張 琪 戰(zhàn)洪飛 余軍合 魏保偉

(寧波大學(xué)機械工程與力學(xué)學(xué)院 浙江 寧波 315211)

0 引 言

知識資源是決定企業(yè)競爭優(yōu)勢的重要資源，但由于企業(yè)知識管理實踐的缺乏及知識管理應(yīng)用理論的不足，使企業(yè)在業(yè)務(wù)執(zhí)行中的知識資源配置能力較差，不能夠很好地將正確的資源用在正確的業(yè)務(wù)上。同時，知識資源配置上的不足也造成企業(yè)業(yè)務(wù)執(zhí)行績效低下，阻礙企業(yè)創(chuàng)新能力的提升。因而，如何有效經(jīng)營企業(yè)的知識資源，在盤活企業(yè)內(nèi)部知識資源的基礎(chǔ)上如何高效利用企業(yè)外部的專家資源，這都是對企業(yè)競爭力有重大影響的核心問題。然而，目前專家知識資源信息建模技術(shù)與方法上的研究成果不能滿足企業(yè)的需求，企業(yè)難以獲取這些專家資源信息，優(yōu)化知識配置更無從談起。針對這一問題，本文提出基于大數(shù)據(jù)技術(shù)及廣域的開源數(shù)據(jù)，構(gòu)建比較合理的專家資源模型，為企業(yè)開展面向業(yè)務(wù)執(zhí)行的知識資源配置提供基礎(chǔ)理論參考。為了提高知識資源的求解效率，并及時提供需求的知識資源，國內(nèi)外學(xué)者已開展了較豐富的研究。

文獻[1]認(rèn)為知識資源的獲取在專家知識系統(tǒng)的構(gòu)建是需要通過解決的實際問題，并基于“洞察力”的假設(shè)理念為知識獲取和表示工具提供適合的哲學(xué)環(huán)境。文獻[2]認(rèn)為知識獲取在未來應(yīng)該從狹隘的技術(shù)、結(jié)構(gòu)和模型概念轉(zhuǎn)移到對業(yè)務(wù)問題求解的專家系統(tǒng)的需求上。文獻[3]引入知識獲取技術(shù)提高組織知識的位置、所有權(quán)及影響的理解，而不是機構(gòu)執(zhí)行的數(shù)據(jù)流和任務(wù)，并為組織問題解決知識獲取提供了指導(dǎo)原則。文獻[4]基于問題領(lǐng)域特征來規(guī)定某些知識獲取技術(shù)，以生產(chǎn)和運營管理(P/OM)領(lǐng)域作為研究的試點領(lǐng)域，將P/OM任務(wù)映射到問題域的一般分類方式。根據(jù)分類的結(jié)果構(gòu)建描述具有顯著知識的獲取技術(shù)。文獻[5]在訪談的層面上，結(jié)合工業(yè)界的高級管理人員擔(dān)任實驗課題，比較非結(jié)構(gòu)化知識和結(jié)構(gòu)化知識獲取的方法，發(fā)現(xiàn)采用結(jié)構(gòu)化訪談方法獲取知識可以提高績效。文獻[6]認(rèn)為在業(yè)務(wù)領(lǐng)域中問題以及求解的策略在選擇方面存在很大的差異，采用問題分解和簡化技術(shù)以便為管理決策提供適當(dāng)?shù)男畔?。郭健美等[7]在基于業(yè)務(wù)問題求解的實際需求方面，提出了一種對于知識供應(yīng)過程的業(yè)務(wù)問題求解模型。王德川等[8]針對企業(yè)業(yè)務(wù)問題求解時方案制定不合理的現(xiàn)象，將企業(yè)中的知識庫用領(lǐng)域建模的方式進行重新整理建模 ，設(shè)計了一種面向特定領(lǐng)域建模方法。姚平等[9]為了提取決策知識，采用將模糊集和粗糙集理論相結(jié)合的方法獲取知識資源。羅琳等[10]從數(shù)據(jù)的內(nèi)涵出發(fā)，提出了知識流動的特點，采用“數(shù)據(jù)-人-知識”模型，構(gòu)建了其理論框架，應(yīng)用在產(chǎn)學(xué)研協(xié)同創(chuàng)新知管網(wǎng)研究。劉驪等[11]以服裝數(shù)據(jù)作為驅(qū)動力，構(gòu)建三維服裝模型，提高服裝建模的效率。徐建國等[12]采用數(shù)據(jù)驅(qū)動的方式，采用技術(shù)評論數(shù)據(jù)，應(yīng)用在技術(shù)網(wǎng)絡(luò)模型構(gòu)建。楊青等[13]以工程管理的角度，采用數(shù)據(jù)驅(qū)動的方式，將工程管理按照時間維度、領(lǐng)域維度和方法維度三個維度，挖掘數(shù)據(jù)信息，及各個生命階段的數(shù)據(jù)類型。程進等[14]以個性化制造企業(yè)流程工藝參數(shù)據(jù)作為驅(qū)動力，研究其參數(shù)匹配方法， 有效地為制造工藝知識提供服務(wù)。

