多源专家特征信息融合研究.pdfVIP

总第245 期 2014 年 第4 期 多源专家特征信息融合研究* 李 纲 叶光辉 (武汉大学信息资源研究中心 武汉 430072) 摘要: 【目的 】为全面获取专家资源, 探究多源专家特征信息融合方法。【方法 】从传感器工作过程出发, 依次 论述基于知识传感器、Web 传感器和社会网络传感器的专家特征识别方法。鉴于三种方法获取的专家特征向量 存在冲突, 围绕资源均衡度设计基于多源信息融合的专家特征识别方法。【结果 】与C-DBLP 统计专家特征进行 匹配, 相似度达到38.97%, 与同类型方法比较, 结果在正常范围内。【局限 】识别对象多来自高校及科研院所, 用 于特征识别的资源也多为学术资源, 同时 Web 传感器采集网址集合还有待扩展。【结论 】在语词关系控制情形 下, 该方法可用于科研团队构建、专家推荐、专家检索等方面。 关键词: 特征识别 传感器 社会网络 资源均衡度 分类号: G353 1 引 言 家所属机构网址、百度百科、Wikipedia 等, 可获取专 家简介, 进而借助文本分析等方法获取专家特征; 第 知识经济时代, 专家在社会实践中发挥着重要的 三种是社会网络智能, 通过科研群体的社会网络平台, 作用。专业知识体系构成了领域内的知识共同体—— 如微博(如Twitter)、学术论坛(如小木虫)、技术社区(如 专家团队, 但共同体中的节点总体上并不一定具有明 CSDN) 、学术博客等, 可获取用户标签, 标签反映了 晰的架构。这一方面说明研究正趋于集群化, 另一方 专家在公众中的印象, 也反映了专家的关注点和兴 面也表明专家知识具有模糊性和不精确性, 其特征识 趣点[1] 。基于这三种智能提取的专家特征将在专家名 [1] 别研究有待进一步深入 。 录设计、专家推荐、专家检索、科研团队建设等方面 专家特征识别就是要从相关资源中提取出足以表 [3, 4] 发挥作用 。 征专家特征的主题词, 这些主题词不一定规范, 但一 不仅如此, 网络环境下, 专家内涵也在发生着变 定要准确全面地揭示专家特征。最早专家通过实物型 化。“专家”已不再仅仅局限于传统意义上的学术专家、 文献和人际网络来传播自己观点, 如今, 新兴计算机 技术专家, 网络使得每一个人都可能成为领域内的专 及网络技术正改变着他们与周围沟通的方式。从目前 家。如QA 系统(百度知道、Yahoo! Answers 等) 中的多 对互联网创新最具启发意义的几种技术出发, 笔者认 数用户在现实生活中可能只是普通人, 但在 QA 网络 为专家特征识别可基于三种智能来设计①: 第一种是 中却可能是中心性极高的答疑专家。网络环境下专家 知识智能, 学术数据库存储了大量的知识资源, 它们 的内涵更广, 其特征识别所关联到的信息资源也更多 反映了专家的研究领域; 第二种是 Web 智能, 通过专 更复杂, 本文将集中围绕此来展开相关研究工作。 收稿日期: 2013-12-17 收修改稿日期: 2014-01-05 *本文系国家社会科学基金重大项目“智慧城市应急决策情报体系建设研究”(项目编号: 13ZD173)的研究成果之一。 ①引自微软亚洲研究院首席研究员周明博士 2012 年在华中师范大学所做的报告: 《Use Knowledge Intelligence, Web Intellig