數據驅動的專家知識資源建模方法與原型系統開發研究

張 琪 戰洪飛 余軍合 魏保偉

(寧波大學機械工程與力學學院 浙江 寧波 315211)

0 引 言

知識資源是決定企業競爭優勢的重要資源，但由于企業知識管理實踐的缺乏及知識管理應用理論的不足，使企業在業務執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務上。同時，知識資源配置上的不足也造成企業業務執行績效低下，阻礙企業創新能力的提升。因而，如何有效經營企業的知識資源，在盤活企業內部知識資源的基礎上如何高效利用企業外部的專家資源，這都是對企業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與方法上的研究成果不能滿足企業的需求，企業難以獲取這些專家資源信息，優化知識配置更無從談起。針對這一問題，本文提出基于大數據技術及廣域的開源數據，構建比較合理的專家資源模型，為企業開展面向業務執行的知識資源配置提供基礎理論參考。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，國內外學者已開展了較豐富的研究。

文獻[1]認為知識資源的獲取在專家知識系統的構建是需要通過解決的實際問題，并基于“洞察力”的假設理念為知識獲取和表示工具提供適合的哲學環境。文獻[2]認為知識獲取在未來應該從狹隘的技術、結構和模型概念轉移到對業務問題求解的專家系統的需求上。文獻[3]引入知識獲取技術提高組織知識的位置、所有權及影響的理解，而不是機構執行的數據流和任務，并為組織問題解決知識獲取提供了指導原則。文獻[4]基于問題領域特征來規定某些知識獲取技術，以生產和運營管理(P/OM)領域作為研究的試點領域，將P/OM任務映射到問題域的一般分類方式。根據分類的結果構建描述具有顯著知識的獲取技術。文獻[5]在訪談的層面上，結合工業界的高級管理人員擔任實驗課題，比較非結構化知識和結構化知識獲取的方法，發現采用結構化訪談方法獲取知識可以提高績效。文獻[6]認為在業務領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以便為管理決策提供適當的信息。郭健美等[7]在基于業務問題求解的實際需求方面，提出了一種對于知識供應過程的業務問題求解模型。王德川等[8]針對企業業務問題求解時方案制定不合理的現象，將企業中的知識庫用領域建模的方式進行重新整理建模 ，設計了一種面向特定領域建模方法。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合的方法獲取知識資源。羅琳等[10]從數據的內涵出發，提出了知識流動的特點，采用“數據-人-知識”模型，構建了其理論框架，應用在產學研協同創新知管網研究。劉驪等[11]以服裝數據作為驅動力，構建三維服裝模型，提高服裝建模的效率。徐建國等[12]采用數據驅動的方式，采用技術評論數據，應用在技術網絡模型構建。楊青等[13]以工程管理的角度，采用數據驅動的方式，將工程管理按照時間維度、領域維度和方法維度三個維度，挖掘數據信息，及各個生命階段的數據類型。程進等[14]以個性化制造企業流程工藝參數據作為驅動力，研究其參數匹配方法， 有效地為制造工藝知識提供服務。

綜合國內外的相關研究可以看出，以數據作為驅動，結合映射規則獲得更加全面的知識資源應用在業務問題的求解方面的研究和應用較少，尤其是在知識資源獲取方法方面仍需要進一步研究[15-21]。

以開放數據資源進行知識模型構建仍舊存在較多的有價值性的工作。本文從企業業務問題求解進行分析，以數據作為驅動力，利用已有的網絡數據資源，基于映射規則的方法進行推理，填充企業業務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，并研究數據驅動的專家知識資源模型方法，進行專家知識資源原型系統開發。

1 模型構建

1.1 模型維度的確定

面向業務問題求解的專家知識資源建模是從業務問題求解需求的角度出發構建的,在業務的執行過程中，會遇到比較復雜的業務難題或困難，本文將這類困難與難題的解決稱為業務問題求解。而對于業務問題求解的發生源于業務問題的出現，業務問題的出現是企業業務人員在執行不同業務活動發生，因此，根據找到業務問題求解的源頭，對其進行解析，使出現業務問題時能夠及時得到求解的方案，從而繼續推進整個業務活動。從中可以發現，業務問題求解的需求知識與專家知識資源的構建之間有密不可分的關系，如圖1所示。

