知識是一個立體的存在。知識有著廣泛的空間屬性，如知識的類型、知識的發布人、知識所針對的業務、知識所針對的使用對象、知識的部門屬性等等。基於這些屬性的存在，知識與知識之間就有著千絲萬縷的聯繫。這些聯繫就是知識關聯的基礎。通過知識的關聯，我們可以從A知識延伸至獲取B，C知識。從而延展開來，直到我們獲得解決問題的正確信息。
基本介紹
- 中文名：知識關聯
- 常見套用：6個
- 詳細介紹：詳見正文
- 屬性：名詞
內容介紹,常見套用,
內容介紹
其一、這種關聯關係是知識與知識之間的。
其二、關聯是依靠某一中介來建立的。
其三、關聯要產生價值。
常見套用
依據以上三條重點標準，作為知識關聯在知識管理中的常見套用，kmpro認為應有如下幾種：
類別關聯
類別，種屬的關聯是最為常見的一種關聯方式。即屬於同一個知識分類中的知識之間的關聯。與該知識在同一分類中的其他知識，會被作為相關知識被呈現出現，供用戶作為延伸閱讀使用。
關鍵字（TAG）關聯
以知識內容中的關鍵字作為關聯紐帶，有相同關鍵字的知識進入關聯體系中。知識發布時填寫或自動提取關鍵字，知識庫中與該關鍵字相同的知識會被提取出來，作為關鍵字關聯結果呈現給用戶參考。
診斷/推理關聯
以一個問題為核心，將解決該問題的知識，層層推理出來。診斷關聯是kmpro的獨創關聯模式，系統通過人工建立知識與知識之間的關聯關係。這種關聯以問題為核心，解決問題的思路為延展，由一個問題關聯多個解決方案，每個解決方案下面又可延展出相關知識，其相關模式類似於醫生為病人選擇診斷方案，這種推理診斷模式是精準、有效的“最佳實踐”表達方式。
聚類關聯
通過對定量知識的分析，聚類出該知識中相關性較強的內容。舉個例子，當我們在研究“南極”的知識內容中，可以聚類出“企鵝、氣候變暖、冰層融化”等相關性很高的內容。
行為關聯
通過對知識使用者的行為進行分析，發現這些行為之間的關聯性，連續性，從而推理出用戶所進行這些行為是運用知識間的關聯性。如，用戶搜尋“信用卡”，搜尋引擎往往會推薦“信用卡 申辦；信用卡 還款；信用卡 *”等其他用戶關聯行為時所運用的知識。
屬性關聯
通過知識與知識間同一個屬性作為中介，將知識關聯起來。如同一個作者、同一個部門、同一個來源、同一個使用群體等等。當然這些屬性可以進行綜合運用，以獲取範圍更小的一個關聯結果。
知識關聯，知識管理過程中運用的知識獲取模式之一，運用得當將很好的為知識獲取建立便利通道，降低知識獲取的成本，提升獲取效率。
