成方敏，余隋懷，初建杰，樊佳爽，陳 健

(西北工業(yè)大學(xué) 陜西省工業(yè)設(shè)計(jì)工程實(shí)驗(yàn)室，陜西 西安 710072)

0 引言

近年來，3D打印制造技術(shù)迅速發(fā)展，成為了具有巨大應(yīng)用潛力的制造技術(shù)。由于3D打印具有制造周期短、適合單件個(gè)性化需求等優(yōu)勢，在航空航天、醫(yī)療等高精尖領(lǐng)域具有廣闊的應(yīng)用空間[1]。同時(shí)，3D打印技術(shù)降低了制造工藝難度，在分散的設(shè)備上可以獨(dú)立制造任意形狀復(fù)雜的零件[2]，這一特性正好于滿足云制造多主體協(xié)同工作和資源快速組織的要求。在此背景下，國內(nèi)外出現(xiàn)了越來越多的3D打印云服務(wù)平臺(tái)。

3D打印云服務(wù)平臺(tái)是一種以3D打印技術(shù)為核心，以互聯(lián)網(wǎng)、物聯(lián)網(wǎng)為支撐，以眾創(chuàng)眾包為組織模式的設(shè)計(jì)制造服務(wù)模式[3]。在該平臺(tái)上，用戶可注冊成為設(shè)計(jì)師，參與客戶通過平臺(tái)發(fā)布的產(chǎn)品開發(fā)任務(wù)。圍繞3D打印的產(chǎn)品開發(fā)過程是一個(gè)知識(shí)密集的過程，用戶需利用大量知識(shí)完成創(chuàng)新任務(wù)。隨著3D打印技術(shù)與互聯(lián)網(wǎng)的快速發(fā)展，相關(guān)知識(shí)資源不斷更新，迅速增長。在海量的知識(shí)信息中，依據(jù)用戶個(gè)性化需求，為用戶提供快速有效的知識(shí)服務(wù)，是提高用戶工作效率、提升平臺(tái)粘度的關(guān)鍵。

目前，國內(nèi)外學(xué)者針對云制造平臺(tái)知識(shí)服務(wù)模式和方法進(jìn)行了卓有成效的研究。陰艷超等[4]針對云制造環(huán)境知識(shí)服務(wù)的模糊性和隨機(jī)性，提出了基于不確定規(guī)則推理的云制造知識(shí)服務(wù)方法；王亞輝等[5]提出一種面向產(chǎn)品協(xié)同設(shè)計(jì)平臺(tái)的案例驅(qū)動(dòng)協(xié)同設(shè)計(jì)知識(shí)管理模型；李向前等[6]針對集團(tuán)企業(yè)云制造系統(tǒng)，提出了靜態(tài)與動(dòng)態(tài)兩種知識(shí)服務(wù)模式；徐榮振等[7]針對產(chǎn)品變型設(shè)計(jì)，提出一種基于序列模式挖掘的知識(shí)服務(wù)方法，提高了知識(shí)推送的自動(dòng)化程度。國外學(xué)者M(jìn)onticolo等針對工業(yè)設(shè)計(jì)協(xié)同過程提出一種與專家模型同步配置的知識(shí)管理方法[8]；Sultan探討了云計(jì)算和Web 2.0背景下的創(chuàng)新現(xiàn)象，并特別考察了它們對組織知識(shí)的影響[9]；Chen[10]等提出一種基于模糊公理設(shè)計(jì)的知識(shí)服務(wù)匹配優(yōu)化方法。個(gè)性化的知識(shí)服務(wù)是大數(shù)據(jù)環(huán)境下的發(fā)展趨勢，相關(guān)研究也有了一定進(jìn)展。那惠珍等[11]提出一種基于用戶模型的產(chǎn)品創(chuàng)新設(shè)計(jì)個(gè)性化知識(shí)推送模型；李穎新等[12]提出一種云環(huán)境下基于用戶行為感知的個(gè)性化服務(wù)方法；謝振平等[13]提出一種基于建構(gòu)主義學(xué)習(xí)理論的個(gè)性化知識(shí)推送模型。

