CN115982429A - 一种基于流程控制的知识管理方法及系统 - Google Patents

Abstract

本发明涉及一种基于流程控制的知识管理方法及系统，本发明涉及知识管理技术领域，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，通过本方法能够从推荐知识项目中进一步筛选出职工感兴趣的知识数据本，然后将这些知识数据本自动的推荐给职工，不需要职工大量检索相关知识数据本，提供职工阅读体验，进一步提高了知识推荐精度。

Description

一种基于流程控制的知识管理方法及系统

技术领域

本发明涉及知识管理技术领域，特别是一种基于流程控制的知识管理方法及系统。

背景技术

随着企业规模的不断扩大，企业内部的知识数据本（如工程项目文档、经验案例文档、销售策划文档、会议记录文档以及法规制度文档等）不断积累，业务流程日益复杂化，知识管理系统软件应运而生。知识管理系统的实质是对知识进行管理，对相关的知识资源进行收集、识别、分类、公布、推荐、更新等，并储存进知识库，从而达到企业内部知识在运动中不断增值的目的。其中，知识分类模块和知识推荐模块是知识管理系统中的重要组成模块，通过分类可以高效地管理和检索知识，便于相关知识的寻找，提高知识的利用价值；通过知识推荐系统能够由海量的知识数据本中筛选出职工感兴趣的知识推荐给职工，从而提高知识的筛选效率，提高职工查阅体验。然而目前的知识管理系统仍存在系统的运算速度低下的问题，并不能够快速有效的对知识进行分类，并且不能快速将职工感兴趣的、相关的知识推荐给职工。

发明内容

本发明克服了现有技术的不足，提供了一种基于流程控制的知识管理方法及系统。

为达到上述目的本发明采用的技术方案为：

本发明公开了一种基于流程控制的知识管理方法，包括以下步骤：

采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中；

获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息对所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本；

获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目；

获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

优选的，本发明的一个较佳实施例中，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，具体为：

预设关键筛选词，并基于所述关键筛选词对知识管理系统中的相关知识资源数据本进行检索配对，得到配对率，获取所述知识管理系统中配对率大于预设配对率的相关知识资源数据本；

基于卷积神经网络构建知识分类模型，预制知识分类机制样本集，并将所述知识分类机制样本集分为训练集与测试集；

将所述训练集输入到所述知识分类模型中的卷积层中进行卷积运算，得到卷积值，并将所述卷积值输入到池化层中，采用最大池化的方式对所述卷积值进行池化；

根据最大池化法，在每一个卷积层中选取出最大数字作为当前卷积值所在区域的特征值，将所述当前卷积值所在区域的特征值进行融合，最后通过交叉熵损失函数进行参数反向传播训练，直到误差收敛至预设值，并通过测试集对当前知识分类模型进行测试，当测试结果满足预设测试结果后，保存模型参数；

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本。

优选的，本发明的一个较佳实施例中，将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本，具体为：

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，并根据所述知识分类机制样本集确定评价指标，并通过层次分析法获取所述配对率大于预设配对率的相关知识资源数据本的评价分数；

根据所述相关知识资源数据本的评价分数生成评价指标的权重值，并将所述权重值与一个或多个预设权重值进行比较；

若所述权重值均不大于预设权重值，则将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中的异常知识项目列表中，得到分类后的知识数据本；

若所述权重值大于其中一个或多个预设权重值，则获取与该预设权重值相对应的一个或多个知识项目类别，并将所述配对率大于预设配对率的相关知识资源数据本导入所述与该预设权重值相对应的一个或多个知识项目类别中，得到分类后的知识数据本；

将所述分类后的知识数据本保留在知识管理系统中。

优选的，本发明的一个较佳实施例中，获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息将所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本，具体为；

获取所述分类后的知识数据本的上传类别信息，并判断所述分类后的知识数据本的上传类别信息是否为预设上传类别信息；

若所述分类后的知识数据本的上传类别信息为预设上传类别信息，则将该分类后的知识数据本导入审批流程，得到审批结果；

若审批结果为合格，则将该分类后的知识数据本导入知识管理系统的知识库中，并发布该分类后的知识数据本，得到发布后的知识数据本；若审批结果为不合格，则将该分类后的知识数据本由知识管理系统中退出，并不发布该分类后的知识数据本；