綜合國內(nèi)外的相關(guān)研究可以看出，以數(shù)據(jù)作為驅(qū)動，結(jié)合映射規(guī)則獲得更加全面的知識資源應(yīng)用在業(yè)務(wù)問題的求解方面的研究和應(yīng)用較少，尤其是在知識資源獲取方法方面仍需要進一步研究[15-21]。

以開放數(shù)據(jù)資源進行知識模型構(gòu)建仍舊存在較多的有價值性的工作。本文從企業(yè)業(yè)務(wù)問題求解進行分析，以數(shù)據(jù)作為驅(qū)動力，利用已有的網(wǎng)絡(luò)數(shù)據(jù)資源，基于映射規(guī)則的方法進行推理，填充企業(yè)業(yè)務(wù)問題求解的專家知識資源模型，令專家知識資源模型更加全面細致，并研究數(shù)據(jù)驅(qū)動的專家知識資源模型方法，進行專家知識資源原型系統(tǒng)開發(fā)。

1 模型構(gòu)建

1.1 模型維度的確定

面向業(yè)務(wù)問題求解的專家知識資源建模是從業(yè)務(wù)問題求解需求的角度出發(fā)構(gòu)建的,在業(yè)務(wù)的執(zhí)行過程中，會遇到比較復(fù)雜的業(yè)務(wù)難題或困難，本文將這類困難與難題的解決稱為業(yè)務(wù)問題求解。而對于業(yè)務(wù)問題求解的發(fā)生源于業(yè)務(wù)問題的出現(xiàn)，業(yè)務(wù)問題的出現(xiàn)是企業(yè)業(yè)務(wù)人員在執(zhí)行不同業(yè)務(wù)活動發(fā)生，因此，根據(jù)找到業(yè)務(wù)問題求解的源頭，對其進行解析，使出現(xiàn)業(yè)務(wù)問題時能夠及時得到求解的方案，從而繼續(xù)推進整個業(yè)務(wù)活動。從中可以發(fā)現(xiàn)，業(yè)務(wù)問題求解的需求知識與專家知識資源的構(gòu)建之間有密不可分的關(guān)系，如圖1所示。

圖1 業(yè)務(wù)需求與專家知識資源的關(guān)系模型圖

在實際求解業(yè)務(wù)問題中的過程中，業(yè)務(wù)問題是具有多層次的結(jié)構(gòu)，所以，業(yè)務(wù)求解需求就是按照層次粒度集成的集合體。根據(jù)此特性，業(yè)務(wù)求解需求是為業(yè)務(wù)問題提供服務(wù)，所以，業(yè)務(wù)需求也具有多層次的結(jié)構(gòu)。圍繞業(yè)務(wù)需求的涉及的知識資源角度，結(jié)合其多層次結(jié)構(gòu)的特點，以企業(yè)中一系列的業(yè)務(wù)案例為例，分別從企業(yè)業(yè)務(wù)項目層次需求維度、知識領(lǐng)域需求維度、產(chǎn)品生命周期需求維度將企業(yè)業(yè)務(wù)需求的知識資源進行分類，為專家知識資源建模做準(zhǔn)備。

結(jié)合劉則晴等[22]構(gòu)建的業(yè)務(wù)問題模型，在此基礎(chǔ)上，構(gòu)建了業(yè)務(wù)需求的模型:

