基于任务分解的个性化知识主动推送方法技术

本发明专利技术提供了一种基于任务分解的个性化知识主动推送方法，涉及知识密集型企业知识资源管理与应用方法。本方法包含设计过程任务活动模型的构建、基于领域本体的知识需求模型构建、用户特征建模构建和进行个性化知识主动推送。通过工作流引擎进行任务分解，将工作业务流程与知识关联；采用概念语义三级扩展方法进行概念扩展；并提供知识过滤和排序方法，实现基于任务分解的个性化知识主动推送。本发明专利技术可获取尽可能详细的知识需求，形成更为完整和丰富的知识需求集，能够符合用户偏好进行个性化知识主动推送，知识推送加速知识流动，提高知识的效用和服务效率，真正实现知识源于业务并应用于业务的目标，从而提高企业知识利用效率和知识创新能力。

【技术实现步骤摘要】
基于任务分解的个性化知识主动推送方法
本专利技术涉及计算机应用
，涉及知识密集型企业知识资源管理与应用方法，尤其涉及基于任务分解的个性化知识主动推送方法。
技术介绍
现代企业尤其是正在兴起的知识密集型企业的管理活动中，知识已经成为一种重要的企业资源，并逐渐成为决定企业生存和发展的关键性因素(参考文献[1]刘新宇.基于流程的知识推送系统的理论框架与应用研究[D].沈阳：东北大学博士学位论文.2005)。因此，如何有效的管理企业的知识，并通过多种途径增加企业的知识储备，合理利用知识资源将成为企业面临的一大难题。并且随着网络的普及和信息技术的快速发展，组织知识存量增长迅速，知识管理系统中包含数量众多的知识信息体，其涉及的范围很广，而知识拉取容易出现“信息过剩”的现象。在以知识为核心的知识型组织中，如何依据人们的知识需求，主动将合适的知识推送给需求者，从而提高知识工作者知识应用和创新能力，己经成为其提高知识的效用和知识创新的关键，而知识推送正好可以克服“知识过剩”，并可减少用户获取知识的工作量，因此，知识推送己成为提高知识管理系统的服务效率的重要途径(参考文献[2]刘豫徽,周良.基于Agent的主动式知识服务系统[J].中国制造业信息化.2008,37(19):16-20；参考文献[3]倪建友.基于工作流的知识推送系统模式设计[D].天津：天津大学硕士学位论文.2011)。知识推送技术是现代企业实施知识管理的过程中正在兴起的新的模式，企业建立起合理的知识推送系统，对于促进企业知识的流动、传播，加速知识的共享与创新，提升企业核心竞争力都具有重要作用(参考文献[4]LinzhenZhou,DefangLiu,BinWang.ResearchonKnowledgeActivePushModelforProductDevelopment.InternationalConferenceonNetworkingandDigitalSociety,2009)。目前，国内外关于知识推送模式的研究取得了很多的成果，除了常见的基于用户兴趣、基于内容和基于关联规则三种推送模式外，还包括多种适用于不同企业环境的知识推送模式。在这些知识推送模式中存在以下几点局限，一方面这些知识推动方法很少有关于业务流程的，而在工作业务过程中知识的传递与应用是最为频繁的，尤其像研发设计类知识密集型企业，员工在工作过程中需要用到大量与业务流程相关的知识，需要一种基于业务流程的知识推送系统以辅助其更好的完成工作。将工作流技术与知识推送理论相结合，设计出基于工作流和知识推送的系统模式，对于企业明确业务流程，规范业务活动，提高服务质量都具有重大意义。另一方面这些推送方法的知识对象来源单一，导致知识推送的源泉活力不足。知识密集型企业积累的大量知识分散在各个部门，存储于分布式知识源中。各个部门根据实际业务需要，对知识源的表示和存储不同。这些知识源在结构上和语义上都是异构的，尤其是存在大量语义异构知识(知识源采用不同的语义表示知识，如同词异义和同义词现象)。
技术实现思路
