چکیده:
با توجه به حجم عظیم اطلاعات بدون ساختار داخل سازمانها و همچنین در وب، یافتن پاسخی به نیاز دانشی در زمان اندک، دشوار میباشد. به این منظور علاوه بر موتورهای جستجو که در آنها ویژگیهای فردی کاربران در نظر گرفته نمیشوند، سیستمهای پیشنهادگر بوجود آمدهاند که بر اساس رفتارهای پیشین کاربران سعی در کمک به دسترسی به دانش مورد نیاز آنها دارند. استفاده از این سیستمها در وبسایتها و شبکههای اجتماعی در حال گسترش است. سیستمهای پیشنهادگر خبره نیز با پیشنهاد افراد خبرهی دارای دانش به جای ارائه اطلاعات، این امکان را فراهم کردهاند تا کاربران سئوالهای خود را از افراد خبره بپرسند. ارتباط با متخصصان باعث میشود که علاوه بر انتقال مطلب، با انتقال تجارب و دانستهها، بینش و فهم در مورد موضوع منتقل شود. ما در این مقاله، از رزومه-های اساتید دانشگاه به عنوان پروفایل افراد خبره استفاده کرده و مدل پیشنهادگر خبرهی جدیدی ارائه کردهایم که پرسش کاربر را دریافت کرده و افراد خبره را در زمینهی این پرسش پیشنهاد میکند. ما با ترکیب ماتریس همبستگی کلمات، مدل فضای برداری و الگوریتم پیجرنک مدلی ارائه کردهایم که در مقایسه با روشهای مرجع دقت بالاتری در شناخت افراد خبره دارد. این مدل در سیستمهای دانشگاهی، داخل سازمانی و همچنین در محیط وب که متخصصان دارای اطلاعات رزومه باشند کاربرد دارد.
Due to the enormous volume of unstructured information available on the Web and inside organization, finding an answer to the knowledge need in a short time is difficult. For this reason, beside Search Engines which don’t consider users individual characteristics, Recommender systems were created which use user’s previous activities and other individual characteristics to help users find needed knowledge. Recommender systems usage is increasing every day. Expert finder systems also by introducing expert people instead of recommending information to users have provided this facility for users to ask their questions form experts. Having relation with experts not only causes information transition, but also with transferring experiences and inception causes knowledge transition. In this paper we used university professors academic resume as expert people profile and then proposed a new expert finding model that recommends experts to users query. We used Term Correlation Matrix, Vector Space Model and PageRank algorithm and proposed a new hybrid model which outperforms conventional methods. This model can be used in internet environment, organizations and universities that experts have resume dataset.
خلاصه ماشینی:
ما در اين مقاله از رزومه هاي اساتيد دانشگاه به عنوان پروفايل افـراد خبره استفاده کرده و مدل پيشنهادگر خبرة جديدي ارائه داده ايم کـه پرسـش کـاربر را دريافت کرده و افراد خبره را در زمينۀ پرسش او پيشنهاد مي کند.
در اين مقاله ، ما مدلي جديد براي سيستم هاي پيشنهادگر خبره ارائه کـرده ايـم کـه بـا تحليل داده هاي متني رزومۀ اساتيد دانشگاه ، زمينه هاي تخصص آنها را پيش بيني کرده و به محـض دريافـت پرسـش کـاربران سيسـتم ، خبـره هـاي داراي دانـش در زمينـۀ پرسـش را تشخيص مي دهد.
سيسـتم هـاي خبـره يـاب زيـادي وجـود دارند که با استفاده از روش هاي بازيابي اطلاعات اين مطالب را کاوش کرده و بـه صـورت اتوماتيک تخصص افـراد را مشـخص مـي سـازند ( & Streeter ;١٩٩٦ Burkey &Krulwich ١٩٨٨ Lochbaum).
Cooke et al ;١٩٩٩ Schutze &Manning ;٢٠٠٦ Finke &Tobias ).
Proceedings of the ACM SIGOIS and IEEE CS TCOA Conference on office Information Systems, Cambridge, MA.
Proceedings of the 29th annual International ACM SIGIR Conference on Research and Development in Information Retrieval, New York, NY.
Proceedings of the 12th International Conference on Information and Knowledge Management, New Orleans, LA.
Proceedings of the 27th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Sheffield, UK.
Proceedings of the IEEE/WIC/ACM International Conference on Web Intelligence, Fremont, CA.
CIKM’07: Proceedings of the 16th international conference on information and knowledge management.
Proceedings of the 9th international conference on Webpage information management, Zhangjiajie, China.