3D打印云服務(wù)平臺(tái)具有自身的特點(diǎn)，現(xiàn)有的知識(shí)服務(wù)方法難以適用。首先，3D打印云服務(wù)平臺(tái)是云制造的一種模式，具有高度的開放性，其用戶種類較多、需求各異[14]。同時(shí)，由于3D打印制造工藝難度較小且適宜單件制造，吸引了大量的非專業(yè)人員。權(quán)威3D打印云平臺(tái)3D Hubs[15]在2015年7月發(fā)布的報(bào)告顯示，愛好者、新進(jìn)者(新接觸3D打印的人士)、學(xué)生等非專業(yè)從業(yè)人員占3D打印使用者的64.8%。與專業(yè)從業(yè)人員相比，非專業(yè)用戶在3D打印領(lǐng)域的知識(shí)構(gòu)成、知識(shí)水平與知識(shí)需求差異巨大?，F(xiàn)有云制造環(huán)境知識(shí)服務(wù)大多是面向全體用戶的統(tǒng)一化知識(shí)服務(wù)[6,16]，這種知識(shí)服務(wù)難以滿足3D打印云平臺(tái)用戶差異化的知識(shí)需求。其次，現(xiàn)有云環(huán)境下個(gè)性化知識(shí)服務(wù)方法大多面向某一組織內(nèi)部用戶[4,12]，用戶模型依賴用戶的知識(shí)評價(jià)、評論、知識(shí)上傳等用戶主動(dòng)行為數(shù)據(jù)。3D打印云平臺(tái)的用戶群組織松散，難以有效地激勵(lì)用戶的主動(dòng)行為，進(jìn)而難以構(gòu)建有效的用戶知識(shí)模型。

為了向3D打印云平臺(tái)用戶快速提供個(gè)性化知識(shí)服務(wù)，需根據(jù)用戶對于知識(shí)領(lǐng)域的需求程度推送針對性的知識(shí)資源。用戶的知識(shí)需求度可以通過用戶的知識(shí)存量來反映，用戶在某一領(lǐng)域的知識(shí)存量越大，對該領(lǐng)域知識(shí)的需求度越小。所謂知識(shí)存量，是指在某一刻個(gè)人或組織所掌握的知識(shí)總和[17-18]。用戶知識(shí)存量可根據(jù)用戶在云平臺(tái)任務(wù)中的表現(xiàn)進(jìn)行測度，不需要用戶提供主動(dòng)的知識(shí)行為。這種測度方法充分利用了云平臺(tái)大數(shù)據(jù)的優(yōu)勢，同時(shí)解決了基于用戶主動(dòng)行為的用戶知識(shí)模型難以構(gòu)建的問題。因此，本文提出基于用戶知識(shí)存量的3D打印云平臺(tái)知識(shí)服務(wù)方法，通過用戶知識(shí)存量測度獲取用戶知識(shí)需求度，綜合考慮用戶知識(shí)需求與任務(wù)知識(shí)需求并計(jì)算知識(shí)推薦系數(shù)，通過知識(shí)過濾實(shí)現(xiàn)了面向用戶個(gè)性需求的個(gè)性化知識(shí)服務(wù)。

1 3D打印云平臺(tái)知識(shí)服務(wù)分析

1.1 3D打印云平臺(tái)產(chǎn)品開發(fā)模式分析

3D打印云平臺(tái)將廣大分散的3D打印市場需求和設(shè)計(jì)制造等資源集成在同一平臺(tái)，為客戶提供隨時(shí)獲取、按需使用的3D打印設(shè)計(jì)制造服務(wù)。其任務(wù)完成的一般流程包括任務(wù)分解與發(fā)布、團(tuán)隊(duì)構(gòu)建與任務(wù)分配、虛擬團(tuán)隊(duì)協(xié)同設(shè)計(jì)、產(chǎn)品打印制造與交付等，如圖1所示?？蛻粼谄脚_(tái)上發(fā)布需求后，平臺(tái)對需求進(jìn)行分析處理后形成模塊化任務(wù)，并在平臺(tái)上發(fā)布。任何平臺(tái)注冊用戶均可根據(jù)自身情況申請任務(wù)，云平臺(tái)決策者根據(jù)優(yōu)選算法選擇成員組成產(chǎn)品開發(fā)團(tuán)隊(duì)，并向用戶分配任務(wù)。團(tuán)隊(duì)成員協(xié)同工作完成方案設(shè)計(jì)。方案經(jīng)客戶認(rèn)可后，選擇平臺(tái)上的制造資源進(jìn)行打印制造，完成后將產(chǎn)品交付客戶。

產(chǎn)品開發(fā)過程是開發(fā)者的知識(shí)分析、綜合、創(chuàng)造表達(dá)的過程[19]。在團(tuán)隊(duì)成員協(xié)作完成產(chǎn)品開發(fā)的過程中，參與任務(wù)的用戶需要在相關(guān)知識(shí)資源的支持下完成各自工作。能否為用戶提供符合當(dāng)前任務(wù)需求和自身知識(shí)需求的知識(shí)資源，是云平臺(tái)知識(shí)服務(wù)質(zhì)量的關(guān)鍵。