PK={Xk，Yk，Zk}k=1,2,…,n

式中：k為企業(yè)業(yè)務(wù)求解需求編號，n為當(dāng)前企業(yè)內(nèi)的業(yè)務(wù)求解需求總數(shù)。

Xk={xki,i=1,2,3}，xki表示第k個業(yè)務(wù)求解需求處于i層次的需求層次維度。

Yk={ykj,j=1,2,…,m}，ykj表示第k個業(yè)務(wù)求解需求的知識領(lǐng)域維度總數(shù)。

Zk={zkt,t=1,2,…,n}，zkt表示第k個業(yè)務(wù)求解需求的產(chǎn)品生命周期維度個數(shù)。

由于業(yè)務(wù)需求所處的項目層次維度不同，其求解的過程中所需要的知識資源也是存在差異性的，因而需求的專家知識資源也存在很大的差異性。

盡管項目層次不同，但專家知識資源每個維度的知識領(lǐng)域卻存在著相似性。因此，該專家雖然處于不同項目、任務(wù)、活動層面中，但是都需要找到能夠與專家知識資源屬性一致的知識結(jié)構(gòu)，而該結(jié)構(gòu)的構(gòu)成則可以定義為專家的知識單元維度。

在項目層次維度所處的任務(wù)層次，以及解決何種業(yè)務(wù)問題是根據(jù)專家的業(yè)務(wù)經(jīng)驗及經(jīng)歷。因而，確立了該專家的業(yè)務(wù)經(jīng)驗及經(jīng)歷維度和教育經(jīng)歷維度。

在業(yè)務(wù)問題求解的配置過程中，會出現(xiàn)專家之間的相互配合情況，若要業(yè)務(wù)問題能夠順利得到解決，就需要對專家的脾氣秉性特征，及愛好等有所了解，因此，我們建立了專家知識資源模型中的又一個維度即愛好及特征，旨在業(yè)務(wù)問題求解的知識應(yīng)用情景中為業(yè)務(wù)配置能夠順利進展推進，并為專家在解決問題時創(chuàng)造舒適環(huán)境，從而使業(yè)務(wù)問題能夠高效合理地解決。

根據(jù)產(chǎn)品生命周期需求維度分析，主要是考慮該產(chǎn)品需求分析、設(shè)計、生產(chǎn)、銷售、售后、到回收階段，需要專家面對該流程中業(yè)務(wù)運營產(chǎn)生的問題，求解業(yè)務(wù)問題的能力，從中可以得到該專家知識資源模型中的業(yè)務(wù)能力維度。

通過對業(yè)務(wù)需求進行解析，本文確立了專家知識資源的六個維度信息，分別為專家的基本屬性、業(yè)務(wù)經(jīng)驗及經(jīng)歷、業(yè)務(wù)能力、教育經(jīng)歷、知識單元、愛好及特征。對每個維度又可以進一步細分，以此作為專家知識資源與求解業(yè)務(wù)問題需求契合度的依據(jù)，并為專家知識資源模型提供基礎(chǔ)。

數(shù)據(jù)驅(qū)動中數(shù)據(jù)即為專家知識資源模型的維度信息，驅(qū)動專家知識模型的構(gòu)建。

1.2 模型構(gòu)建

結(jié)合上述的專家知識資源維度的分析，本文提出依托網(wǎng)絡(luò)數(shù)據(jù)資源，基于規(guī)則抽取、數(shù)據(jù)檢索及數(shù)據(jù)挖掘技術(shù)的專家知識資源模型，如圖2所示。首先專家模型的建立需要滿足業(yè)務(wù)問題求解時對專家需求，利于實現(xiàn)專家知識資源的配置；另外如何獲取專家資源信息及建立專家資源信息庫，這也是業(yè)務(wù)求解過程中的關(guān)鍵。

