基于聚集模型的企業(yè)專家檢索系統(tǒng)研究.pdf

1、隨著信息量的驟增,如何在一個企業(yè)或組織范圍內(nèi)有效地管理知識、組織信息,從而提高企業(yè)管理者的領(lǐng)導(dǎo)能力和員工的工作效率,成為越來越迫切的需求。這使得企業(yè)信息檢索獲得越來越多的關(guān)注。專家搜索是企業(yè)信息檢索中的一個重要研究課題。對于一個大型的企業(yè)組織來說,能夠自動地找出組織內(nèi)部某一領(lǐng)域內(nèi)的專家是十分有用的,例如咨詢相關(guān)問題、組建研究小組等等。本文針對當前已有的企業(yè)專家檢索模型進行研究和改進,提出了一種新型的、基于聚集模型的專家檢索系統(tǒng),旨在解決

2、現(xiàn)有專家檢索模型存在的查詢準確率偏低的問題。
　　具體地,本文的主要工作主要體現(xiàn)在以下幾個方面:
　　第一,本文介紹了目前應(yīng)用最廣泛的企業(yè)專家搜索模型:文檔模型和候選者模型,并對兩者的優(yōu)缺點進行了系統(tǒng)的比較和詳細地分析;
　　第二,本文提出將聚集模型作為企業(yè)專家搜索的解決方案。與現(xiàn)有的文檔模型和候選者模型不同,聚集模型對候選者進行建模時不再局限于一類能夠證明其技能的相關(guān)信息,而是通過從企業(yè)知識庫中識別、提取出多種相關(guān)信

3、息,例如,員工的技能簡歷,與員工相關(guān)的所有文檔,以及具有相同技能的相似專家等等,從而對員工的知識和技能進行建模。然后,這些候選者與給定檢索詞之間相關(guān)的概率就由員工的聚集模型推出這個檢索詞的概率決定。在估算概率時,我們采用了信息檢索中得到廣泛使用的語言模型。
　　第三,在聚集模型的框架下,基于文檔模型和候選者模型,提出兩種方法分別對這兩種模型進行了改進:針對文檔模型,提出一種基于加權(quán)的文檔一候選者聯(lián)系加以改進;針對候選者模型,提出一

4、種基于滑動窗口和IDF過濾的方法加以改進。然后,這對兩種改進的模型開展了相關(guān)實驗進行評價。
　　最后,本文首次將相似專家(擁有相似技能的候選者)引入了專家檢索,通過發(fā)掘候選者之間存在的聯(lián)系,以此來提升專家檢索系統(tǒng)的查詢準確度。相應(yīng)地,本文對相似專家的引入對專家檢索系統(tǒng)的影響也開展了實驗進行分析和評價。
　　本文通過使用TREC提供的數(shù)據(jù)集和測試平臺,對聚集模型的有效性進行了測試與評價。實驗結(jié)果表明:本文所提出的基于聚集模型的