基于现有技术存在的问题：需要基于业务流程的知识推送技术以辅助工作更好完成，知识推送的源泉活力不足，且存在大量语义异构知识，直接应用存在困难等。本专利技术提供了一种基于任务分解的个性化知识主动推送方法。本专利技术提出的基于任务分解的个性化知识主动推动方法，具体步骤为：步骤1：构建设计过程任务活动模型，将设计任务分解为不同的工作任务，将工作任务与所需的知识资源进行关联。步骤2：构建基于领域本体的知识需求模型，包括领域本体构建和基于领域本体的语义扩展。步骤3：采用基于本体的表示方法构建用户特征模型。步骤4：建立知识库的索引表，进行个性化知识主动推送。步骤2中所述的基于领域本体的语义扩展中，通过中文分词方法形成初始知识推送集，再采用概念语义三级扩展方法获取最终的知识推送集；其中，概念语义三级扩展方法的步骤如下：步骤a：将中文分词方法形成的初始知识推送集中的本体概念与构建的领域本体关联，形成待扩展概念需求集CS0；步骤b：以CS0中每一个概念Ci为中心，通过自定义的领域本体关系集RS中的语义关系扩展，形成以Ci为中心的一级扩展概念集CS1；步骤c：以CS1中每一个概念Cii为中心，通过领域本体关系集RS中的语义关系扩展，形成以Cii为中心的二级扩展概念集CS2；步骤d：以CS2中每一个概念Ciii为中心，通过领域本体关系集RS中的语义关系扩展，形成以Ciii为中心的三级扩展概念集CS3；不同级别的概念集表示不同的语义距离，各级扩展概念集中节点语义相关度由以下规则确定：规则1：根据本体关系设定语义相关度，设定同义关系的语义相关度为0.9，实例关系的语义相关度为0.8，继承关系的语义相关度为0.7，同类关系的语义相关度为0.6，组成关系的语义相关度为0.5，属性关系的语义相关度为0.3；规则2：一级扩展概念与原始概念的语义相关度根据本体关系的类别由规则1确定；二级扩展概念与原始概念的语义相关度，是二级扩展概念关联的一级本体关系类型与二级本体关系类型对应的语义相关度的乘积；三级扩展概念与原始概念的语义相关度，是三级扩展概念关联的一级本体关系类型、二级本体关系类型和三级本体关系类型对应的语义相关度的乘积；规则3：如果概念A的关系扩展概念C同时也是概念B的关系扩展概念，并且概念A和概念B不是扩展关系，则概念C与原始概念的语义相关度取根据规则2计算的值中最大的；规则4：如果概念A的关系扩展概念C同时也是概念B的关系扩展概念，并且概念B和概念A是一级扩展关系，概念C与原始概念的语义相关度根据规则2得到两个值，将其中较小值的一半作为加成量，得到合成权重＝较大值+一半的较小值，若合成权重超过1，则设置最终概念C与原始概念的语义相关度为1，否则最终概念C与原始概念的语义相关度为合成权重；规则5：如果概念A的关系扩展概念C同时也是概念B的关系扩展概念，并且概念B和概念A是二级扩展关系，则概念C与原始概念的语义相关度根据规则2得到两个值，将其中较小值的四分之一作为加成量，得到合成权重＝较大值+四分之一的较小值，若合成权重超过1，则设置最终概念C与原始概念的语义相关度为1，否则最终概念C与原始概念的语义相关度为合成权重。本专利技术提供了一种能够符合用户偏好，基于任务分解的个性化知识主动推送方法，通过知识推送加速知识流动，提高知识的效用和服务效率，结合设计过程任务活动模型，真正实现知识源于业务并应用于业务的目标，从而提高企业知识创新能力。附图说明图1是本专利技术基于任务分解的知识主动推送服务框架示意图；图2是本专利技术的知识主动推送方法中设计过程任务活动模型的示意图；图3是本专利技术的知识主动推送方法中知识概念三层语义扩展模型示意图；图4是本专利技术的基于任务分解的个性化知识主动推动方法的流程图。具体实施方式下面结合附图和具体实例来说明本专利技术的技术方案。本专利技术提出基于任务分解的个性化知识主动推动方法，首先通过对知识密集型企业设计过程知识活动的分析，建立工作业务流程与知识的关联，并在此基础上提出设计过程任务活动模型，实现对知识与业务流程的映射；接着构建基于领域本体的知识需求模型，为了尽可能详细的捕获设计活动模型中全部的知识需求，借助领域本体的语义关联实本文档来自技高网...