1.2 基于用戶個(gè)體知識(shí)能力的知識(shí)服務(wù)模型

根據(jù)對3D打印云服務(wù)平臺(tái)的任務(wù)完成模式和相關(guān)文獻(xiàn)的分析，可總結(jié)出3D打印云平臺(tái)產(chǎn)品開發(fā)任務(wù)具有用戶多樣性、任務(wù)專業(yè)性、動(dòng)態(tài)性和交互性等特點(diǎn)[20]。針對用戶多樣性和任務(wù)專業(yè)性特點(diǎn)，以及現(xiàn)有研究的不足，本文提出了面向3D打印云服務(wù)平臺(tái)的用戶個(gè)性化知識(shí)服務(wù)模型，如圖2所示。

模型包括3部分：①通過用戶知識(shí)體系構(gòu)建和用戶知識(shí)存量測度，獲取用戶各知識(shí)領(lǐng)域的知識(shí)需求度；②構(gòu)建面向3D打印產(chǎn)品開發(fā)的本體模型，并基于本體對知識(shí)資源與任務(wù)進(jìn)行表達(dá)；③利用用戶的知識(shí)需求度和任務(wù)與知識(shí)資源的語義相似度，計(jì)算知識(shí)推薦系數(shù)，過濾知識(shí)資源，完成個(gè)性化的知識(shí)服務(wù)。

2 用戶知識(shí)存量與知識(shí)需求度

為了向用戶提供符合用戶需求的知識(shí)服務(wù)，需要明確用戶對某類知識(shí)的需求度。本文通過測度用戶知識(shí)存量來獲得用戶對某一類知識(shí)的需求度。

知識(shí)存量測度是知識(shí)管理的基本問題[21]，許多學(xué)者提出了測度方法：基于知識(shí)結(jié)構(gòu)的問卷調(diào)查量表法[22]、基于復(fù)合學(xué)習(xí)時(shí)間的知識(shí)量度量[23]、灰關(guān)聯(lián)度法測量[18]、基于貝葉斯網(wǎng)絡(luò)的測度[24]等。但由于知識(shí)的模糊性和知識(shí)存量的動(dòng)態(tài)性，還沒有一種得到廣泛認(rèn)同的測度方法。本文綜合以上研究成果，構(gòu)建了用戶知識(shí)結(jié)構(gòu)，結(jié)合云平臺(tái)的大數(shù)據(jù)特點(diǎn)，提出基于用戶任務(wù)表現(xiàn)的知識(shí)存量測度方法。本方法可以對每一個(gè)知識(shí)領(lǐng)域的知識(shí)存量進(jìn)行量化測度，從而獲得每一個(gè)知識(shí)領(lǐng)域的需求度，為知識(shí)資源與用戶需求匹配提供基礎(chǔ)。測度方法可分為如下3個(gè)步驟：

(1)用戶知識(shí)結(jié)構(gòu)構(gòu)建

用戶依靠3D打印產(chǎn)品開發(fā)知識(shí)來完成平臺(tái)任務(wù)，用戶的個(gè)人知識(shí)結(jié)構(gòu)即3D打印產(chǎn)品開發(fā)的知識(shí)結(jié)構(gòu)。個(gè)人知識(shí)結(jié)構(gòu)可劃分為多個(gè)知識(shí)領(lǐng)域，知識(shí)領(lǐng)域不斷細(xì)化分解，直到不可再分或不必再分時(shí)為止。最小的知識(shí)領(lǐng)域可稱為知識(shí)單元。本文以設(shè)計(jì)知識(shí)、設(shè)計(jì)對象、打印制造、開發(fā)過程作為4個(gè)知識(shí)維度構(gòu)建3D打印產(chǎn)品開發(fā)知識(shí)結(jié)構(gòu)，如圖3所示為知識(shí)結(jié)構(gòu)局部框架圖。在實(shí)際應(yīng)用中，應(yīng)根據(jù)平臺(tái)特點(diǎn)對知識(shí)結(jié)構(gòu)進(jìn)行適當(dāng)擴(kuò)充與更改。

(2)知識(shí)領(lǐng)域權(quán)重確定

在知識(shí)結(jié)構(gòu)中，下級(jí)知識(shí)領(lǐng)域?qū)τ谏霞?jí)知識(shí)領(lǐng)域的相對重要度不同，為保證對用戶知識(shí)存量測度的客觀性，需給各知識(shí)領(lǐng)域賦權(quán)。為得到較為客觀合理的權(quán)重值，本文采用綜合主觀賦權(quán)法和客觀賦權(quán)法的層次分析法(Analytic Hierarchy Process, AHP)—熵值法來計(jì)算知識(shí)領(lǐng)域權(quán)重。由于AHP法和熵值法均是成熟的賦權(quán)方法，不再贅述方法步驟。對于第j個(gè)知識(shí)領(lǐng)域，AHP法求得其權(quán)重值為Fj，熵值法求得其權(quán)重為Vj，則這個(gè)知識(shí)領(lǐng)域的綜合權(quán)重

