خلاصة:
هدف: بازیابی تخصص حوزهای است که از دهه 1990 میلادی مورد توجه سازمانهای بزرگ و متوسط و محیطهای دانشمدار قرار گرفته است، به طوری که یک اجتماع پژوهشی قوی از پژوهشگران مختلف، بخصوص پژوهشگران علوم رایانه و اطلاعات، حول آن شکل گرفته است. اما به نظر میرسد این حوزه در ایران چندان مورد توجه قرار نگرفته است. از این رو مقاله حاضر قصد دارد با پرداختن به مبانی و مدلهای بازیابی تخصص، در جهت آشنایی بیشتر جامعه علمی و مدیران سازمانها با مفاهیم این حوزه گام بردارد. روششناسی: مقاله حاضر یک مقاله نظری است که با استفاده از روش کتابخانهای انجام شده است. نتیجه: در کنار سایر کاربردها، یکی از کاربردهای مهم نظامهای بازیابی تخصص، پشتیبانی از مدیریت دانش در سازمانهاست. در این نظامها، پژوهشگران با دوری جستن از جنبههای چالشی مفهوم تخصص، مسئله بازیابی تخصص را به انباشت اسناد متنی و کشف روابط افراد با آن اسناد تقلیل میدهند. مدلهای متعددی برای کشف روابط بین اسناد و افراد ارائه شدهاند که مدلهای ارائه شده توسط «بالوگ» سهم بسزایی در پیشبرد حوزه بازیابی تخصص داشتهاند. مدل سند-محور وی یکی از موفقترین مدلهاست که مبنای بسیاری از مدلهای بعدی قرار گرفته است. اصالت: این مقاله برای نخستین بار در ایران به طور نسبتاً جامع به مبحث بازیابی تخصص، مدلها و مفاهیم بنیانی آن پرداخته است. بنابراین، میتواند مورد توجه متخصصان علم اطلاعات و پژوهشگران حوزه بازیابی اطلاعات، مدیران سازمانهای بزرگ و متوسط، و سایر محیطهای دانشمدار قرار گیرد.
Objective: Expertise Retrieval is defined as finding experts in different subject areas as well as identifying people expertise area(s). For almost two decades, ER within knowledge-based environments has attracted attention of large and medium organizations. It has given rise to a strong community of researchers, especially in Computer and Information Science. It seems, however, that ER has remained neglected among Iranian researchers. So, addressing the foundations, methods and models of ER, current paper intends to take step in making scientific community and organization mangers familiar with main concepts of this area. Methodology: This paper is an opinion paper based on library method. Findings: Supporting Knowledge Management is an important application of ER systems. In these systems, by avoiding the challenging characteristics of expertise concept, researchers simplify the problem of ER and limit its scope to textual documents accumulation and discovering of documents-persons associations. Several models have been presented for discovering of above-mentioned associations, among which Balog’s models had important role in promotion of ER field. document-centric model offered by Balog and his colleagues, is one of the most successful models that is the basis for subsequent models. Originality/Value: this paper addresses the issue of Expertise Retrieval and its Foundations, methods and Models. So, it could be of interest to information professionals, Information Retrieval area researchers, large and medium organization’s managers, and other knowledge-based environments.
ملخص الجهاز:
et al &Alarfaj )، يافتن نويسندگان خبره در حوزه هـاي موضـوعي خاص (٢٠٠٩ Efron ;٢٠٠٨ Bosch &Bogers, kox, )، يافتن وبلاگ نويس هاي خبره در حـوزه هـاي موضـوعي خـاص (٢٠٠٨ Balog, de Rijke, and Weerkamp ;٢٠٠٨ Ounis &Macdonald )، يـافتن داوران خبره بـراي سـپردن داوري مقـالات رسـيده بـه کنفـرانس هـا و نشـريات علمـي ( & Mimno 1.
در مدل دوم که به مدل سـند-محـور معروف است ، ابتدا اسنادي که به بهترين وجه موضوع پرس وجو را توصيف مي کنند بازيـابي شـده ، سپس افرادي که با اسناد بازيابي شده مرتبط هستند به عنوان خبره در موضوع پرس وجو مورد توجـه قرار مي گيرند (٢٠٠٦ de Rijke &Balog, Azzopardi, ).
معادلـۀ نهـايي مـدل کانديـدا- محـور ( ,Balog ٢٠٠٦ de Rijke &Azzopardi, ) به صورت زير است : (رجوع شود به تصویرصفحه) مدل سند- محور: در اين مدل که بـدان مـدل وابسـته بـه پـرس وجـو (٢٠٠٨ Croft &Petkova ) نيـز مي گويند، به جاي ايجاد بازنمون متني هر کانديدا، فرايند يافتن خبرگان اندکي متفاوت مورد توجه قرار مي گيرد، به طوري که در آن کانديدا به طور مستقيم مدل سـازي نمـي شـود.
Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval.
Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval.
Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval.