基于知识地图的知识检索与推荐方法研究

摘要

知识地图是为了创造价值，将领域上下文中的人、资源和关系重新组合形成的一种网络结构。在组织的知识管理过程中，可借助知识地图，促进知识的检索、积累和重用。由于在海量的企业知识库中准确地获取所需知识具有挑战性，因此建立更有效的知识检索工具是当前企业知识管理系统的重要研究内容之一。目前已有的检索系统主要采用基于关键字的全文检索以及分类检索技术。前者无法满足用户对于查准率和查全率的要求，而后者需要用户对知识结构具有较高的认知，这影响了知识检索和重用的效果。同时，现有有关互联网社区上应用的推荐技术，往往缺乏可信的知识结构和用户关联关系，影响了推荐的准确率。基于上述考虑，本文结合知识地图提出了更有效的知识检索和推荐方法。 本文在课题组已开发设计实现的基于本体的可重构知识管理系统框架下，研究了基于知识地图的知识检索与重用方法。首先，研究了基于本体的知识地图建模问题，将本体中的类、实例等抽象为知识地图中的节点，节点之间通过属性或者其他关系形成关联。其次，基于知识地图中节点之间的关系，研究了改进知识检索效果的方法，主要包括：1）利用了知识地图节点之间关系并结合了关系权重的计算结果，实现了查询扩展；2）利用了知识地图节点之间关系，扩大了相关检索结果的范围；3）基于本体定义，给出了检索类与类，类与实例和实例与实例三种关联检索算法。然后，结合知识地图中知识源组成的社会网络和知识组成的知识网络，改进了现有的Pearson知识推荐算法，提高了该算法在知识推荐时的准确度。最后，本文对上述方法的部分进行了设计与实验，验证了其有效性。