(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010406749.1
(22)申请日 2020.05.14
(71)申请人 上海交通大学
地址 200240 上海市闵行区东川路800号
申请人 上海外高桥造船有限公司
(72)发明人 蒋祖华 吉永军
(74)专利代理机构 上海伯瑞杰知识产权代理有
限公司 31227
代理人 俞磊
(51)Int.Cl.
G06F 16/338(2019.01)
G06N 5/00(2006.01)
G06N 5/02(2006.01)
(54)发明名称
(57)摘要
本发明公开了一种基于超网络模型的专家
行预处理，获得规范化表征的技术知识，根据所
述规范化表征的技术知识计算技术专家之间的
关联度，技术对象之间的关联度，知识核心内容
之间的关联度，并根据所述关联度分别构建专家
子网，对象子网及知识子网，根据所述超网络模
型中技术知识基本元素间的关系构成超边，并计
算所述专家子网，所述对象子网及所述知识子网
之间的超边关联度，形成超网络模型，输入需要
处理的变量至所述超网络模型中，按照概率算法
小排序输出，获取解决问题专家的排名，该发明
可以及时准确的到与问题相关的专家进而解
决出现的问题。权利要求书1页 说明书5页 附图3页CN 111737451 A 2020.10.02
C N 111737451
A
1.一种基于超网络模型的专家推荐方法，其特征在于，包括：
对构建所述超网络模型的技术知识进行预处理，获得规范化表征的技术知识；
根据所述规范化表征的技术知识计算技术专家之间的关联度，技术对象之间的关联度，知识核心内容之间的关联度，并根据所述关联度分别构建专家子网，对象子网及知识子网；
根据所述超网络模型中技术知识基本元素间的关系构成超边，并计算所述专家子网，所述对象子网及所述知识子网之间的超边关联度，形成超网络模型；
输入需要处理的变量至所述超网络模型中；
按照概率算法计算与问题相关的专家的相关度并按相关度大小排序输出；
获取解决问题专家的排名。
2.根据权利要求1所述的专家推荐方法，其特征在于，所述超网络模型中技术知识基本元素包括技术专家元素，技术对象元素，技术问题元素，问题情境元素及解决方案元素等。
3.根据权利要求1所述的专家推荐方法，其特征在于，所述变量包括船舶试航中需要处理的技术对象变量，将所述技术对象变量与所述超网络模型中的技术对象集合遍历并判断是否添加入备选集合。
4.根据权利要求1所述的专家推荐方法，其特征在于，所述变量还包括船舶试航中需要处理的技术问题变量和问题情境变量，计算所述技术问题变量和所述问题情境变量与所述超网络模型中的各条知识应用情境的关联度并判断是否添加知识核心集合。
5.根据权利要求1所述的专家推荐方法，其特征在于，对所述技术知识进行预处理的方法包括词频-逆向文件频率处理方法，所述词频-逆向文件频率处理方法可过滤掉大量无关信息，保留所述技术知识中的关键概念。
6.根据权利要求5所述的专家推荐方法，其特征在于，所述词频-逆向文件频率处理方法用于所述超网络模型中所述技术知识基本元素的构建。
7.根据权利要求5所述的专家推荐方法，其特征在于，所述词频-逆向文件频率处理方法还用于船舶试航中所述变量的处理。
8.根据权利要求1所述的专家推荐方法，其特征在于，所述概率算法包括贝叶斯概率算法。
9.根据权利要求1所述的专家推荐方法，其特征在于，所述排序输出包括降序排序，输出排名靠前的若干位技术专家。
权 利 要 求 书1/1页CN 111737451 A
基于超网络模型的专家推荐方法
技术领域
[0001]本发明涉及基于技术知识超网络模型的专家推荐方法，尤其涉及船舶试航技术知识领域的专家推荐方法。
背景技术
[0002]目前，专家推荐技术已经广泛应用于企业组织和在线社区，包括MediaWiki平台下知识审阅的专