(1)

(3)用戶知識(shí)存量測度與知識(shí)需求度計(jì)算

用戶的知識(shí)存量難以直接測試，只能通過間接的方法來測度。用戶在云平臺(tái)產(chǎn)品開發(fā)任務(wù)中的表現(xiàn)是其知識(shí)存量的外在反映，因此根據(jù)任務(wù)表現(xiàn)來評估用戶的知識(shí)存量。用戶在任務(wù)中的表現(xiàn)好，即代表用戶在相關(guān)知識(shí)領(lǐng)域的知識(shí)存量高。

在平臺(tái)上完成一次產(chǎn)品開發(fā)任務(wù)后，由專家根據(jù)用戶任務(wù)完成情況評估用戶知識(shí)存量。為了方便專家評分，評價(jià)等級(jí)劃分為“很好”、“好”、“一般”、“差”、“很差”5個(gè)等級(jí)，對應(yīng)分值為1，2，3，4，5，指標(biāo)等級(jí)介于兩相鄰等級(jí)之間時(shí)，相應(yīng)評分值取兩相鄰分值之間的某個(gè)值。為了減少專家工作量，只對知識(shí)體系最底層知識(shí)單元的用戶知識(shí)存量進(jìn)行評分，上層知識(shí)領(lǐng)域的得分依據(jù)其下層知識(shí)領(lǐng)域的得分及其權(quán)重計(jì)算求得。在一次產(chǎn)品開發(fā)任務(wù)中，用戶的表現(xiàn)只能反映一部分知識(shí)單元的知識(shí)存量，專家只針對這些知識(shí)單元的知識(shí)存量評分，其他知識(shí)單元不予評分。

假設(shè)在一次任務(wù)完成后，n位專家根據(jù)用戶Uk的表現(xiàn)對其知識(shí)存量進(jìn)行評估，第j個(gè)專家的相對重要性為wj。知識(shí)單元ki是本次任務(wù)中得到體現(xiàn)的知識(shí)單元之一。專家對用戶在知識(shí)單元ki的知識(shí)存量評分集合為S={s1，s2，…，sj，…，sn}，其中sj代表第j個(gè)專家的評分值。則本次任務(wù)中專家對用戶Uk在知識(shí)單元ki的知識(shí)存量評分為

(2)

用戶完成任務(wù)所利用的知識(shí)，一部分來自用戶自身的知識(shí)存量，另一部分則來自平臺(tái)提供的知識(shí)服務(wù)。為了客觀評估用戶自身的知識(shí)存量，應(yīng)排除平臺(tái)知識(shí)服務(wù)對于用戶任務(wù)表現(xiàn)的提升作用。用戶利用知識(shí)服務(wù)的程度可用平臺(tái)記錄的用戶知識(shí)瀏覽行為來表征。若某個(gè)知識(shí)資源與知識(shí)單元ki的語義相似度大于設(shè)定閾值，且用戶在任務(wù)中對其瀏覽的時(shí)間大于有效瀏覽時(shí)間閾值，則記為一次對知識(shí)單元ki的有效瀏覽。假設(shè)用戶Uk在任務(wù)中對知識(shí)單元ki領(lǐng)域的有效知識(shí)瀏覽次數(shù)為Tki。

綜合專家評分與知識(shí)瀏覽次數(shù)，在本次任務(wù)中用戶Uk在知識(shí)單元ki的知識(shí)存量最終得分為：

(3)

其中ws、wt分別為專家評分和瀏覽次數(shù)對用戶知識(shí)存量測度的影響權(quán)重。當(dāng)Cki=0時(shí)，表示用戶在任務(wù)中參考了大量平臺(tái)提供的本領(lǐng)域知識(shí)資源，用戶自身并未擁有這一領(lǐng)域的知識(shí)。

(4)

在用戶所有已完成任務(wù)中從未涉及的知識(shí)單元，其評分取為該用戶其余知識(shí)單元的平均得分。上級(jí)知識(shí)領(lǐng)域的得分由下級(jí)知識(shí)領(lǐng)域的得分和權(quán)重計(jì)算而得，這樣就得到了用戶的知識(shí)存量模型。在每一次任務(wù)后，對用戶的當(dāng)次表現(xiàn)進(jìn)行知識(shí)存量評估，并更新用戶知識(shí)存量模型。

用戶對知識(shí)的需求度可利用其知識(shí)存量得分表示：

(5)

