工程經(jīng)驗(yàn)知識(shí)的審閱專家查找與知識(shí)協(xié)同推薦方法.pdf

1、系統(tǒng)化、動(dòng)態(tài)更新的企業(yè)知識(shí)是企業(yè)核心能力之一。企業(yè)逐漸把目光投向在線知識(shí)社區(qū)、論壇等資源，獲取和分享隱性知識(shí)。這類隱性知識(shí)需要由一群該領(lǐng)域的專家多輪修改，以確保其準(zhǔn)確性和實(shí)用性。在知識(shí)積累階段，如何對(duì)企業(yè)經(jīng)驗(yàn)知識(shí)進(jìn)行規(guī)范審閱是知識(shí)積累效率和知識(shí)質(zhì)量提升的關(guān)鍵。隨著經(jīng)驗(yàn)知識(shí)詞條在平臺(tái)上的積累，出現(xiàn)信息超載問題，使得人們很難從海量信息中快速獲取有價(jià)值的信息。
　　本文提出了基于隱性知識(shí)積累平臺(tái)—MediaWiki的面向知識(shí)的審閱專家查

2、找技術(shù)。通過結(jié)合Wiki平臺(tái)的特征和隱性知識(shí)積累的形式，采用Okapi BM2500權(quán)重計(jì)算算法考慮用戶與詞條的相關(guān)度，運(yùn)用改進(jìn)的PageRank算法計(jì)算用戶-詞條關(guān)系網(wǎng)中用戶的權(quán)威度，根據(jù)Cascade排序方式得到推薦專家列表。
　　通過分析用戶興趣和操作的差異，本文提出了考慮社會(huì)網(wǎng)絡(luò)動(dòng)態(tài)信任的經(jīng)驗(yàn)知識(shí)協(xié)同推薦技術(shù)。在帶時(shí)間窗的“用戶-詞條-時(shí)間”的三維動(dòng)態(tài)模型(UIT)的基礎(chǔ)上，考慮社會(huì)網(wǎng)絡(luò)動(dòng)態(tài)信任，研究了針對(duì)該模型的工程經(jīng)驗(yàn)

3、知識(shí)的協(xié)同推薦算法(Collaborative Filtering Based on Dynamic Trust，CFBDT)。在使用過程中，用戶和詞條數(shù)量逐漸增長(zhǎng)，“用戶-詞條”評(píng)分矩陣變得越來越稀疏，極大地降低了基于相似度計(jì)算的推薦算法的精度。為了解決嚴(yán)重的數(shù)據(jù)稀疏性問題，提出一種基于用戶短期興趣時(shí)序性變化的評(píng)分矩陣進(jìn)行預(yù)填充；由于MediaWiki社區(qū)用戶群之間的信任呈動(dòng)態(tài)變化，定義了追隨率反映同一時(shí)間窗內(nèi)具有相似興趣的用戶對(duì)知識(shí)