若所述分类后的知识数据本的上传类别信息不为预设上传类别信息，则将该分类后的知识数据本导入知识管理系统的知识库中，并发布该分类后的知识数据本，得到发布后的知识数据本。

优选的，本发明的一个较佳实施例中，获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目，具体为：

获取职工在预设时间段内所查阅的发布后的知识数据本，通过灰色关联分析法对所述职工在预设时间段内所查阅的发布后的知识数据本进行相干度计算，得到一个或多个相干度；

提取所述相干度大于预设相干度的发布后的知识数据本，基于所述相干度大于预设相干度的发布后的知识数据本得到知识数据本合集；

并获取所述相干度大于预设相干度的发布后的知识数据本的知识项目类别，对所述相干度大于预设相干度的发布后的知识数据本的知识项目类别进行统计计算，得到各个知识项目类别的查阅频率，并将所述各个知识项目类别的查阅频率与预设查阅频率进行比较；

若所述查阅频率大于预设查阅频率，则将所述知识项目类别列为推荐知识项目。

优选的，本发明的一个较佳实施例中，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，具体为：

获取推荐知识项目中所有的知识数据本，构建相似度评估模型，并将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中；

通过局部敏感哈希算法计算出推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；

获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本；

将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

本发明另一方面公开了一种基于流程控制的知识管理系统，所述知识管理系统包括储存器以及处理器，所述储存器储存基于流程控制的知识管理方法程序，所述存基于流程控制的知识管理方法程序被所述处理器执行时，实现如下步骤：

采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中；

获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息对所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本；

获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目；

获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

优选的，本发明的一个较佳实施例中，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，具体为：

预设关键筛选词，并基于所述关键筛选词对知识管理系统中的相关知识资源数据本进行检索配对，得到配对率，获取所述知识管理系统中配对率大于预设配对率的相关知识资源数据本；

基于卷积神经网络构建知识分类模型，预制知识分类机制样本集，并将所述知识分类机制样本集分为训练集与测试集；

将所述训练集输入到所述知识分类模型中的卷积层中进行卷积运算，得到卷积值，并将所述卷积值输入到池化层中，采用最大池化的方式对所述卷积值进行池化；

根据最大池化法，在每一个卷积层中选取出最大数字作为当前卷积值所在区域的特征值，将所述当前卷积值所在区域的特征值进行融合，最后通过交叉熵损失函数进行参数反向传播训练，直到误差收敛至预设值，并通过测试集对当前知识分类模型进行测试，当测试结果满足预设测试结果后，保存模型参数；

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本。

优选的，本发明的一个较佳实施例中，获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目，具体为：

获取职工在预设时间段内所查阅的发布后的知识数据本，通过灰色关联分析法对所述职工在预设时间段内所查阅的发布后的知识数据本进行相干度计算，得到一个或多个相干度；

提取所述相干度大于预设相干度的发布后的知识数据本，基于所述相干度大于预设相干度的发布后的知识数据本得到知识数据本合集；

并获取所述相干度大于预设相干度的发布后的知识数据本的知识项目类别，对所述相干度大于预设相干度的发布后的知识数据本的知识项目类别进行统计计算，得到各个知识项目类别的查阅频率，并将所述各个知识项目类别的查阅频率与预设查阅频率进行比较；

若所述查阅频率大于预设查阅频率，则将所述知识项目类别列为推荐知识项目。

优选的，本发明的一个较佳实施例中，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，具体为：

获取推荐知识项目中所有的知识数据本，构建相似度评估模型，并将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中；

通过局部敏感哈希算法计算出推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；

获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本；

将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：通过本方法够快速有效的对知识进行分类，能够较大程度的提高系统的运算速度。通过本方法能够对知识数据本的上传类别进行识别，以判断出是否对该知识数据本进行审批，避免出现对知识数据本进行重复审批的现象，并且能够避免质量不合格的知识进行公布，以避免出现误导现象与造成不良影响。通过本方法能够从推荐知识项目中进一步筛选出职工感兴趣的知识数据本，然后将这些知识数据本自动的推荐给职工，不需要职工大量检索相关知识数据本，提供职工阅读体验，进一步提高了知识推荐精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1为知识发布流程图；