圖2 數(shù)據(jù)驅(qū)動的專家知識資源模型框架

圖2中對專家知識資源模型中的6個維度及其維度進行細分，并表示了每個維度信息之間的相互關(guān)系，及如何獲取專家知識模型資源中相對應(yīng)的數(shù)據(jù)獲取方式。以教育經(jīng)歷為例，其細分的維度為該專家的受教育時間(when)、受教育的學(xué)校即地點(where)、受教育的學(xué)習(xí)的專業(yè)信息(major)，即為“2W1M”。該維度信息的獲得可以采用搜索方式，但有時該專家的某些信息又不能直接通過網(wǎng)絡(luò)搜索獲得，例如張三的畢業(yè)學(xué)校無法獲取，但從網(wǎng)絡(luò)數(shù)據(jù)中發(fā)現(xiàn)張三與李四是大學(xué)同學(xué)，而李四的畢業(yè)學(xué)?？色@取。因而，就可以推斷出張三的畢業(yè)學(xué)校?；谶@樣的構(gòu)思，本文提出基于數(shù)據(jù)挖掘或基于規(guī)則推理得方式從網(wǎng)絡(luò)數(shù)據(jù)中抽出不能直接獲取的相關(guān)信息。

(1) 專家的基本屬性 基本屬性是作為業(yè)務(wù)求解過程中便于業(yè)務(wù)人員聯(lián)系專家，了解專家的基本狀況之用。該維度信息知識特征具有平行結(jié)構(gòu)，無先后的順序，采用表格的形式記錄該基本屬性的細分維度。該數(shù)據(jù)是由搜索方式得到的數(shù)據(jù)，若不能直接獲得數(shù)據(jù)則由推理規(guī)則獲取，如表1所示。

表1 專家的基本屬性

(2) 專家的教育經(jīng)歷 專家所掌握的基本知識與能力信息，是關(guān)于個體比較全局的知識與能力描述。該知識結(jié)構(gòu)為“2W1M”，相互之間是關(guān)聯(lián)關(guān)系。具體包括專家學(xué)習(xí)旅程中不同階段，分別為大學(xué)、研究生、博士生等，以及在什么時間進入什么樣的院校學(xué)習(xí)什么專業(yè)。如表2所示。

表2 專家的教育經(jīng)歷

(3) 專家的業(yè)務(wù)能力 與業(yè)務(wù)求解密切相關(guān)的信息需求，了解專家能力特點是否可以為業(yè)務(wù)崗位需求相匹配。其知識結(jié)構(gòu)是按其掌握的熟練程度等級劃分，所以以金字塔的方式描述。該維度是由業(yè)務(wù)領(lǐng)域水平、語言溝通能力、組織協(xié)調(diào)能力、團隊協(xié)作能力、全局意思能力組成。同時，根據(jù)基于規(guī)則的推理進行該維度的等級分類。

該維度主要是以研究領(lǐng)域作為研究專家業(yè)務(wù)能力的關(guān)鍵信息。如圖3所示，把研究領(lǐng)域細化到10個相應(yīng)的維度，分別是主要研究方向、學(xué)術(shù)論文影響因素、論文被引次數(shù)、榮譽和獎勵、科研榮譽稱號、應(yīng)用案例、專利項目、科研項目、社會及學(xué)術(shù)兼職、主要著作和論文。根據(jù)上述10個細分維度，將專家業(yè)務(wù)能力更加具體展示給企業(yè)業(yè)務(wù)需求人員，作為企業(yè)業(yè)務(wù)應(yīng)用專家知識資源提供參考。

圖3 專家的業(yè)務(wù)能力圖

(4) 專家的業(yè)務(wù)經(jīng)歷及經(jīng)驗 專家的業(yè)務(wù)經(jīng)歷和經(jīng)驗的描述，進一步展示專家能力范圍，而且此維度也最能反映專家過往與當(dāng)前的能力特長，是進行專家資源配置的重要理論依據(jù)。圖4為該專家的業(yè)務(wù)經(jīng)歷及經(jīng)驗知識模型圖。

圖4 專家的業(yè)務(wù)經(jīng)歷及經(jīng)驗?zāi)Ｐ蛨D

每個專家在人生的不同階段都會遇到不同的專家，專家們相互交流，共同工作，知識會相互組合，并且創(chuàng)造形成新的知識。從專家自身的閱歷和經(jīng)驗，形成知識體系，專家知識是具有包含的關(guān)系等，從知識的寬度領(lǐng)域逐漸向深度邁進，形成專家自身的知識體系結(jié)構(gòu)，為業(yè)務(wù)問題求解效率帶來提升和改進。