圖1 業務需求與專家知識資源的關系模型圖

在實際求解業務問題中的過程中，業務問題是具有多層次的結構，所以，業務求解需求就是按照層次粒度集成的集合體。根據此特性，業務求解需求是為業務問題提供服務，所以，業務需求也具有多層次的結構。圍繞業務需求的涉及的知識資源角度，結合其多層次結構的特點，以企業中一系列的業務案例為例，分別從企業業務項目層次需求維度、知識領域需求維度、產品生命周期需求維度將企業業務需求的知識資源進行分類，為專家知識資源建模做準備。

結合劉則晴等[22]構建的業務問題模型，在此基礎上，構建了業務需求的模型:

PK={Xk，Yk，Zk}k=1,2,…,n

式中：k為企業業務求解需求編號，n為當前企業內的業務求解需求總數。

Xk={xki,i=1,2,3}，xki表示第k個業務求解需求處于i層次的需求層次維度。

Yk={ykj,j=1,2,…,m}，ykj表示第k個業務求解需求的知識領域維度總數。

Zk={zkt,t=1,2,…,n}，zkt表示第k個業務求解需求的產品生命周期維度個數。

由于業務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域卻存在著相似性。因此，該專家雖然處于不同項目、任務、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構，而該結構的構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層次，以及解決何種業務問題是根據專家的業務經驗及經歷。因而，確立了該專家的業務經驗及經歷維度和教育經歷維度。

在業務問題求解的配置過程中，會出現專家之間的相互配合情況，若要業務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，旨在業務問題求解的知識應用情景中為業務配置能夠順利進展推進，并為專家在解決問題時創造舒適環境，從而使業務問題能夠高效合理地解決。

根據產品生命周期需求維度分析，主要是考慮該產品需求分析、設計、生產、銷售、售后、到回收階段，需要專家面對該流程中業務運營產生的問題，求解業務問題的能力，從中可以得到該專家知識資源模型中的業務能力維度。

通過對業務需求進行解析，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、業務經驗及經歷、業務能力、教育經歷、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務問題需求契合度的依據，并為專家知識資源模型提供基礎。

數據驅動中數據即為專家知識資源模型的維度信息，驅動專家知識模型的構建。

1.2 模型構建

結合上述的專家知識資源維度的分析，本文提出依托網絡數據資源，基于規則抽取、數據檢索及數據挖掘技術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務問題求解時對專家需求，利于實現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，這也是業務求解過程中的關鍵。

圖2 數據驅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系，及如何獲取專家知識模型資源中相對應的數據獲取方式。以教育經歷為例，其細分的維度為該專家的受教育時間(when)、受教育的學校即地點(where)、受教育的學習的專業信息(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絡搜索獲得，例如張三的畢業學校無法獲取，但從網絡數據中發現張三與李四是大學同學，而李四的畢業學校可獲取。因而，就可以推斷出張三的畢業學校。基于這樣的構思，本文提出基于數據挖掘或基于規則推理得方式從網絡數據中抽出不能直接獲取的相關信息。

(1) 專家的基本屬性 基本屬性是作為業務求解過程中便于業務人員聯系專家，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構，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。該數據是由搜索方式得到的數據，若不能直接獲得數據則由推理規則獲取，如表1所示。

表1 專家的基本屬性

(2) 專家的教育經歷 專家所掌握的基本知識與能力信息，是關于個體比較全局的知識與能力描述。該知識結構為“2W1M”，相互之間是關聯關系。具體包括專家學習旅程中不同階段，分別為大學、研究生、博士生等，以及在什么時間進入什么樣的院校學習什么專業。如表2所示。

表2 專家的教育經歷

(3) 專家的業務能力 與業務求解密切相關的信息需求，了解專家能力特點是否可以為業務崗位需求相匹配。其知識結構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。該維度是由業務領域水平、語言溝通能力、組織協調能力、團隊協作能力、全局意思能力組成。同時，根據基于規則的推理進行該維度的等級分類。

該維度主要是以研究領域作為研究專家業務能力的關鍵信息。如圖3所示，把研究領域細化到10個相應的維度，分別是主要研究方向、學術論文影響因素、論文被引次數、榮譽和獎勵、科研榮譽稱號、應用案例、專利項目、科研項目、社會及學術兼職、主要著作和論文。根據上述10個細分維度，將專家業務能力更加具體展示給企業業務需求人員，作為企業業務應用專家知識資源提供參考。