图2为知识借阅流程图；

图3为知识更新流程图；

图4为知识退出流程图；

图5为一种基于流程控制的知识管理方法的第一方法流程图；

图6为一种基于流程控制的知识管理方法的第二方法流程图；

图7为一种基于流程控制的知识管理系统的系统框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

本发明公开了一种基于流程控制的知识管理方法，如图5所示，包括以下步骤：

S102：采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中；

S104：获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息对所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本；

S106：获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目；

S108：获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

需要说明的是，所述相关知识资源数据本包括工程项目文档、经验案例文档、销售策划文档、会议记录文档以及法规制度文档等。

需要说明的是，首先通过系统集成同步、项目建设阶段批量上传以及常态化运营后手动上传等方法把相关知识资源数据本收集至知识管理系统中，其中常态化运营后手动上传相关知识资源数据本含两部分，其一为个人自愿上传或有明确规定上传到知识管理系统的知识，需按照要求在规定时间内上传；其二为参与培训或者参与外部评审获得的外部知识，需要在业务流程结束时设置上传附件的节点，确保上传知识后流程方可结束。并且常态化运营后手动上传至知识管理系统中知识文档的标题应做到清晰、准确，不会让人产生歧义。以下是各类知识文档命名建议的示例：一、法规制度文件类知识涉及项目、专业的法律法规、体系文件、技术标准的，其命名规划遵循办公室要求的文件命名规则进行；来源于外部的法律文件、政策法规类文件，按原文件统一命名。二、业务类知识文档命名根据工作职能定，在上传知识管理系统时，其文件标题与该工作成果文档名称相同。三、非项目类业务文档按“年度+部门（事业部）+内容名称”；如：“2021年度财务部报销工作流程说明”等。四、经验案例类文档命名标题不做硬性规定，如 “总结、研究、案例分析、xx专业”等内容，以方便后续查询归类。

优选的，本发明的一个较佳实施例中，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，具体为：

预设关键筛选词，并基于所述关键筛选词对知识管理系统中的相关知识资源数据本进行检索配对，得到配对率，获取所述知识管理系统中配对率大于预设配对率的相关知识资源数据本；

基于卷积神经网络构建知识分类模型，预制知识分类机制样本集，并将所述知识分类机制样本集分为训练集与测试集；

将所述训练集输入到所述知识分类模型中的卷积层中进行卷积运算，得到卷积值，并将所述卷积值输入到池化层中，采用最大池化的方式对所述卷积值进行池化；

根据最大池化法，在每一个卷积层中选取出最大数字作为当前卷积值所在区域的特征值，将所述当前卷积值所在区域的特征值进行融合，最后通过交叉熵损失函数进行参数反向传播训练，直到误差收敛至预设值，并通过测试集对当前知识分类模型进行测试，当测试结果满足预设测试结果后，保存模型参数；

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本。

需要说明的是，当通过系统集成同步、项目建设阶段批量上传以及常态化运营后手动上传等方法把相关知识资源数据本收集至知识管理系统中后，知识管理系统会对这些相关知识资源数据本进行初步筛选，从而筛选出与生产、业务相关的、具有复用价值的知识数据本（即配对率大于预设配对率的相关知识资源数据本），接着再根据预制知识分类机制对与生产、业务相关的、具有复用价值的知识数据本进行分类，从而得到分类后的与生产、业务相关的、具有复用价值的知识数据本。其中，所述预制知识分类机制样本集由设计人员提前制定得到，可以根据日期类型对知识数据本进行归类，例如根据签署日期、批准日期、会议日期等归档出不同类别数据本；也可以根据技术类型对数据本进行归类，如将数据本归档为销售类、策划类、售后服务类。并且一个知识数据本可以被归档在不同类别上，如可以归档在会议日期为2022年12月20日的类别文档，并且可以归档在策划类的类别文档；以便于职工能够快速根据不同的关键词搜索查看相应的知识数据本。