(5) 專家的知識單元 知識單元是對專家所在知識領(lǐng)域中具體的知識結(jié)構(gòu)的最直接闡述。結(jié)合面向業(yè)務(wù)求解的知識資源配置的需要，對其知識結(jié)構(gòu)進行細致的分類。如圖5所示，其相互之間的關(guān)系是包含的關(guān)系，對于知識體系進行逐級分層，從而在業(yè)務(wù)問題求解時能夠及時找到需要的專家，并將專家的知識單元按照對知識掌握的熟練程度進行劃分。

圖5 專家的知識單元

知識單元主要是按照對于知識的掌握的熟悉度，從一般到熟練，挖掘到專家構(gòu)建和掌握其知識體系的方式是源自于其教育生涯中科目信息，每個專家在知識獲取上都是以科目信息的傳授和深入挖掘，來構(gòu)建其完整的知識體系。因此，以科目信息建立規(guī)則，尋找相似知識單元結(jié)構(gòu)的專家，構(gòu)建專家知識資源模型。

(6) 專家的愛好及特征 該維度的模型信息是為業(yè)務(wù)求解中團隊成員間可能的默契和配合程度而考慮的，在知識資源配置的協(xié)調(diào)決策中發(fā)揮輔助作用。如圖6所示，該維度信息主要是按照樹狀結(jié)構(gòu)進行分類，找到專家的興趣點。其中主要包括專家喜好是運動類、文藝類，及專家的特征是有無宗教信仰、有無潔癖等特殊習(xí)慣。

圖6 專家的愛好及特征圖

2 建模方法研究

如圖2所示，數(shù)據(jù)獲取的方式有一種或者兩種方式結(jié)合甚至更多，本文結(jié)合專家知識資源模型構(gòu)建的數(shù)據(jù)需要，總結(jié)出3種數(shù)據(jù)獲取的方式，分別為基于規(guī)則的推理、基于數(shù)據(jù)檢索、基于數(shù)據(jù)挖掘的獲取方式。

2.1 基于規(guī)則的推理獲取方法

由于數(shù)據(jù)的廣泛性，圖2中各維度模型中的信息很難從數(shù)據(jù)源中直接獲取，因而本文定義數(shù)據(jù)分析挖掘的映射規(guī)則，建立模型映射的規(guī)則庫。所謂的規(guī)則就是從數(shù)據(jù)源信息推導(dǎo)出模型信息的推理原則，如圖7所示。

圖7 基于規(guī)則的獲取流程圖

廣義多源數(shù)據(jù)是指互聯(lián)網(wǎng)中開放的數(shù)據(jù)源；獲取規(guī)則，主要是基于推理規(guī)則的方式獲取專家模型，根據(jù)業(yè)務(wù)需求的知識資源，利用推理規(guī)則填充專家知識模型某些維度信息的數(shù)據(jù)。例如：A專家1994年本科畢業(yè)清華大學(xué)的機械制造及其自動化專業(yè)，那么從這條專家的個人信息中，可以定義規(guī)則“該專家應(yīng)該基本具有機械制造及自動化領(lǐng)域的基本專家知識與技能，并基本具有1994年清華大學(xué)所開設(shè)專業(yè)知識中的知識單元結(jié)構(gòu)”?；谶@條規(guī)則，所需獲取的進一步信息就是獲取1994年清華大學(xué)機械制造及其自動化專業(yè)的本科課程體系，或獲取與A專家相近就學(xué)情形的其他專家的個人信息，以此推導(dǎo)出A專家可能的知識單元維度信息構(gòu)成及教育經(jīng)驗維度的求學(xué)信息。

通過不斷積累的大量規(guī)則的建立，利用軟件技術(shù)即可實現(xiàn)專家資源模型信息的自動獲取。使專家模型的數(shù)據(jù)信息更加完整。

專家知識的推理規(guī)則可表示為：

規(guī)則1：If “時間=×××”and“地點=某高校名稱”and“專業(yè)=教育部開設(shè)某專業(yè)名稱”，then“該專家的科目信息=具體根據(jù)教育部制定與修訂《普通高等教育學(xué)校本科專業(yè)目錄》中的信息確定該專家科目信息的知識結(jié)構(gòu)”。