式中：Yf為用戶對于第f個(gè)知識(shí)領(lǐng)域的知識(shí)需求度，C(Kf)為用戶在知識(shí)領(lǐng)域Kf的知識(shí)存量分值。

用戶的知識(shí)存量模型，不僅是個(gè)性化知識(shí)服務(wù)的基礎(chǔ)，還可以當(dāng)作云平臺(tái)用戶選擇和用戶評級(jí)等的標(biāo)準(zhǔn)。

3 基于本體的任務(wù)與知識(shí)建模

本體是對某個(gè)領(lǐng)域內(nèi)概念及其關(guān)系的規(guī)范化、形式化描述。為了實(shí)現(xiàn)知識(shí)與任務(wù)的統(tǒng)一語義表示，實(shí)現(xiàn)用戶需求與知識(shí)的匹配，采用基于本體的方法對知識(shí)與任務(wù)進(jìn)行建模。

3.1 面向3D打印產(chǎn)品開發(fā)知識(shí)的本體建模

國內(nèi)外學(xué)者提出了眾多本體構(gòu)建方法，比較常見的有骨架法、IDEF法、七步法、TOVE企業(yè)建模法等[25]。但由于各知識(shí)領(lǐng)域特點(diǎn)不同，并沒有普適的本體構(gòu)建方法。結(jié)合上述方法，本文在第2章(1)中提出的3D打印產(chǎn)品開發(fā)知識(shí)體系的基礎(chǔ)上，進(jìn)行自頂向下的本體構(gòu)建。

(1)領(lǐng)域概念列舉與層次定義

本文以3D打印產(chǎn)品開發(fā)作為構(gòu)建領(lǐng)域本體的對象。以第2章(1)中提出的3D打印產(chǎn)品開發(fā)知識(shí)結(jié)構(gòu)為本體建?；A(chǔ)與邊界，確定概念的范圍。在知識(shí)體系領(lǐng)域范圍內(nèi)進(jìn)行概念列舉，概念的列舉應(yīng)遵循一致性與準(zhǔn)確性的原則。然后，按照分類學(xué)的基本原則，定義概念的層次。最終形成本領(lǐng)域知識(shí)的概念本體樹模型。

(2)定義概念屬性與屬性關(guān)系

本體中的概念均有各自的屬性，主要有數(shù)據(jù)屬性和對象屬性。對象屬性指本體中概念與數(shù)據(jù)類型之間的關(guān)系，對象屬性指本體中概念之間的關(guān)系。屬性定義后，還需定義屬性間的關(guān)系從而建立概念間的關(guān)聯(lián)。定義關(guān)系時(shí)，需確定定義域和值域，將兩個(gè)概念聯(lián)系起來。概念間常見的關(guān)系類型有組成關(guān)系(part-of)、繼承關(guān)系(kind-of)、同類關(guān)系(same-as)、屬性關(guān)系(attribute-of)和實(shí)例關(guān)系(instance-of)等。屬性可以包含層次，因此需要定義傳遞性、互逆性等關(guān)系特性。

(3)定義屬性約束

在屬性關(guān)系的基礎(chǔ)上，進(jìn)一步約束概念的定義域和值域。例如，“汽車零部件”與“汽車”的關(guān)系為：“汽車零部件”is-part-of“汽車”，而“汽車零部件”只可能是“汽車”的一個(gè)部分，因此，“汽車零部件”的實(shí)例在定義part-of這個(gè)關(guān)系時(shí)，其值域只能從“汽車”的實(shí)例中進(jìn)行選擇。關(guān)系約束定義完成后，對本體概念的關(guān)系進(jìn)行全面的一致性校驗(yàn)。

本體構(gòu)建完成后，需根據(jù)后續(xù)的使用情況不斷擴(kuò)展進(jìn)化。本體局部模型如圖4所示。

3.2 基于本體的知識(shí)與任務(wù)表示

基于本體對3D打印產(chǎn)品開發(fā)知識(shí)與3D打印云平臺(tái)任務(wù)進(jìn)行表示。

3D打印產(chǎn)品開發(fā)知識(shí)可以形式化描述為一個(gè)四元組：PDK=(KI，KS，KD，KB)。其中：PDK表示3D打印產(chǎn)品開發(fā)知識(shí)；KI表示知識(shí)ID，是知識(shí)的唯一標(biāo)識(shí)；KC表示知識(shí)的概念集合，概念提取自本體概念集；KD表示知識(shí)內(nèi)容的描述；KB表示知識(shí)的基本信息描述，如知識(shí)來源、存儲(chǔ)時(shí)間等。