优选的，本发明的一个较佳实施例中，将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本，具体为：

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，并根据所述知识分类机制样本集确定评价指标，并通过层次分析法获取所述配对率大于预设配对率的相关知识资源数据本的评价分数；

根据所述相关知识资源数据本的评价分数生成评价指标的权重值，并将所述权重值与一个或多个预设权重值进行比较；

若所述权重值均不大于预设权重值，则将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中的异常知识项目列表中，得到分类后的知识数据本；

若所述权重值大于其中一个或多个预设权重值，则获取与该预设权重值相对应的一个或多个知识项目类别，并将所述配对率大于预设配对率的相关知识资源数据本导入所述与该预设权重值相对应的一个或多个知识项目类别中，得到分类后的知识数据本；

将所述分类后的知识数据本保留在知识管理系统中。

需要说明的是，层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。层次分析法比较适合于具有分层交错评价指标的目标系统，而且目标值又难于定量描述的决策问题。其用法是构造判断矩阵，求出其最大特征值。通过层次分析法计算出配对率大于预设配对率的相关知识资源数据本与评价指标之间的评价分数后，再生成对应评价指标的权重值；然后再将所述权重值一个或多个预设权重值进行比较，从而得到该相关知识资源数据本所对应的知识项目类别（即文档类型），举例来说，若所述权重值大于第一预设权重值，则将该相关知识资源数据本会被归档至销售类的知识项目类别中；若所述权重值大于第二预设权重值，则将该相关知识资源数据本会被归档至签署日期为2022年3月的知识项目类别中。此外，当权重值既大于第一预设权重值也大于第二预设权重值，该相关知识资源数据本会同时被收录至这两类知识项目类别中。通过本方法够快速有效的对知识进行分类，能够较大程度的提高系统的运算速度。

若所述权重值均不大于一个或多个预设权重值，则将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中的异常知识项目列表中，此时说明该系统并不能够识别出该相关知识资源数据本的知识项目类别，说明该相关知识资源数据本可能属于较为特殊的数据本，此时需要通过人工对该相关知识资源数据本进行分类。

优选的，本发明的一个较佳实施例中，获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息将所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本，具体为；

获取所述分类后的知识数据本的上传类别信息，并判断所述分类后的知识数据本的上传类别信息是否为预设上传类别信息；

若所述分类后的知识数据本的上传类别信息为预设上传类别信息，则将该分类后的知识数据本导入审批流程，得到审批结果；

若审批结果为合格，则将该分类后的知识数据本导入知识管理系统的知识库中，并发布该分类后的知识数据本，得到发布后的知识数据本；若审批结果为不合格，则将该分类后的知识数据本由知识管理系统中退出，并不发布该分类后的知识数据本；

若所述分类后的知识数据本的上传类别信息不为预设上传类别信息，则将该分类后的知识数据本导入知识管理系统的知识库中，并发布该分类后的知识数据本，得到发布后的知识数据本。

需要说明的是，上传类别信息包括系统集成同步、项目建设阶段批量上传以及常态化运营后手动上传。其中，常态化运营后手动上传指员工登陆知识管理系统后自行上传知识的流程。若所述预设上传类别信息不为预设上传类别信息，此时说明该分类后的知识数据本的上传类别为系统集成同步或项目建设阶段批量上传，而由于这两个途径因审批环节已在知识管理系统外完成执行，故在知识入库前无须再进行审核，此时将该分类后的知识数据本导入知识管理系统的知识库中，并对该分类后的知识数据本进行发布。

若所述分类后的知识数据本的上传类别信息为预设上传类别信息，说明该分类后的知识数据本上传类别为常态化运营后手动上传，此时则需要对该知识数据本进行审核，具体而言，如图1所示，由各部门/分子公司知识管理系统审核员进行知识审核，需要审核通过后再在对该知识数据本进行入库与发布；并且审核员应对知识的完整性、合规性、时效性以及合理性进行审核；其中，完整性为知识内容须是完整的、完全的、完好的，文档各要素是完整统一，内容不能出现残缺；合规性为在满足基本书写规范要求的同时，所提交至知识管理系统中的知识须符合公司的命名要求；时效性为知识须为当前最新的版本，保证知识是在可使用期间的；合理性为根据知识可公开范围，确保上传时设置的阅览、拷贝、下载、打印权限合理，保障知识在安全可控范围内公开。通过本方法能够对知识数据本的上传类别进行识别，以判断出是否对该知识数据本进行审批，避免出现对知识数据本进行重复审批的现象，并且能够避免质量不合格的知识进行公布，以避免出现误导现象与造成不良影响。