家推荐，Q&A论坛用户推荐系统，学术文章审稿人查询系统，特定疾病医生查询系统等。根据专家推荐技术种类的不同，可以将专家推荐技术分为基于知识内容的专家推荐方法、基于社交网络分析的专家推荐方法、混合专家推荐方法。研究早期，专家推荐技术是基于企业组织内部结构化、规范化的高质量知识库进行研究，大多数学者都是基于知识内容评估专家在特定领域的技术能力，主要通过文本挖掘技术从专家关联文档中提取特征来定义用户的专业能力，利用相关方法(例如，模糊逻辑和向量空间模型)计算用户需求与专家技术能力的相关性，并根据相关性对专家进行排名，向目标用户推荐最佳候选专家。随着社交网络分析技术的发展，相关研究发现社会网络分析有助于专家推荐技术研究，专家推荐技术研究的范围从企业组织扩展到在线社区。三类方法在企业组织和在线社区的应用中各有所长，企业组织中的专家推荐研究主要是基于知识文档相关性等方面进行专家推荐，大多数专家推荐方法适用于信息质量高且知识层次分明的组织；由于在线社区的信息质量远低于组织中的信息质量，在线社区的专家推荐研究主要是基于知识主题相关性、社会网络结构特征等方面进行专家推荐。大多数专家推荐技术都依赖于知识相关性来评估专家在特定问题的专业水平。
[0003]在新船试航前，很多系统和设备没有进行调试，无法保证它们处于正常工作状态，存在大量的事故隐患。在试航过程中，这些具有事故隐患的问题一旦出现，需要及时地到相关专家解决问题，保证船舶试航的安全性。船舶试航问题的专家推荐涉及不同的实体(例如，技术专家、问题对象、技术问题、问题情境等)以及实体之间的各种关系(例如，技术专家与问题对象之间的关系、技术专家与技术
问题之间的关系等)，实体之间的关系能够反映技术人员的专家专业知识或社会关系。但在船舶试航问题中这些已有的专家推荐方法难以将船舶试航问题中的不同要素以及要素之间的各种关系整合到统一框架中，无法深层次地刻画各知识要素与技术专家之间关系，导致船舶试航问题中的专家推荐准确率不高，不能够满足船舶试航问题解决过程中专家查的高精度要求。因此如何在船舶试航过程中，及时准确地推荐合适的专家来解决试航过程中的特定问题，是目前亟待解决的问题。
发明内容
[0004]本发明要解决的技术问题是为了克服现有技术中船舶试航过程中，出现了问题但不能及时到相关专家解决或专家推荐准确率不高的问题，提供一种基于技术知识超网络模型的专家推荐方法。
[0005]本发明是通过下述技术方案来解决上述技术问题：
[0006]一种基于超网络模型的专家推荐方法，所述方法，包括：
[0007]对构建所述超网络模型的技术知识进行预处理，获得规范化表征的技术知识；[0008]根据所述规范化表征的技术知识计算技术专家之间的关联度，技术对象之间的关联度，知识核心内容之间的关联度，并根据所述关联度，构建专家子网，对象子网及知识子网；
[0009]根据所述超网络模型中技术知识基本元素间的关系形成超边，并计算所述专家子网，所述对象
子网及所述知识子网之间的超边关联度，形成超网络模型；
[0010]输入需要处理的变量至所述超网络模型中；
[0011]按照概率算法计算与问题相关的专家的相关度并按相关度大小排序输出；[0012]获取解决问题专家的排名。
[0013]较佳地，所述超网络模型中技术知识基本元素包括技术专家元素，技术对象元素，技术问题元素，问题情境元素及解决方案元素等。
[0014]较佳地，所述变量包括船舶试航中需要处理的技术对象变量，将所述技术对象变量与所述超网络模型中的技术对象集合遍历并判断是否添加入备选集合。
[0015]更优地，所述变量还包括船舶试航中需要处理的技术问题变量和问题情境变量，计算所述技术问题变量和所述问题情境变量与所述超网络模型中的各条知识应用情境的关联度并判断是否添加知识核心集合。
[0016]较佳地，对所述技术知识进行预处理的方法包括词频-逆向文件频率处理方法，所述词频-逆向文件频率处理方法可过滤掉大量无关信息，保留所述技术知识中的关键概念。[0017]较佳地，所述词频-逆向文件频率处理方法用于所述超网络模型中所述技术知识基本元素的构建。