3D打印云平臺(tái)產(chǎn)品開發(fā)任務(wù)可以形式化描述為一個(gè)五元組：PDT=(TI，TC，TD，TS，TB)。其中：PDT表示3D打印云平臺(tái)產(chǎn)品開發(fā)任務(wù)；TI表示任務(wù)ID，是任務(wù)的唯一標(biāo)識(shí)；TC表示此任務(wù)所需的知識(shí)領(lǐng)域集合，代表完成此項(xiàng)任務(wù)時(shí)用戶需要利用這些領(lǐng)域的知識(shí)。知識(shí)領(lǐng)域提取自第2章(1)中的知識(shí)結(jié)構(gòu)，其選取工作在任務(wù)發(fā)布時(shí)由專家根據(jù)任務(wù)特點(diǎn)分析完成，領(lǐng)域選取的原則是：當(dāng)任務(wù)的完成需要某一知識(shí)領(lǐng)域下級(jí)的全部知識(shí)領(lǐng)域時(shí)，則只選取這一知識(shí)領(lǐng)域而不再選取其下級(jí)知識(shí)領(lǐng)域。例如，任務(wù)的知識(shí)需求包含“外觀設(shè)計(jì)”下級(jí)的“形態(tài)”、“色彩”、“設(shè)計(jì)符號(hào)”等全部知識(shí)領(lǐng)域，則TC中只選取“外觀設(shè)計(jì)”這一知識(shí)領(lǐng)域，不再選擇其下級(jí)知識(shí)領(lǐng)域；TD表示任務(wù)內(nèi)容的描述，包括任務(wù)輸入、任務(wù)輸出、任務(wù)目標(biāo)等；TS表示任務(wù)主體的信息，即參與任務(wù)的用戶信息；TB表示任務(wù)基本信息，包括任務(wù)發(fā)起者、任務(wù)費(fèi)用等。

對知識(shí)和任務(wù)統(tǒng)一進(jìn)行基于本體的建模，可實(shí)現(xiàn)兩者之間關(guān)系的量化計(jì)算，同時(shí)也與用戶知識(shí)存量模型相關(guān)聯(lián)，為面向用戶的個(gè)性化知識(shí)服務(wù)奠定基礎(chǔ)。

4 知識(shí)推薦系數(shù)與個(gè)性化知識(shí)服務(wù)

個(gè)性化知識(shí)服務(wù)應(yīng)綜合考慮用戶的知識(shí)需求和任務(wù)的知識(shí)需求。為了向客戶提供符合任務(wù)知識(shí)需求的知識(shí)資源，采用基于本體的語義相似度算法分析任務(wù)需求與知識(shí)資源之間的相關(guān)程度。假設(shè)用戶UK承擔(dān)了平臺(tái)某個(gè)產(chǎn)品開發(fā)任務(wù)中的一個(gè)子任務(wù)T。任務(wù)所需知識(shí)領(lǐng)域?yàn)椋篢C={tc1，tc2，…，tcp，…，tcm}，tcp表示任務(wù)所需知識(shí)領(lǐng)域集合中第p個(gè)知識(shí)領(lǐng)域，m表示本任務(wù)所需知識(shí)領(lǐng)域數(shù)量。知識(shí)資源K的概念集合為：KC={kc1，kc2，…，kcq，…，kcn}，其中：kcq表示知識(shí)概念集合中的第q個(gè)本體概念，n為知識(shí)資源中本體概念數(shù)量。計(jì)算任務(wù)所需知識(shí)領(lǐng)域與知識(shí)概念的語義相似度。語義相似度可由本體中概念間的語義距離來反映，語義距離越小，相似度越大[26]。由于較為細(xì)分的概念會(huì)有較大的相似度，本體概念的語義距離不僅要考慮概念間的最小路徑距離，還應(yīng)考慮概念在相應(yīng)的本體類中的相對深度。參考文獻(xiàn)[27]，將語義距離計(jì)算公式表示為：

dis(tcp,kcq)=[l(tcp,kcq)-1]×

[Dc-depth(LCS(tcp,kcq))]。

(6)

式中：dis(tcp，kcq)為概念tcp與kcq的語義距離，l(tcp，kcq)為概念tcp與kcq的最短路徑距離，Dc為本體樹模型的最大深度，LCS(tcp，kcq)為概念tcp與kcq的最近公共父概念節(jié)點(diǎn)，depth(LCS(tcp，kcq))為LCS(tcp，kcq)到本體根節(jié)點(diǎn)的最短路徑距離。

為了使相似度值域在[0，1]之間，tcp與kcq兩概念的語義相似度sim(tcp，kcq)計(jì)算公式如下：

(7)

逐一計(jì)算TC與KC中概念的語義相似度，形成相似度矩陣O：

O=

(8)