优选的，本发明的一个较佳实施例中，获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目，具体为：

获取职工在预设时间段内所查阅的发布后的知识数据本，通过灰色关联分析法对所述职工在预设时间段内所查阅的发布后的知识数据本进行相干度计算，得到一个或多个相干度；

提取所述相干度大于预设相干度的发布后的知识数据本，基于所述相干度大于预设相干度的发布后的知识数据本得到知识数据本合集；

并获取所述相干度大于预设相干度的发布后的知识数据本的知识项目类别，对所述相干度大于预设相干度的发布后的知识数据本的知识项目类别进行统计计算，得到各个知识项目类别的查阅频率，并将所述各个知识项目类别的查阅频率与预设查阅频率进行比较；

若所述查阅频率大于预设查阅频率，则将所述知识项目类别列为推荐知识项目。

需要说明的是，灰色关联分析方法是作为衡量因素间关联程度的一种方法，通过灰色关联分析方法能够寻求出系统中各子系统（或因素）之间的数值关系，因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，适合应用在不同系统之间的相干性分析。当获取职工在预设时间段内所查阅的发布后的知识数据本后，通过灰色关联分析法对职工在预设时间段内所查阅的多个发布后的知识数据本之间进行相干度计算，若相干度大于预设相干度，说明职工在该时间段内对某一份或多份发布后的知识数据本进行了多次重复查阅，此时则提取所述相干度大于预设相干度的发布后的知识数据本，从而将这些相干度大于预设相干度的发布后的知识数据本汇聚成一个知识数据本合集。并且同时获取这些被多次重复查阅知识数据本的知识项目类别，从而得到职工在该时间段内对某一项或多项知识项目类别的查阅频率，若职工对某一项知识项目类别的查阅频率大于预设查阅频率，此时说明职工在该时间段内极有可能需要查询、翻阅这一知识项目类别的知识，此时则将知识项目类别列为推荐知识项目。通过本方法能够从知识库的海量知识中初步识别出职工所感兴趣的知识项目类别，免除了需要大量检索数据，进而减少系统的知识筛选推荐范围，进一步提高系统运算速度。

需要说明的是，针对所述发布后的知识数据本，其具体应用途径可分为以下三类：一、主动搜索查看：职工登陆知识管理系统，通过输入关键词或按分类查找相关知识并进行阅读、点评、下载、打印等操作；二、系统待阅查看：通过收到知识管理系统发出的知识待阅、知识推荐信息，职工点击进入相应界面进行阅读、点评、下载、打印等操作；三、知识借阅查看：针对不具备查阅权限的知识内容，员工可通过知识借阅流程获取相应操作权限，其借阅流程如图2所示。

优选的，本发明的一个较佳实施例中，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，如图6所示，具体为：

S202：获取推荐知识项目中所有的知识数据本，构建相似度评估模型，并将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中；

S204：通过局部敏感哈希算法计算出推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；

S206：获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本；

S208：将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

需要说明的是，局部敏感哈希的基本思想类似于一种空间域转换思想，LSH算法基于一个假设，如果两个文本在原有的数据空间是相似的，那么分别经过哈希函数转换以后的它们也具有很高的相似度；相反，如果它们本身是不相似的，那么经过转换后它们应仍不具有相似性。当基于卷积神经网络构建相似度评估模型后，然后将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中，并且通过局部敏感哈希算法计算推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；然后再获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本，当得到这些候选推荐知识数据本后，再把这些候选推荐知识数据本推荐至特定职工的账户上，当职工收到知识管理系统发出的知识待阅、知识推荐信息后，职工可以点击进入相应界面进行阅读、点评、下载、打印等操作。通过本方法能够从推荐知识项目中进一步筛选出职工感兴趣的知识数据本，然后将这些知识数据本自动的推荐给职工，不需要职工大量检索相关知识数据本，提供职工阅读体验，进一步提高了知识推荐精度。

