姜凱曦

（河海大學(xué)商學(xué)院，江蘇 南京，210098）

科學(xué)技術(shù)的發(fā)展往往依賴于知識創(chuàng)新，知識創(chuàng)新的前提是有一個完美的知識共享和傳播平臺，機構(gòu)知識庫應(yīng)運而生。機構(gòu)知識庫 （Institutional Repository, IR）就是一種基于機構(gòu)的系統(tǒng)和服務(wù)，用以收集、組織、存儲、分享本機構(gòu)的知識資產(chǎn)。

基于社會網(wǎng)絡(luò)模型的專家推薦系統(tǒng)就是要通過構(gòu)建專家之間的關(guān)系網(wǎng)絡(luò)圖，分析用戶與專家之間的最短距離，并構(gòu)建相應(yīng)的推薦指標(biāo)，來滿足用戶的多樣化需求。

1 專家推薦系統(tǒng)指標(biāo)體系與社會網(wǎng)絡(luò)模型構(gòu)建

通過以上的分析，針對傳統(tǒng)專家推薦系統(tǒng)的不足，在繼續(xù)選擇常用的專家推薦技術(shù)，比如基于內(nèi)容的推薦等，作為推薦的基礎(chǔ)，除此之外，本文構(gòu)建的系統(tǒng)具有更強的目的性，更全面的信息，以及以社會關(guān)系和專家作為推薦的依據(jù)，使用戶更容易聯(lián)系到適合自己的專家。

1.1 機構(gòu)知識庫中專家推薦指標(biāo)體系構(gòu)建

首先，本文中用到的基礎(chǔ)數(shù)據(jù)庫包括，專家的Tag、專家文檔的Tag、專家自我描述信息、專家文檔信息。

專家的匹配是推薦的基礎(chǔ)，本系統(tǒng)中，擬用“相關(guān)性”來作為專家匹配的度量，采用基于內(nèi)容的推薦技術(shù)，并結(jié)合重名消歧算法，解決專家姓名非完全匹配和專家重名帶來的錯誤，取出相關(guān)性最高的N個專家作為推薦的備選。本文在進行相似度計算時，借鑒了傳統(tǒng)的計算方法，套用傳統(tǒng)的公式，進行了特征向量與輸入信息的相似度計算，得到所匹配的Tag的關(guān)聯(lián)Tag,以此擴充所需要查詢的Tag。

但是，傳統(tǒng)的計算方法，在計算文本特征項權(quán)重的時候，有不足之處——沒有考慮詞條位置對權(quán)重的影響。針對這個不足，本文在計算文本特征項權(quán)值時，改進了原有的計算公式，得到新的文本特征項權(quán)值計算公式如下：

上面已經(jīng)得到匹配的專家信息，進一步進行專家推薦時，主要是計算匹配專家的質(zhì)量指標(biāo)：權(quán)威程度、互補程度、活躍程度，還有結(jié)構(gòu)指標(biāo)：位置特征、可達性、親疏程度。這邊的研究比較成熟，比如親疏程度用六度空間理論可以分析，所以本文就不再多說。

1.2 社會網(wǎng)絡(luò)模型的構(gòu)建

首先，基于師生關(guān)系的網(wǎng)絡(luò)模型和基于同事關(guān)系的網(wǎng)絡(luò)模型，都很簡單，因為就兩種情況，要不有這層關(guān)系，要不就沒有，所以對這兩個關(guān)系的關(guān)聯(lián)強度的設(shè)置是：有這層關(guān)系，對應(yīng)位置上矩陣元素值為1；沒有關(guān)系，則值為0。

其次，基于合作關(guān)系的網(wǎng)絡(luò)模型，在對專家之間的合作關(guān)系強度值進行量化處理時，本文采用了論文貢獻因子合成法。假設(shè)每位專家對論文的貢獻都是相同的，那么兩位專家合作完成一篇論文的關(guān)系強度小于兩位專家合作完成多篇論文的關(guān)系強度，并且兩位專家合作完成一篇論文的關(guān)系強度大于多位專家合作完成一篇論文的關(guān)系強度?；谝陨系囊粋€假設(shè)，可以得到兩個專家之間的合作關(guān)系強度計算公式：

最后，基于多重關(guān)系的網(wǎng)絡(luò)模型，多重關(guān)系包括上述的三類關(guān)系，此網(wǎng)絡(luò)模型的作用就是輔助專家推薦中的專家序列的形成，在通過相似度計算得到匹配專家集后，再按照專家的多重關(guān)系，將其他與某一位專家相關(guān)的專家的相似度分值按照某一設(shè)定規(guī)則傳遞給該專家，從而改變該專家的相似度值，對專家序列重新排序，最終使真正與該學(xué)科領(lǐng)域高度相關(guān)的專家排在前面。在處理這三種關(guān)系的關(guān)聯(lián)強度值時，要充分考慮三個關(guān)系的權(quán)重分配，還需要注意，在合并時，三個關(guān)系的關(guān)聯(lián)強度值必須處于同一數(shù)量級，計算公式如下：