KC與TC中的知識(shí)領(lǐng)域tcp的相似度取為矩陣中第p行的最大值，即

(9)

KC與TC的總相似度取為KC中各知識(shí)領(lǐng)域相似度的平均值

(10)

根據(jù)知識(shí)資源與任務(wù)的語義相似度和用戶的知識(shí)需求計(jì)算知識(shí)推薦系數(shù)。知識(shí)資源K概念集與任務(wù)T所需知識(shí)領(lǐng)域的語義相似度可表示為一個(gè)一維向量：SIM(TC，KC)={sim(tc1，KC)，sim(tc2，KC)，…，sim(tcm，KC)}。YU表示用戶對于TC中知識(shí)領(lǐng)域的知識(shí)需求度，YU={Ytc1，Ytc2，…，Ytcm}。該知識(shí)資源在此次任務(wù)中對于用戶的推薦系數(shù)可表示為：

(11)

式中：RK表示知識(shí)資源的推薦系數(shù)；wu和wsim分別表示用戶知識(shí)相對需求度和語義相似度對于知識(shí)推薦系數(shù)的相對重要性。

在用戶完成任務(wù)過程中，平臺(tái)或以任務(wù)知識(shí)需求為查詢條件提供主動(dòng)的知識(shí)服務(wù)，或以用戶輸入為查詢條件提供用戶檢索知識(shí)服務(wù)。平臺(tái)知識(shí)服務(wù)系統(tǒng)需對用戶輸入信息進(jìn)行基于本體的分詞、擴(kuò)展等處理來獲取關(guān)鍵詞，在知識(shí)庫中依據(jù)關(guān)鍵詞進(jìn)行語義檢索獲得候選知識(shí)資源集。計(jì)算每個(gè)知識(shí)資源與任務(wù)各領(lǐng)域知識(shí)需求的語義相似度與總相似度，篩選出高于總相似度閾值的知識(shí)資源作為候選知識(shí)資源集。計(jì)算每個(gè)候選知識(shí)資源的推薦系數(shù)，根據(jù)結(jié)果對其進(jìn)行排序，并輸出前N個(gè)知識(shí)資源。這樣，就完成了基于用戶知識(shí)存量和任務(wù)要求的個(gè)性化知識(shí)服務(wù)，其步驟如圖5所示。

5 應(yīng)用實(shí)例

以3D打印云平臺(tái)上的一款玩具汽車產(chǎn)品開發(fā)任務(wù)中的外觀設(shè)計(jì)子任務(wù)為例，驗(yàn)證本文提出方法的可行性與有效性。經(jīng)專家分析，本次任務(wù)所需的知識(shí)領(lǐng)域?yàn)橥庥^設(shè)計(jì)、建模軟件、整車車身與工程塑料。

5.1 案例

為更好地驗(yàn)證本文所提方法的效果，選取兩名具有相關(guān)產(chǎn)品開發(fā)經(jīng)驗(yàn)的職業(yè)設(shè)計(jì)師作為知識(shí)服務(wù)對象。收集設(shè)計(jì)師近5次相關(guān)任務(wù)的表現(xiàn)數(shù)據(jù)。限于設(shè)計(jì)師行為的數(shù)據(jù)量，為了保證實(shí)驗(yàn)效果，針對此次任務(wù)構(gòu)建局部的用戶知識(shí)體系。該知識(shí)體系中只包括兩名設(shè)計(jì)師在近5次相似任務(wù)中得以體現(xiàn)知識(shí)存量的知識(shí)單元及其上級(jí)知識(shí)領(lǐng)域。由5名專家觀察分析設(shè)計(jì)師5次任務(wù)的完成情況與知識(shí)瀏覽行為，對其知識(shí)存量進(jìn)行測度，專家評分與瀏覽次數(shù)的權(quán)重分別為：ws=0.95，wt=0.05，依據(jù)式(2)～式(4)計(jì)算設(shè)計(jì)師的知識(shí)存量。兩名設(shè)計(jì)師的知識(shí)存量模型如圖6所示，方框內(nèi)的數(shù)值為對應(yīng)知識(shí)單元的知識(shí)存量評估值，括號(hào)內(nèi)為權(quán)重值。根據(jù)式(5)計(jì)算任務(wù)所需的4個(gè)知識(shí)領(lǐng)域的用戶知識(shí)需求度，得YA={0.216 0，0.039 7，0.350 3，0.383 4}，YB={0.220 9，0.328 8，0.150 2，0.146 2}。在實(shí)際的平臺(tái)應(yīng)用中，應(yīng)根據(jù)完整的用戶知識(shí)存量模型來計(jì)算特定知識(shí)單元的需求度。