規(guī)則2：If “A專家與B為同時同學(xué)校同專業(yè)”，then“該專家A與專家B具有相同的科目信息和知識結(jié)構(gòu)”。

規(guī)則3：If “申請項目團隊人數(shù)>5”and“撰寫論文的團隊人數(shù)>5”and“專家參與的科研活動”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力較強”。

If “申請項目團隊人數(shù)>5”and“撰寫論文的團隊人數(shù)>5”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力較強”。

If “申請項目團隊人數(shù)>5”and“撰寫論文的團隊人數(shù)>5”and“專家參與的科研活動”,then“團隊能力較強”。

If “申請項目團隊人數(shù)>5”and“專家參與的科研活動”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力較強”。

If “撰寫論文的團隊人數(shù)>5”and“專家參與的科研活動”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力較強”。

If “申請項目團隊人數(shù)>5”and“撰寫論文的團隊人數(shù)>5”,then“團隊能力一般”。

If “申請項目團隊人數(shù)>5”and“專家參與的科研活動”，then“團隊能力一般”。

If “申請項目團隊人數(shù)>5”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力一般”。

If “撰寫論文的團隊人數(shù)>5”and“專家參與的科研活動”，then“團隊能力一般”。

If “撰寫論文的團隊人數(shù)>5”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力一般”。

If “專家參與的科研活動”and“該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力一般”。

If “申請項目團隊人數(shù)>5”,then“團隊能力較弱”。

If “撰寫論文的團隊人數(shù)>5”,then“團隊能力較弱”。

If “專家參與的科研活動”,then“團隊能力較弱”。

If “該專家的存在社會及學(xué)術(shù)兼職”,then“團隊能力較弱”。

滿足以上三條及其以上的內(nèi)容，該專家的業(yè)務(wù)能力較強。滿足兩條，該專家的團隊能力一般。滿足上面一條內(nèi)容則該專家的團隊能力較弱。

專家業(yè)務(wù)能力維度的描述，以該專家的團隊能力維度進行其推理規(guī)則的詳細闡述，其他細分維度信息獲取規(guī)則方式與此相同，由于篇幅問題，暫不贅述。

規(guī)則4：If “描述該專家的信息出現(xiàn)干凈，整潔”，and“出現(xiàn)程度副詞，較，極其”，then“該專家有潔癖習(xí)慣”。

If “該專家信仰某種宗教”or“該專家信仰佛教”，then“該專家有宗教信仰”。

If “描述該專家做事嚴(yán)謹(jǐn)”and“被評為某種具有嚴(yán)謹(jǐn)工作性質(zhì)的獎項，帶有程度副詞”or“該專家被評為某種帶有感情色彩，我最喜愛，我最敬佩”，then“該專家做事嚴(yán)謹(jǐn)，平易近人”。

專家愛好及特征維度信息的描述，主要是根據(jù)描述信息出現(xiàn)的關(guān)鍵詞及修飾該關(guān)鍵詞的程度副詞進行數(shù)據(jù)推理和填充。

2.2 基于數(shù)據(jù)檢索的獲取技術(shù)

根據(jù)網(wǎng)上已存在的數(shù)據(jù)，通過對其數(shù)據(jù)進行關(guān)鍵詞檢索得到的數(shù)據(jù)信息可直接填充進專家知識模型細分的維度信息內(nèi)容，如圖2所示。以專家知識資源中的教育經(jīng)歷為例，進行維度信息的獲取。提出基于數(shù)據(jù)挖掘中廣泛使用的網(wǎng)絡(luò)爬蟲技術(shù)，從互聯(lián)網(wǎng)環(huán)境中廣泛獲取與專家相關(guān)的各類信息，作為數(shù)據(jù)挖掘的數(shù)據(jù)源。

某些數(shù)據(jù)經(jīng)過檢索得到，但是，并不能直接填充到專家知識模型中相對應(yīng)的字段維度信息，需要對檢索到的數(shù)據(jù)進行相關(guān)的處理，本文采用數(shù)據(jù)統(tǒng)計的方式，具體應(yīng)用于專家的文獻被引次數(shù)及專家成果影響因素和專家論文被引次數(shù)。

