生物醫(yī)學(xué)領(lǐng)域的專家尋找研究.pdf

1、雖然現(xiàn)在網(wǎng)上有海量的信息，例如Google能檢索出成千上萬的網(wǎng)頁，但是仍然有很多信息沒有辦法被搜索到。很多知識不能存儲于文檔或者數(shù)據(jù)庫中，而僅存在于人的腦子中，這些知識被稱為隱性的知識(Tacit Knowledge)。正是由于有很多知識并不能用書面形式表達(dá)，所以我們需要一種方法，能找到掌握這些知識的專家。通過與專家面對面的交流或者發(fā)送電子郵件詢問的方式，得到更多原本不可能得到的知識。
　　專家主要分成兩類，一類是企業(yè)內(nèi)部的，還有

2、一類是學(xué)術(shù)界。本文關(guān)注的重點是學(xué)術(shù)界的專家尋找。雖然都是尋找專家，但是在學(xué)術(shù)界和在企業(yè)里，尋找的方式還是有些不同的。在企業(yè)，尋找專家主要通過每個人在企業(yè)內(nèi)公開的資料，個人簡介，通信的郵件等，并且尋找的范圍也相對小且固定，都是集中在一個企業(yè)內(nèi)部。而在學(xué)術(shù)界，主要通過每個學(xué)者的主頁（Homepage），發(fā)表過的論文，參加過的會議等信息來尋找專家，并且尋找的范圍更廣，幾乎涉及全世界所有的大學(xué)和研究所。
　　本文提出了一個專家尋找的通用模

3、型框架，可以將很多模型融合到框架中并結(jié)合不同的方法，提高專家尋找的精確度和魯棒性。該框架通過文檔作為中間參數(shù)對查詢主題與候選專家之間的關(guān)聯(lián)度進(jìn)行打分。我們將專家尋找的過程分為三部分，分別是文檔重要性打分，文檔與查詢主題關(guān)聯(lián)性打分和文檔與候選專家間關(guān)聯(lián)性的打分。每一部分都可以使用不同的方法對其進(jìn)行打分，并且還能有效的結(jié)合多種打分方法。接著我們在實驗中使用了多種方法為專家尋找模型框架的各部分進(jìn)行打分，并且使用了不同類型的數(shù)據(jù)集，例如計算機數(shù)