收集4款交通玩具(汽車、火車、飛機(jī)、汽車發(fā)動(dòng)機(jī))產(chǎn)品開發(fā)案例中的20項(xiàng)知識(shí)資源，作為知識(shí)資源庫，采用本體對任務(wù)與知識(shí)進(jìn)行描述，任務(wù)知識(shí)需求由專家確定。知識(shí)資源的概念選取采用文獻(xiàn)[28]提出的知識(shí)表示方法，通過知識(shí)文檔關(guān)鍵詞與本體概念的綜合加權(quán)語義相似度計(jì)算完成概念篩選。

獲取任務(wù)所需知識(shí)領(lǐng)域和知識(shí)資源概念后，根據(jù)式(6)～式(10)計(jì)算各知識(shí)資源的概念與任務(wù)所需知識(shí)領(lǐng)域的語義相似度，形成語義相似度矩陣，如表1所示。設(shè)總相似度閾值為0.400 0，則有17項(xiàng)知識(shí)資源大于閾值，K1、K10與K19被排除。令wu=wsim=1，根據(jù)式(10)計(jì)算知識(shí)資源推薦系數(shù)并排序，排序結(jié)果如表2所示。可以看出，面向兩名用戶的知識(shí)排序結(jié)果不同，這證明了本文所提方法可實(shí)現(xiàn)向不同用戶提供差異化的知識(shí)服務(wù)。

表1 任務(wù)與知識(shí)資源語義相似度矩陣

續(xù)表1

表2 基于知識(shí)推薦系數(shù)的知識(shí)資源排序

5.2 方法對比

為驗(yàn)證本方法的有效性，令兩名設(shè)計(jì)師參考大于相似度閾值的17項(xiàng)知識(shí)資源完成設(shè)計(jì)任務(wù)。任務(wù)完成后，根據(jù)知識(shí)資源對于自身工作的參考價(jià)值大小對其排序。同時(shí)，采用文獻(xiàn)[29]等采用的傳統(tǒng)語義相似度方法對知識(shí)資源排序，3種排序結(jié)果如表3所示。

表3 用戶自主排序與語義相似度方法排序

以用戶自主排序?yàn)闃?biāo)準(zhǔn)排序，對于用戶A與用戶B，采用本文方法得到的知識(shí)資源排序逆序數(shù)分別為11與8，采用傳統(tǒng)相似度法得到的排序逆序數(shù)分別為34與22。顯然，本文得到的知識(shí)資源推薦順序更符合用戶的知識(shí)需求。

與傳統(tǒng)的為用戶提供統(tǒng)一知識(shí)服務(wù)的方法相比，本文提出的知識(shí)服務(wù)方法為用戶提供了更符合其需求的知識(shí)資源，可提高用戶工作效率，提升平臺(tái)任務(wù)完成質(zhì)量。本文方法利用了3D打印云平臺(tái)記錄用戶行為數(shù)據(jù)的便利性，根據(jù)用戶歷史任務(wù)的完成情況和知識(shí)瀏覽行為構(gòu)建了知識(shí)存量模型，無需用戶付出額外的工作。用戶參與的任務(wù)越多、任務(wù)的知識(shí)覆蓋面越廣，用戶模型就越成熟準(zhǔn)確。在實(shí)際應(yīng)用中，應(yīng)注重用戶對知識(shí)服務(wù)質(zhì)量的評價(jià)，對相關(guān)權(quán)重進(jìn)行調(diào)整，為用戶提供更精準(zhǔn)的知識(shí)服務(wù)。

6 結(jié)束語

3D打印云服務(wù)平臺(tái)用戶構(gòu)成復(fù)雜，在知識(shí)構(gòu)成、知識(shí)水平等方面差異巨大，統(tǒng)一的知識(shí)服務(wù)效果不佳。向每個(gè)用戶提供符合其需求的個(gè)性化知識(shí)服務(wù)，對提高用戶工作效率、增強(qiáng)平臺(tái)粘度意義重大。因此，本文提出一種基于用戶知識(shí)存量模型的用戶個(gè)性化知識(shí)服務(wù)方法。借助云服務(wù)平臺(tái)大數(shù)據(jù)的優(yōu)勢，通過用戶任務(wù)表現(xiàn)數(shù)據(jù)測度用戶的知識(shí)存量，并基于本體描述知識(shí)資源與任務(wù)，綜合考慮了用戶知識(shí)需求和任務(wù)知識(shí)需求，建立了個(gè)性化的知識(shí)服務(wù)流程。通過應(yīng)用案例驗(yàn)證了方法的可行性與有效性。未來將在用戶知識(shí)存量測度技術(shù)優(yōu)化、新用戶知識(shí)服務(wù)方法等方面作進(jìn)一步研究。