2.2.1 論文被引總次數(shù)及成果影響因素

論文被引總次數(shù)的確定，方便對專家進行配置時提供相應(yīng)的理論參考。該方法的計算方式，主要是按照參考文獻中作者的排序作為其貢獻影響的依據(jù)。若為第一作者，則其貢獻量最大，則按引用次數(shù)與因子1相乘，若作者是第二位及其之后出現(xiàn)，將引用次數(shù)按照總?cè)藬?shù)平分，具體計算如下所示：

(1)

式中：a1,a2,…,an指專家為第一位作者的引用次數(shù)；b1,b2,…,bn指專家作為第二位及以后作者的引用次數(shù),且參與學(xué)術(shù)論文創(chuàng)作的作者人數(shù)是2個人；c1,c2,…,cn指專家作為第二位及以后作者的引用次數(shù)，且參與學(xué)術(shù)論文創(chuàng)作的作者人數(shù)是3個人；d1,d2,…,dn指專家作為第二位及以后作者的引用次數(shù)，且參與學(xué)術(shù)論文創(chuàng)作的作者人數(shù)是4個人；e1,e2,…,en指專家作為第二位及以后作者的引用次數(shù),且參與學(xué)術(shù)論文創(chuàng)作的作者人數(shù)是5個人，由于一般學(xué)術(shù)論文規(guī)定的最多人數(shù)為5個人，所以，本文將專家論文被引用次數(shù)按最多人數(shù)為5個人進行其引用次數(shù)總和計算。

2.2.2 成果影響因素計算

成果影響因素，文中的成果影響因子主要是根據(jù)文章被引次數(shù)，完成其影響成果的確定，之所以要計算成果因素，是為專家在配置知識資源時提供相應(yīng)的數(shù)據(jù)參考，決定哪位專家在同一領(lǐng)域中更適合勝任該工作。本文采用文獻[23]介紹的I3(Integrated Impact Indicator)[24]，I3使用的是無參統(tǒng)計的方式評價偏態(tài)分布的期刊被引頻次，并且利用標(biāo)準(zhǔn)差來檢驗評價結(jié)果，對于期刊評價法和科研人員評價比期刊因子更加合理。本文采用科研指標(biāo)I3，計算公式如下：

Ia=∑ixi·f(xi)

(2)

式中：xi表示第i等級的權(quán)值，f(xi)表示該權(quán)值為xi的論文出現(xiàn)的數(shù)量?；谥锌圃簩τ谄诳膭澐諿23]并結(jié)合PR6[24]，對該權(quán)值與等級的劃分范圍進行調(diào)整，并根據(jù)專家學(xué)術(shù)論文的等級進行了重新界定。

2.3 基于數(shù)據(jù)挖掘的獲取技術(shù)

如圖1所示，專家知識資源模型框架充分考慮了企業(yè)業(yè)務(wù)問題求解時的知識需求，而對于模型各維度實例信息的獲取，本文采用互聯(lián)網(wǎng)中的開源數(shù)據(jù)挖掘技術(shù)來實現(xiàn)?；玖鞒倘鐖D8所示。

圖8 基于數(shù)據(jù)挖掘的流程圖

該流程主要以對專家摘要、論文摘要、專家數(shù)據(jù)進行清洗、提取專家專利數(shù)據(jù)、論文摘要數(shù)據(jù)中的描述專家研究領(lǐng)域及方向的術(shù)語、利用互信息的分詞方式提取關(guān)鍵詞。

對專家摘要、論文摘要、專家數(shù)據(jù)進行數(shù)據(jù)清洗，利用了數(shù)據(jù)清洗的理念，去除數(shù)據(jù)的雜質(zhì)。

提取專家專利數(shù)據(jù)、論文摘要數(shù)據(jù)中的描述專家研究領(lǐng)域及方向的術(shù)語，采用對數(shù)據(jù)進行分詞處理。