2 專家推薦系統(tǒng)的構(gòu)建

在上一章，本文已經(jīng)對專家推薦系統(tǒng)構(gòu)建的目的和方案進行了說明，并依據(jù)專家推薦系統(tǒng)推薦專家的流程構(gòu)建了專家推薦系統(tǒng)的指標(biāo)體系和社會網(wǎng)絡(luò)，在這個基礎(chǔ)上，我們對專家推薦系統(tǒng)的原型系統(tǒng)進行了總體設(shè)計。首先，根據(jù)Web應(yīng)用程序的特點，將專家推薦系統(tǒng)分為三層結(jié)構(gòu)：用戶界面層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問層。其次，為滿足系統(tǒng)對可擴展性、可移植性和安全性等方面的要求，本系統(tǒng)采用J2EE構(gòu)架的核心思想，即MVC設(shè)計模式，將系統(tǒng)分為視圖、模型和控制器3個核心模塊，每個模塊的功能及系統(tǒng)的工作流程見圖4-1

圖4-1

在以上敘述的基礎(chǔ)上，下面可以設(shè)計出如下原型系統(tǒng)的功能模塊：

這個原型系統(tǒng)中，核心模塊為專家推薦模塊和社會網(wǎng)絡(luò)模塊。專家推薦模塊主要實現(xiàn)基于分類的專家推薦，基于主體的專家推薦，專家關(guān)系查找，專家信息查找這四個功能；社會網(wǎng)絡(luò)模塊，這個模塊的實現(xiàn)是基于Applet與Servlet技術(shù)的。Applet程序是一個經(jīng)過編譯的Java程序 ，它運行于客戶端的網(wǎng)頁之中，一般情況下以GUI的形式展現(xiàn)出來，能過完成接收用戶輸入、圖形顯示、聲音演奏等工作。Servlet是與Applet相對應(yīng)的技術(shù)，只不過它運行在服務(wù)器端，本文將兩者結(jié)合，采用Http協(xié)議的通信方式，實現(xiàn)社會網(wǎng)絡(luò)的動態(tài)結(jié)構(gòu)。實現(xiàn)的社會網(wǎng)絡(luò)結(jié)構(gòu)包括以下四個方面：通用類庫、數(shù)據(jù)處理類庫、JUNG社會網(wǎng)絡(luò)圖類庫以及社會網(wǎng)絡(luò)控制類庫。其中,JUNG社會網(wǎng)絡(luò)圖類庫 ，負責(zé)接收到數(shù)據(jù)進行視圖映射、視覺轉(zhuǎn)化和視覺渲染，并實現(xiàn)最終社會關(guān)系網(wǎng)絡(luò)圖形的繪制。

到這里，我們可以說基于社會網(wǎng)絡(luò)模型的專家推薦系統(tǒng)的基礎(chǔ)工作已經(jīng)完成，下面是按照設(shè)計，運用計算機語言來實現(xiàn)這個系統(tǒng)，所以下面就不再做過多的敘述。

3 總結(jié)與展望

針對機構(gòu)知識庫構(gòu)建過程中存在的問題，特別是隱性知識共享這個瓶頸問題，本文提出了基于社會網(wǎng)絡(luò)模型的專家推薦系統(tǒng)的構(gòu)建，重點研究了專家推薦指標(biāo)體系的構(gòu)建和社會網(wǎng)絡(luò)模型的簡歷，這為專家推薦原型系統(tǒng)的設(shè)計與實現(xiàn)，奠定了基礎(chǔ)。希望本文的研究成果對機構(gòu)知識庫的研究能有所幫助。

[1]Raym Crow.The Case for Institutional Repositories:A SPARC Position Paper[J].ARL Bimonthly Report,2002(8)

[2]CARL.Institutional Repositories:Innovation in Scholarly Publishing,[2007-04-15].http://www.carlabrc.ca/projects

[3]朱麗雪.基于Dspace的機構(gòu)知識庫構(gòu)建[D].天津：天津師范大學(xué)，2010

[4]王眾托.知識系統(tǒng)工程[M].北京：科學(xué)出版社，2004

[5]張星星,陳雪瓊.基于SNA的企業(yè)內(nèi)部團隊隱性知識共享的實證研究—以酒店業(yè)為例[J].北京第二外國語學(xué)院學(xué)報，2011，(7):51-57