摘要：知识管理自学习案例（KML—Case）体现“干中学”思想，对破解知识管理系统（KMs）的知识获取祝颈、实现系统自学习与自组织意义重要。KML-Case适配效益决定KML—Case应用效果；然而，业内大多数系统模型与实践系统为空适配，导致案例匹配失败后的系统不作为，严重束缚了KML—Case应用价值。鉴于此，首先阐释了KML—Case适配内涵，在深入分析业内相关成果的基础上，提出了本研究的出发点，并连立KML—Case多案例综合诱导型适配机制以提升KML—Case应用效益。对此，深入讨论了KML—Case适靶源案例的匹配方法以及适配案例集的确定策略；分析了基于KML—Case适配案例集构建知识表达系统的陵术方案；通过案例条件方面精化以及冗余初等范畴削减两步机制，详细设计了KML—Case适配解轨迹求醉算法；最后，阐明了基于解轨迹的KML—Case多案例综合诱导型适配方法与策略。算例表明，本文方法有旋避免了系统匹配失败后的不作为、提升了KMS的问题求解能力。

关键词：知识管理 自学习案例 案例适配 解轨迹 

单位：郑州大学管理工程学院 郑州450001