此外，本方法还包括以下步骤：

构建知识更新模型，并将提前预制好的词组合集导入所述知识更新模型中进行训练，得到训练好的知识更新模型；

获取待更新知识数据本的文字内容，并将所述待更新知识数据本的文字内容映射为字向量集合，将所述字向量集合导入所述训练好的知识更新模型中进行识别计算，得到字向量的误差概率值；

若所述字向量的误差概率值大于预设概率值，则将对应字向量的文字内容识别为错别字；

将所述错别字与提前预制好的词组合集进行配对，得到一个或多个配对率；

提取配对率最高的词组，并基于配对率最高的词组对所述错别字进行替换，生成更新后的知识数据本。

需要说明的是，知识更新机制可分为两部分：系统自动集成同步更新和用户在系统日常使用过程中发起的手动更新。其中，系统自动集成同步更新如上述方法所述，通过本方法能够自动对知识数据本中的错别字进行自动纠正更新，以提高知识数据本的规范性。

需要说明的是，手动更新指管理员或用户在系统中发起的手动更新。其对应场景可分为管理员维护更新、用户使用反馈更新以及知识作者自主更新。手动更新知识的流程图如图3所示，首先，若用户知识应用过程中发现知识问题或需求，用户可以在知识管理系统中创建知识纠错流程，将知识问题反馈给知识作者；然后知识作者判断知识更新需求或问题是否合理；若依据知识更新需求判断知识如需退出，则通过知识退出流程发起知识退出；如判断知识作者知识需更新，则判断是否需要协助；如需协助，则将需求提交给知识管理员；如无需协助，则由知识作者自行编辑、上传更新知识；然后再针对知识问题或需求，进行知识内容整理、更新；当更新完毕后再通过知识发布流程，发布知识。

当发现以下问题时，可以将知识在知识管理系统中推出：一、内容重复的知识；二、读者或作者发现重大错误并无法更新的知识；三、业务发生重大变动导致失去复用价值的知识。其退出流程图如图4所示。当识别盘点系统内需要退出的知识，将知识退出需求推送至知识所属部门/分子公司领导审核，若审核通过则将该知识退出，若审核不通过则继续在知识库中保留该知识。

本发明另一方面公开了一种基于流程控制的知识管理系统，所述知识管理系统包括储存器41以及处理器62，所述储存器41储存基于流程控制的知识管理方法程序，所述存基于流程控制的知识管理方法程序被所述处理器62执行时，如图7所示，实现如下步骤：

采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中；

获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息对所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本；

获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目；

获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

优选的，本发明的一个较佳实施例中，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，具体为：

预设关键筛选词，并基于所述关键筛选词对知识管理系统中的相关知识资源数据本进行检索配对，得到配对率，获取所述知识管理系统中配对率大于预设配对率的相关知识资源数据本；

基于卷积神经网络构建知识分类模型，预制知识分类机制样本集，并将所述知识分类机制样本集分为训练集与测试集；

将所述训练集输入到所述知识分类模型中的卷积层中进行卷积运算，得到卷积值，并将所述卷积值输入到池化层中，采用最大池化的方式对所述卷积值进行池化；

根据最大池化法，在每一个卷积层中选取出最大数字作为当前卷积值所在区域的特征值，将所述当前卷积值所在区域的特征值进行融合，最后通过交叉熵损失函数进行参数反向传播训练，直到误差收敛至预设值，并通过测试集对当前知识分类模型进行测试，当测试结果满足预设测试结果后，保存模型参数；

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本。

优选的，本发明的一个较佳实施例中，获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目，具体为：

获取职工在预设时间段内所查阅的发布后的知识数据本，通过灰色关联分析法对所述职工在预设时间段内所查阅的发布后的知识数据本进行相干度计算，得到一个或多个相干度；

提取所述相干度大于预设相干度的发布后的知识数据本，基于所述相干度大于预设相干度的发布后的知识数据本得到知识数据本合集；

并获取所述相干度大于预设相干度的发布后的知识数据本的知识项目类别，对所述相干度大于预设相干度的发布后的知识数据本的知识项目类别进行统计计算，得到各个知识项目类别的查阅频率，并将所述各个知识项目类别的查阅频率与预设查阅频率进行比较；