圖3 專家的業務能力圖

(4) 專家的業務經歷及經驗 專家的業務經歷和經驗的描述，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前的能力特長，是進行專家資源配置的重要理論依據。圖4為該專家的業務經歷及經驗知識模型圖。

圖4 專家的業務經歷及經驗模型圖

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，并且創造形成新的知識。從專家自身的閱歷和經驗，形成知識體系，專家知識是具有包含的關系等，從知識的寬度領域逐漸向深度邁進，形成專家自身的知識體系結構，為業務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域中具體的知識結構的最直接闡述。結合面向業務求解的知識資源配置的需要，對其知識結構進行細致的分類。如圖5所示，其相互之間的關系是包含的關系，對于知識體系進行逐級分層，從而在業務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，來構建其完整的知識體系。因此，以科目信息建立規則，尋找相似知識單元結構的專家，構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務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調決策中發揮輔助作用。如圖6所示，該維度信息主要是按照樹狀結構進行分類，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，數據獲取的方式有一種或者兩種方式結合甚至更多，本文結合專家知識資源模型構建的數據需要，總結出3種數據獲取的方式，分別為基于規則的推理、基于數據檢索、基于數據挖掘的獲取方式。

2.1 基于規則的推理獲取方法

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

圖7 基于規則的獲取流程圖

廣義多源數據是指互聯網中開放的數據源；獲取規則，主要是基于推理規則的方式獲取專家模型，根據業務需求的知識資源，利用推理規則填充專家知識模型某些維度信息的數據。例如：A專家1994年本科畢業清華大學的機械制造及其自動化專業，那么從這條專家的個人信息中，可以定義規則“該專家應該基本具有機械制造及自動化領域的基本專家知識與技能，并基本具有1994年清華大學所開設專業知識中的知識單元結構”。基于這條規則，所需獲取的進一步信息就是獲取1994年清華大學機械制造及其自動化專業的本科課程體系，或獲取與A專家相近就學情形的其他專家的個人信息，以此推導出A專家可能的知識單元維度信息構成及教育經驗維度的求學信息。

通過不斷積累的大量規則的建立，利用軟件技術即可實現專家資源模型信息的自動獲取。使專家模型的數據信息更加完整。

專家知識的推理規則可表示為：

規則1：If “時間=×××”and“地點=某高校名稱”and“專業=教育部開設某專業名稱”，then“該專家的科目信息=具體根據教育部制定與修訂《普通高等教育學校本科專業目錄》中的信息確定該專家科目信息的知識結構”。

規則2：If “A專家與B為同時同學校同專業”，then“該專家A與專家B具有相同的科目信息和知識結構”。

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

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

If “申請項目團隊人數>5”and“撰寫論文的團隊人數>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>5”and“專家參與的科研活動”and“該專家的存在社會及學術兼職”,then“團隊能力較強”。

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

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

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

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

If “申請項目團隊人數>5”,then“團隊能力較弱”。

If “撰寫論文的團隊人數>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術兼職”,then“團隊能力較弱”。

滿足以上三條及其以上的內容，該專家的業務能力較強。滿足兩條，該專家的團隊能力一般。滿足上面一條內容則該專家的團隊能力較弱。

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

規則4：If “描述該專家的信息出現干凈，整潔”，and“出現程度副詞，較，極其”，then“該專家有潔癖習慣”。

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 “描述該專家做事嚴謹”and“被評為某種具有嚴謹工作性質的獎項，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“該專家做事嚴謹，平易近人”。

專家愛好及特征維度信息的描述，主要是根據描述信息出現的關鍵詞及修飾該關鍵詞的程度副詞進行數據推理和填充。

2.2 基于數據檢索的獲取技術

根據網上已存在的數據，通過對其數據進行關鍵詞檢索得到的數據信息可直接填充進專家知識模型細分的維度信息內容，如圖2所示。以專家知識資源中的教育經歷為例，進行維度信息的獲取。提出基于數據挖掘中廣泛使用的網絡爬蟲技術，從互聯網環境中廣泛獲取與專家相關的各類信息，作為數據挖掘的數據源。

某些數據經過檢索得到，但是，并不能直接填充到專家知識模型中相對應的字段維度信息，需要對檢索到的數據進行相關的處理，本文采用數據統計的方式，具體應用于專家的文獻被引次數及專家成果影響因素和專家論文被引次數。