利用互信息的分詞方式提取關(guān)鍵詞：本文采用一種無監(jiān)督學(xué)習(xí)的專業(yè)領(lǐng)域分詞歧義方法[25]，采用互信息的方式，因為其分詞效果較好，且具有穩(wěn)定性。該方法采用定量估計兩個漢字間的結(jié)合力方式，從而確定兩個字之間的聯(lián)系強度，以此作為依據(jù)判斷兩個字是否需要進行分詞。但由于某些領(lǐng)域的專家的研究方向并不僅限于兩個漢字之間，例如某專家擅長“知識管理”，如果只是兩個詞之間的緊密度的話，分詞就為“知識/管理”與研究領(lǐng)域的專家知識描述相違背。因而，本文采用是多字詞的互信息。即一個詞由多個字組成時，先計算專業(yè)研究領(lǐng)域的兩兩臨近字的互信息，再取平均值。算法如下：

(3)

mi(xi,xi+1)指兩兩相近字的互信息，其計算方式如下：

(4)

式中：xi、xi+1指兩個相近字。用mi表示兩個詞的相近度，以此作為研究分詞的理論依據(jù)，確立得到的分詞信息能夠描述專家的研究領(lǐng)域的知識資源信息，更好地解釋專家的研究領(lǐng)域內(nèi)容。同時進行關(guān)鍵詞提取及詞頻統(tǒng)計，為基于推理規(guī)則的方式獲取模型數(shù)據(jù)做準(zhǔn)備。

通過編寫網(wǎng)絡(luò)爬蟲程序爬取專家知識資源信息，構(gòu)建專家知識模型。根據(jù)上述三種方式，節(jié)省數(shù)據(jù)清洗和數(shù)據(jù)處理步驟，利用爬蟲直接獲取該專家模型需求的信息源。

3 原型系統(tǒng)開發(fā)

為了能夠方便開發(fā)者進行開發(fā)，本節(jié)設(shè)計并開發(fā)該數(shù)據(jù)驅(qū)動的基于規(guī)則映射形成的專家知識資源原型系統(tǒng)，為專家知識資源配置服務(wù)做準(zhǔn)備。采用PHP+MySQL的模式進行Web開發(fā)，基于B/S框架。數(shù)據(jù)庫采用標(biāo)準(zhǔn)的SQL語言，由于MySQL是具有開放源代碼的特點，因此，可以根據(jù)用戶個人需要需求的要求進行修改。PHP是一種嵌入到HTML中的腳本語言，絕大多部分源于C語言，也有少數(shù)承自Java和Perl，并由服務(wù)器進行解釋的腳本語言。本系統(tǒng)使用的軟件開發(fā)環(huán)境為：Windows10,MySQL Sever11.0.10.(數(shù)據(jù)庫),PHPSTUDY20180211(調(diào)試環(huán)境)，PhpStorm(編程軟件)。圖9為該系統(tǒng)的框架圖。

圖9 系統(tǒng)架構(gòu)圖設(shè)計

根據(jù)圖2和圖9的理論框架設(shè)計構(gòu)圖的模型，構(gòu)建專家知識模型系統(tǒng)如圖10所示。

圖10 數(shù)據(jù)驅(qū)動的專家知識資源模型系統(tǒng)

4 應(yīng)用實例

本模型以實驗室為研究對象，進行了該系統(tǒng)的測試和試驗，驗證了該方案的可行性。具體操作是通過輸入某位專家的名字得到其相應(yīng)的數(shù)據(jù)信息，顯示了專家信息中部分維度中的數(shù)據(jù)信息，分別是業(yè)務(wù)經(jīng)驗及經(jīng)歷維度，進行實例展示。同時，在科目信息旁邊有一個紅色驚嘆號的標(biāo)志，可以看到該數(shù)據(jù)的獲取方法，如圖11所示。

圖11 數(shù)據(jù)驅(qū)動的專家知識資源部分模型系統(tǒng)

5 結(jié) 語

數(shù)據(jù)驅(qū)動的基于規(guī)則的專家知識資源建模及獲取技術(shù)，能通過數(shù)據(jù)本身相關(guān)的規(guī)則進行推理，實現(xiàn)智能化獲取數(shù)據(jù)的方式，減少人工編輯工作量。并且，數(shù)據(jù)的多源性使得獲取知識多樣性，滿足知識的個性化要求，并快速地為企業(yè)提供合理的配置專家作準(zhǔn)備工作，在業(yè)務(wù)問題求解方面提高效率，將數(shù)據(jù)可視化，為業(yè)務(wù)人員在求解過程中提供參考。