隱性語義標引法在知識推送系統中匹配應用

1、隱性語義標引法在知識推送系統中匹配應摘要在隱性語義標引法的理論基礎上，從企業(yè)知識共享 角度出發(fā)，基于角色知識需求驅動，研究知識主動推送過程 中的知識匹配；分析隱性語義標引法特征詞-文檔矩陣的構 建以及相似度的計算；并以產品成本控制相關知識文本作為測試文檔，測試結果表明基于隱性語義標引法能夠有效地對相關的知識進行匹配，實現角色知識的推送，達到知識共享的目的。關鍵詞知識管理知識推送隱性語義標引法知識匹配中圖分類號：g252. 7文獻標識碼：a一、引言知識管理的一個最基本的問題就是促進組織成員之間 的知識共享。然而，對一個普通的用戶來說，從知識庫中 搜索知識是一件很耗時和耗精力的事情。因此，企業(yè)的知

2、識 管理平臺有必要為員工提供一種更加便捷的模式，而知識推 送系統就是這樣一個"知識找人”，而非“人找知識”的系 統。在產品的全生命周期過程中，設計過程、制造過程、銷 售過程中，不同角色所需的知識不同。員工根據自己的崗 位的角色需求，從企業(yè)知識資源庫中搜索自己需要的知識， 然后由知識主動推送系統將知識返回給員工-。要將員工 的需求信息主動的推送給需要知識的角色，關鍵是實現員工 的知識需求與知識資源庫中對應的角色知識的準確匹配。為 了使知識能夠在適當的時候主動地傳遞給適當的員工，本文 基于隱性語義標引技術建立了知識推送的主動匹配模型，探 討知識匹配模型算法的實現，實現企業(yè)知識有效流動和全

3、面 共享的目的。二、隱性語義標引法的基本思想隱性語義標引法(latent semantic indexing, lsi) 是由dumais s t.等五位學者共同提出的一種自然語言處理 方法。lsi采用向量空間模型的表示方法，首先，將全部的 知識文檔集中生成一個特征詞-文檔矩陣，矩陣中的每一個 分量與某個特定的特征詞在某個特定文檔中出現的次數及 位置相關。然后將該矩陣進行奇異值分解(singular value decomposition, svd),較小的奇異值被剔除。再將文檔 向量和查詢向量映射到經奇異值分解后的子空間中，在該空 間中，原來的特征詞-文檔矩陣的語義關系被保留，同時特 征詞用

4、法的變異被抑制。最后可以通過標準化的內積來計算 查詢向量與文檔向量之間的夾角余弦相似度，根據相似度的 大小，將按照相關性排序后的文檔知識返回給用戶。svd分 解的過程如圖1所示。三、基于隱性語義標引法的知識匹配在知識的主動推送中，系統的主要功能之一就是根據角 色需求驅動的知識匹配模型，實現角色與職責的匹配2。 知識主動推送體系框架包括用戶層、需求匹配啟動層和知識 資源層。用戶根據自己的崗位需求，提出知識查詢請求，知 識推送系統根據用戶的角色行為分析和任務情境分析，對知 識資源庫的知識進行匹配、過濾，將結果信息根據自己的崗 位需求，提出知識查詢請求，知識推送系統根據用戶的角色 行為分析和任務情境分析，對知識資源庫的知識進行匹配、 過濾，將結果信息推送給用戶。這樣相應的任務處理人員就 可以利用推送的相關經驗、技能、原理等有關知識進行快速 地決策和推理，從而更加快速、有效地完成自身承擔的任務。現從知識資源層中提取關于'成本構成要素”的5個文 檔及文檔的關鍵詞，記作docl-doc5,員工根據自己的角色 需求在知識推送平臺中輸入相應的請求，文檔內容及關鍵詞 見表1.（一）特征值文檔矩陣的構建。lsi模型中，知識文檔集合中共有m個不同的特征詞tl, t2, . , tm和n