2.2.1 論文被引總次數及成果影響因素

論文被引總次數的確定，方便對專家進行配置時提供相應的理論參考。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。若為第一作者，則其貢獻量最大，則按引用次數與因子1相乘，若作者是第二位及其之后出現，將引用次數按照總人數平分，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；b1,b2,…,bn指專家作為第二位及以后作者的引用次數,且參與學術論文創作的作者人數是2個人；c1,c2,…,cn指專家作為第二位及以后作者的引用次數，且參與學術論文創作的作者人數是3個人；d1,d2,…,dn指專家作為第二位及以后作者的引用次數，且參與學術論文創作的作者人數是4個人；e1,e2,…,en指專家作為第二位及以后作者的引用次數,且參與學術論文創作的作者人數是5個人，由于一般學術論文規定的最多人數為5個人，所以，本文將專家論文被引用次數按最多人數為5個人進行其引用次數總和計算。

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文章被引次數，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的數據參考，決定哪位專家在同一領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使用的是無參統計的方式評價偏態分布的期刊被引頻次，并且利用標準差來檢驗評價結果，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I3，計算公式如下：

Ia=∑ixi·f(xi)

(2)

式中：xi表示第i等級的權值，f(xi)表示該權值為xi的論文出現的數量。基于中科院對于期刊的劃分[23]并結合PR6[24]，對該權值與等級的劃分范圍進行調整，并根據專家學術論文的等級進行了重新界定。

2.3 基于數據挖掘的獲取技術

如圖1所示，專家知識資源模型框架充分考慮了企業業務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，本文采用互聯網中的開源數據挖掘技術來實現。基本流程如圖8所示。

圖8 基于數據挖掘的流程圖

該流程主要以對專家摘要、論文摘要、專家數據進行清洗、提取專家專利數據、論文摘要數據中的描述專家研究領域及方向的術語、利用互信息的分詞方式提取關鍵詞。

對專家摘要、論文摘要、專家數據進行數據清洗，利用了數據清洗的理念，去除數據的雜質。

提取專家專利數據、論文摘要數據中的描述專家研究領域及方向的術語，采用對數據進行分詞處理。

利用互信息的分詞方式提取關鍵詞：本文采用一種無監督學習的專業領域分詞歧義方法[25]，采用互信息的方式，因為其分詞效果較好，且具有穩定性。該方法采用定量估計兩個漢字間的結合力方式，從而確定兩個字之間的聯系強度，以此作為依據判斷兩個字是否需要進行分詞。但由于某些領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，先計算專業研究領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，確立得到的分詞信息能夠描述專家的研究領域的知識資源信息，更好地解釋專家的研究領域內容。同時進行關鍵詞提取及詞頻統計，為基于推理規則的方式獲取模型數據做準備。

通過編寫網絡爬蟲程序爬取專家知識資源信息，構建專家知識模型。根據上述三種方式，節省數據清洗和數據處理步驟，利用爬蟲直接獲取該專家模型需求的信息源。

3 原型系統開發

為了能夠方便開發者進行開發，本節設計并開發該數據驅動的基于規則映射形成的專家知識資源原型系統，為專家知識資源配置服務做準備。采用PHP+MySQL的模式進行Web開發，基于B/S框架。數據庫采用標準的SQL語言，由于MySQL是具有開放源代碼的特點，因此，可以根據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，也有少數承自Java和Perl，并由服務器進行解釋的腳本語言。本系統使用的軟件開發環境為：Windows10,MySQL Sever11.0.10.(數據庫),PHPSTUDY20180211(調試環境)，PhpStorm(編程軟件)。圖9為該系統的框架圖。

圖9 系統架構圖設計

根據圖2和圖9的理論框架設計構圖的模型，構建專家知識模型系統如圖10所示。

圖10 數據驅動的專家知識資源模型系統

4 應用實例

本模型以實驗室為研究對象，進行了該系統的測試和試驗，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的數據信息，顯示了專家信息中部分維度中的數據信息，分別是業務經驗及經歷維度，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志，可以看到該數據的獲取方法，如圖11所示。

圖11 數據驅動的專家知識資源部分模型系統

5 結 語

數據驅動的基于規則的專家知識資源建模及獲取技術，能通過數據本身相關的規則進行推理，實現智能化獲取數據的方式，減少人工編輯工作量。并且，數據的多源性使得獲取知識多樣性，滿足知識的個性化要求，并快速地為企業提供合理的配置專家作準備工作，在業務問題求解方面提高效率，將數據可視化，為業務人員在求解過程中提供參考。