若所述查阅频率大于预设查阅频率，则将所述知识项目类别列为推荐知识项目。

优选的，本发明的一个较佳实施例中，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，具体为：

获取推荐知识项目中所有的知识数据本，构建相似度评估模型，并将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中；

通过局部敏感哈希算法计算出推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；

获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本；

将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于流程控制的知识管理方法，其特征在于，包括以下步骤：

采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中；

获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息对所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本；

获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目；

获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

2.根据权利要求1所述的一种基于流程控制的知识管理方法，其特征在于，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，具体为：

预设关键筛选词，并基于所述关键筛选词对知识管理系统中的相关知识资源数据本进行检索配对，得到配对率，获取所述知识管理系统中配对率大于预设配对率的相关知识资源数据本；

基于卷积神经网络构建知识分类模型，预制知识分类机制样本集，并将所述知识分类机制样本集分为训练集与测试集；

将所述训练集输入到所述知识分类模型中的卷积层中进行卷积运算，得到卷积值，并将所述卷积值输入到池化层中，采用最大池化的方式对所述卷积值进行池化；

根据最大池化法，在每一个卷积层中选取出最大数字作为当前卷积值所在区域的特征值，将所述当前卷积值所在区域的特征值进行融合，最后通过交叉熵损失函数进行参数反向传播训练，直到误差收敛至预设值，并通过测试集对当前知识分类模型进行测试，当测试结果满足预设测试结果后，保存模型参数；

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本。

3.根据权利要求2所述的一种基于流程控制的知识管理方法，其特征在于，将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本，具体为：

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，并根据所述知识分类机制样本集确定评价指标，并通过层次分析法获取所述配对率大于预设配对率的相关知识资源数据本的评价分数；

根据所述相关知识资源数据本的评价分数生成评价指标的权重值，并将所述权重值与一个或多个预设权重值进行比较；

若所述权重值均不大于预设权重值，则将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中的异常知识项目列表中，得到分类后的知识数据本；

若所述权重值大于其中一个或多个预设权重值，则获取与该预设权重值相对应的一个或多个知识项目类别，并将所述配对率大于预设配对率的相关知识资源数据本导入所述与该预设权重值相对应的一个或多个知识项目类别中，得到分类后的知识数据本；

将所述分类后的知识数据本保留在知识管理系统中。

4.根据权利要求1所述的一种基于流程控制的知识管理方法，其特征在于，获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息将所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本，具体为；

获取所述分类后的知识数据本的上传类别信息，并判断所述分类后的知识数据本的上传类别信息是否为预设上传类别信息；

若所述分类后的知识数据本的上传类别信息为预设上传类别信息，则将该分类后的知识数据本导入审批流程，得到审批结果；

若审批结果为合格，则将该分类后的知识数据本导入知识管理系统的知识库中，并发布该分类后的知识数据本，得到发布后的知识数据本；若审批结果为不合格，则将该分类后的知识数据本由知识管理系统中退出，并不发布该分类后的知识数据本；

若所述分类后的知识数据本的上传类别信息不为预设上传类别信息，则将该分类后的知识数据本导入知识管理系统的知识库中，并发布该分类后的知识数据本，得到发布后的知识数据本。

5.根据权利要求1所述的一种基于流程控制的知识管理方法，其特征在于，获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目，具体为：

获取职工在预设时间段内所查阅的发布后的知识数据本，通过灰色关联分析法对所述职工在预设时间段内所查阅的发布后的知识数据本进行相干度计算，得到一个或多个相干度；

提取所述相干度大于预设相干度的发布后的知识数据本，基于所述相干度大于预设相干度的发布后的知识数据本得到知识数据本合集；

并获取所述相干度大于预设相干度的发布后的知识数据本的知识项目类别，对所述相干度大于预设相干度的发布后的知识数据本的知识项目类别进行统计计算，得到各个知识项目类别的查阅频率，并将所述各个知识项目类别的查阅频率与预设查阅频率进行比较；

