、单位等对专家进行搜索和定位，并与专家在线交流，实现专家隐性知识的挖掘与共享。

秦泗河教授将于2019年1月4日（周五）～1月6日（周日）在民政部国家康复医院举办“黄埔十七期-外固定与肢体重建培训班”。本期培训班将以秦泗河团队20 941例（已建成数据库）足踝手术的经验为基础，介绍外固定与足踝重建国内、国际进展，各类疾病引起的复杂足踝畸形的术前策划、手术要领和术后管理。延续往届之特色，本期培训班包括理论授课、病例讨论、典型手术视频观摩、Workshop操作、秦泗河教授带领学员进行矫形外科大查房等环节。

成果发布。面向全员发布奖励成果、课题研究成果、知识萃取成果、专利转化成果等。通过成果的共享，一方面使员工了解他人的研究方向和进展，尤其是专业相近、领域相似的人员，便于促进相互借鉴与学习，进而推动研究的不断延续和深入；另一方面实现各领域的研究热度及深度的展示，便于领导层了解组织的技术强项和不足，为后续的战略布局提供决策支持。

创意广场。通过日常捕获与竞赛征集结合的方式，鼓励员工提出前沿性、颠覆性、创造性的概念、理论与方法。面向大众发布，获取大家的意见和建议，并筛选优秀的创意作为项目孵化的种子，实现对员工心得、灵感的挖掘、共享。

4.知识应用服务

知识管理系统根据业务实际需求，从知识学习、复用、推送、问答等多个应用场景来支撑知识管理与业务需求的融合。

文件模板复用。对于设计手册、任务书、策划报告等格式较为固定的文档，由设计人员提炼形成规范化的模板，包括格式说明、编写内容指导、示例展示等，并通过系统发布和共享，不仅降低了设计人员的文件编制难度，提升了研制效率，同时也保障了知识的高价值和规范性。

岗位知识体系学习。系统基于IDEF0思想构建了岗位知识建模环境平台，以支撑岗位体系模型的构建与共享，实现业务活动与知识资源的紧密关联，为新入职的员工提供快速化、一体化的学习环境。

基于场景的知识推送。自动捕捉用户专业、型号等背景信息，以及历史的知识上传、浏览、收藏、评论等行为记录，构建用户兴趣模型。基于兴趣模型和实时的工作场景，对用户所需的知识进行精准、快速推送。

三、关键技术

为保障功能完备和性能优化，知识管理系统采用了一系列较为前沿的理论和方法，包括知识资源类别动态配置和扩展技术、基于本体的航天领域知识图谱构建技术、基于兴趣模型的知识推送技术等，这些技术的应用有力支撑了系统的各项功能，并在知识的全生命周期管理中发挥了重要作用。

1.基于本体的知识术语图谱构建

知识管理系统通过调用Protégéowl API开发接口，创建实现本体描述的owl文件，并将定义的本体类写入其中。通过Jena API对本体进行本体术语及其关联关系解析，利用Prefuse可视化展示工具包实现知识术语组织关系动态展示，以支撑本体术语间树状、网状关系的直观可视化展示。基于本体的知识术语图谱构建技术路线如图2所示。

2.基于机器学习的知识查重

基于机器学习的知识查重涉及知识文本分词、构建向量模型、机器学习训练及分类、查重逻辑及评估等环节。其具体步骤包括：

一是从上传知识中获取全文文本，采用改进的机械式分词算法实现字符串识别、词组拆分，去除停用词，识别数字和人名等词汇后统计词频，并利用TF-IDF 公式实现文本向量的表示：

二是构建标注好距离的训练文本库，以及待查重的文本训练数据。对于每一篇待查重的文本数据，在进行预处理后计算其与训练文本库各篇文本的相似度距离，根据距离判断该文本的相似文本集。初始的计算公式如下：

其中，α、β先设定初始值，可根据结果调整。三是对于相似文本集中的文本，根据预先标注的距离进行人为调整，系统根据调整结果完善距离计算公式中α、β的参数值。

图2 基于本体的知识术语图谱构建技术路线

四是当相似度判定精度达到一定阈值时，将修正完成的距离计算公式作为文本查重的判据。

五是对于新增的文本样本，采用修正的相似度判断公式计算相似度距离。

六是选择距离小于一定阈值的文本作为该新增文本的重复数据，并按照距离远近设置相似权重值。

七是统计该新增文本与各篇重复文本的相似字数，获取知识全文的重复率，再加权平均获取总相似率。

3.基于兴趣模型的知识推送

进行个性化的知识推送，首先需要针对不同用户捕捉数据特征并构建兴趣模型。数据特征的提取总体上来说可以分为显式信息和隐式信息提取2个部分，前者需要用户主动提供能够表示其兴趣爱好的数据，后者无需用户主动参与，可以在不打扰用户使用的情况下跟踪用户的浏览行为自动获取。为了提取完整的用户兴趣特征，系统在实际操作中通常采用混合信息的提取方式，以充分发挥二者的互补优势。

数据特征提取后进行用户兴趣模型的构建，常见的用户兴趣模型表示方法包括基于神经网络的表示、基于关键词列表的表示、基于本体的表示、基于向量空间的表示等。知识管理系统采用基于向量空间模型的表示法，将用户的兴趣模型表示成一个 n 维的特征向量，用以表示用户感兴趣的方面以及对这一方面感兴趣的程度。

用户模型构建完成后需定期更新，因此系统采用基于全局数值和基于模型相结合的方法，由系统自动完成模型更新。系统根据预先设定的周期进行模型计算，当符合定时更新时间时自动检测兴趣已变动的用户，并计算实例，更新后存入数据库以方便调用。然后，对各用户实例进行监控，如果某用户实例中兴趣点更新变动系数超过了阈值，则对该用户实例进行全局数据计算，并更新数据库中的结果。

对于知识推荐，系统采用基于内容的推荐方法，将知识项定义为一个特征表示的向量，根据前期生成的用户兴趣模型，比对知识特征向量与用户兴趣模型的相似度，从而找到与该用户兴趣相似度最高的知识项，因此不存在用户—项目评分矩阵稀疏的问题，且能够为拥有特殊兴趣爱好的用户作推荐。基于兴趣模型的知识推送技术路线如图3所示。

从知识管理工作起步到现在，中国运载火箭技术研究院经过多轮优化、改进和完善知识管理系统，在知识积累、信息共享、激发创新等方面发挥了重要作用。从多年的建设及运营经验来看，各个企业知识管理系统的建设不必遵循统一的规则，只要能找准业务痛点，解决系统中的实际问题，知识管理工作就能达到根本目的。

需要指出的是，任何系统的建设都不是一成不变的。随着技术的飞速发展和社会的深刻变革，企业的业务需求势必会发生频繁的变化，作为企业发展的核心支撑，知识也必然会通过不同方式为企业提供不同的支撑和保障。在后续工作中，研究院将会紧跟技术潮流和业务需要，持续优化知识管理系统，以推动知识驱动的企业创新和升级。

图3 基于兴趣模型的知识推送技术路线图