[0018]较佳地，所述词频-逆向文件频率处理方法还用于船舶试航中所述变量的处理。[0019]较佳地，所述概率算法为贝叶斯概率算法。
[0020]较佳地，所述排序输出包括降序排序，输出排名靠前的若干位技术专家。[0021]在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
[0022]本发明的积极进步效果在于：针对船舶试航中，将出现问题的不同要素以及要素之间的各种关系整合到超网模型中，根据概率算法按照与问题相关的专家的相关度大小排序输出，有效避免专家推荐过程中存在大量无关信息，提高了船舶试航问题的专家推荐精确度，有效降低船舶试航中问题出现时专家查的难度。
附图说明
[0023]图1为本发明基于超网络模型的专家推荐方法的一实施例中模块流程示意图。[0024]图2为本发明基于超网络模型的专家推荐方法的一实施例中程序流程图。[0025]图3为本发明基于超网络模型的专家推荐方法的一实施例中的技术效果图。
具体实施方式
[0026]下面通过实施例的方式进一步说明本发明，本申请可以以许多不同的形式来实现，并不限于本
文所描述的实施例。相反地，提供这些实施例的目的是使对本申请的公开内
容更加透彻全面。
[0027]需要说明的是，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件并与之结合为一体，或者可能同时存在居中元件。本文所使用的术语“安装”、“一端”、“另一端”以及类似的表述只是为了说明的目的。
[0028]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0029]如图1所示，为本发明基于超网络模型的专家推荐方法的一实施例中模块流程示意图，其中，变量输入100模块，包括所述技术对象变量101，所述技术问题变量102及所述问题情境变量103，所述技术对象变量101，所述技术问题变量102及所述问题情境变量103构成船舶试航问题的详细信息。
[0030]超网络模型200模块包括：所述专家子网201，所述对象子网202，所述知识子网203。
[0031]在一个示例中，通过所述词频-逆向文件频率方法对所述技术对象变量101，所述技术问题变量1
02及所述问题情境变量103进行处理，通过规范化特征，过滤掉大量无关信息，仍能保持输入变量的关键概念。
[0032]在一个示例中，通过所述词频-逆向文件频率方法对所述超网络模型200中的所述技术知识进行预处理，过滤掉大量无关信息，获取所述规范化表征的技术知识，同时基于所
述规范化表征的技术知识计算技术专家之间的关联度，技术对象
之间的关联度，知识核心内容之间的关联度，从而构建所述专家子网201，对象子网202及所述知识子网203。
[0033]在一个可选的示例中，专家之间的关联度通过下述公式计算：
[0034]
[0035]所述专家子网是由问题解决过程中的技术专家组成，其之间关联关系反映技术专
家间的合作关系。表示专家之间的合作关系，如果专家与专家合作撰写两则技术
知识，那么他们之间存在关联关系，即P m表示专家与专家的第m条关联路径的专家节点集合。
[0036]在一个可选的示例中，对象之间的关联度通过下述公式计算：
[0037]
[0038]所述对象子网中表示对象和对象之间第k条关联路径的关系系数乘积。FNum(O1，O n)计算方法：设O1，O2，O3，…，O n是试航过程中对象，R1，R2，R3，…，R m 是对象之间关联关系。如果从对象O1到对象O n存在一条路径将对象O1与对象O n关联，表示为
将这条路径作为对象关联路径，表示为ORP(01，O n)。ORP(O1，O n)的关
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议