若所述查阅频率大于预设查阅频率，则将所述知识项目类别列为推荐知识项目。

6.根据权利要求1所述的一种基于流程控制的知识管理方法，其特征在于，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，具体为：

获取推荐知识项目中所有的知识数据本，构建相似度评估模型，并将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中；

通过局部敏感哈希算法计算出推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；

获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本；

将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

7.一种基于流程控制的知识管理系统，其特征在于，所述知识管理系统包括储存器以及处理器，所述储存器储存基于流程控制的知识管理方法程序，所述存基于流程控制的知识管理方法程序被所述处理器执行时，实现如下步骤：

采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中；

获取所述分类后的知识数据本的上传类别信息，基于所述分类后的知识数据本的上传类别信息对所述分类后的知识数据本进行审批后发布或直接发布，得到发布后的知识数据本；

获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目；

获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

8.根据权利要求7所述的一种基于流程控制的知识管理系统，其特征在于，采集相关知识资源数据本，对所述相关知识资源数据本进行分类，得到分类后的知识数据本，并将所述分类后的知识数据本保留在知识管理系统中，具体为：

预设关键筛选词，并基于所述关键筛选词对知识管理系统中的相关知识资源数据本进行检索配对，得到配对率，获取所述知识管理系统中配对率大于预设配对率的相关知识资源数据本；

基于卷积神经网络构建知识分类模型，预制知识分类机制样本集，并将所述知识分类机制样本集分为训练集与测试集；

将所述训练集输入到所述知识分类模型中的卷积层中进行卷积运算，得到卷积值，并将所述卷积值输入到池化层中，采用最大池化的方式对所述卷积值进行池化；

根据最大池化法，在每一个卷积层中选取出最大数字作为当前卷积值所在区域的特征值，将所述当前卷积值所在区域的特征值进行融合，最后通过交叉熵损失函数进行参数反向传播训练，直到误差收敛至预设值，并通过测试集对当前知识分类模型进行测试，当测试结果满足预设测试结果后，保存模型参数；

将所述配对率大于预设配对率的相关知识资源数据本导入所述知识分类模型中，得到分类后的知识数据本。

9.根据权利要求7所述的一种基于流程控制的知识管理系统，其特征在于，获取职工在预设时间段内所查阅的发布后的知识数据本，基于所述职工在预设时间段内所查阅的发布后的知识数据本得到知识数据本合集与推荐知识项目，具体为：

获取职工在预设时间段内所查阅的发布后的知识数据本，通过灰色关联分析法对所述职工在预设时间段内所查阅的发布后的知识数据本进行相干度计算，得到一个或多个相干度；

提取所述相干度大于预设相干度的发布后的知识数据本，基于所述相干度大于预设相干度的发布后的知识数据本得到知识数据本合集；

并获取所述相干度大于预设相干度的发布后的知识数据本的知识项目类别，对所述相干度大于预设相干度的发布后的知识数据本的知识项目类别进行统计计算，得到各个知识项目类别的查阅频率，并将所述各个知识项目类别的查阅频率与预设查阅频率进行比较；

若所述查阅频率大于预设查阅频率，则将所述知识项目类别列为推荐知识项目。

10.根据权利要求7所述的一种基于流程控制的知识管理系统，其特征在于，获取推荐知识项目中所有的知识数据本，并基于所述推荐知识项目所有的知识数据本与知识数据本合集得到一个或多个候选推荐知识数据本，并将所述一个或多个候选推荐知识数据本输送至特定职工账号上，具体为：

获取推荐知识项目中所有的知识数据本，构建相似度评估模型，并将所述推荐知识项目所有的知识数据本与知识数据本合集导入所述相似度评估模型中；

通过局部敏感哈希算法计算出推荐知识项目所有的知识数据本与知识数据本合集中的各知识数据本之间的文档相似度；

获取文档相似度大于预设文档相似度中推荐知识项目的知识数据本，并将文档相似度大于预设文档相似度中推荐知识项目的知识数据本标记为候选推荐知识数据本，得到一个或多个候选推荐知识数据本；

将所述一个或多个候选推荐知识数据本输送至特定职工账号上。

Images