【技术保护点】
一种基于任务分解的个性化知识主动推送方法，其特征在于，包括以下步骤：步骤1：构建设计过程任务活动模型，将设计任务分解为不同的子任务，将子任务与所需的知识资源进行关联；步骤2：构建基于领域本体的知识需求模型，包括领域本体构建和基于领域本体的语义扩展；步骤3：采用基于本体的表示方法构建用户特征模型；步骤4：建立知识库的索引表，进行个性化知识主动推送。

【技术特征摘要】
1.一种基于任务分解的个性化知识主动推送方法，其特征在于，包括以下步骤：步骤1：构建设计过程任务活动模型，将设计任务分解为不同的子任务，将子任务与所需的知识资源进行关联；步骤2：构建基于领域本体的知识需求模型，包括领域本体构建和基于领域本体的语义扩展；所述的基于领域本体的语义扩展中，通过中文分词方法形成初始知识推送集，再采用概念语义三级扩展方法获取最终的知识推送集；其中，概念语义三级扩展方法的步骤如下：步骤a：将中文分词方法形成的初始知识推送集中的本体概念与构建的领域本体关联，形成待扩展概念需求集CS0；步骤b：以CS0中每一个概念Ci为中心，通过自定义的领域本体关系集RS中的语义关系扩展，形成以Ci为中心的一级扩展概念集CS1；步骤c：以CS1中每一个概念Cii为中心，通过领域本体关系集RS中的语义关系扩展，形成以Cii为中心的二级扩展概念集CS2；步骤d：以CS2中每一个概念Ciii为中心，通过领域本体关系集RS中的语义关系扩展，形成以Ciii为中心的三级扩展概念集CS3；不同级别的概念集表示不同的语义距离，各级扩展概念集中节点语义相关度由以下规则确定：规则1：根据本体关系设定语义相关度，设定同义关系的语义相关度为0.9，实例关系的语义相关度为0.8，继承关系的语义相关度为0.7，同类关系的语义相关度为0.6，组成关系的语义相关度为0.5，属性关系的语义相关度为0.3；规则2：一级扩展概念与原始概念的语义相关度根据本体关系的类别由规则1确定；二级扩展概念与原始概念的语义相关度，是二级扩展概念关联的一级本体关系类型与二级本体关系类型对应的语义相关度的乘积；三级扩展概念与原始概念的语义相关度，是三级扩展概念关联的一级本体关系类型、二级本体关系类型和三级本体关系类型对应的语义相关度的乘积；规则3：如果概念A的关系扩展概念C同时也是概念B的关系扩展概念，并且概念A和概念B不是扩展关系，则概念C与原始概念的语义相关度取根据规则2计算的值中最大的；规则4：如果概念A的关系扩展概念C同时也是概念B的关系扩展概念，并且概念B和概念A是一级扩展关系，概念C与原始概念的语义相关度根据规则2得到两个值，将其中较小值的一半作为加成量，得到合成权重＝较大值+一半的较小值，若合成权重超过1，则设置最终概念C与原始概念的语义相关度为1，否则最终概念C与原始概念的语义相关度为合成权重；规则5：如果概念A的关系扩展概念C同时也是概念B的关系扩展概念，并且概念B和概念A是二级扩展关系，则概念C与原始概念的语义相关度根据规则2得到两个值，将其中较小值的四分之一作为加成量，得到合成权重＝较大值+四分之一的较小值，若合成权重超过1，则设置最终概念C与原始概念的语义相关度为1，否则最终概念C与原始概念的语义相关度为合成权重；步骤3：采用基于本体的表示方法构建用户特征模型；所述构建用户特征模型，具体实现方法是：将用户特征模型表示为一个四元组：UP＝(PI，PK，PA，PC)其中：UP代表用户特征模型，PI表示用户基本信息、PK表示用户知识背景集合、PA表示用户在知识管理系统和企业业务系统活动信息集合、PC表示用户与用户之间的关联关系集合；(1)PK＝{CU,AC,RU,W,E,TC}，其中：CU表示概念的集合，CU＝{C1,C2,…,Cn}，n表示CU中的概念数；AC表示概念C的属性集合，概念C的属性集合记为AC＝{aC(i)|i＝1,…,|AC|}，|AC|表示概念C属性的数目，C∈CU；RU表示概念之间关系的集合；W表示概念的权重，W＝{w1,w2,…,wn}，概念Ck的权重为wk，每个wk通过如下方法得到：为用户对概念Ck的熟悉程度，根据下式获得：其中，a∈(0,1)为遗忘曲线的特征系数，表示概念Ck重要程度，x表示时间，η是遗忘曲线的拐点，δ为遗忘曲线稳定时刻用户熟悉程度系数，表示概念Ck重要程度，等于E表示概念之间关联度的结合，E＝{Ci,Cj,f(Ci,Cj)}，f(Ci,Cj)表示概念Ci和Cj之间的关联程度，f(Ci,Cj)∈[0,1]；TC表示用户对概念代表的知识源的阅读时间；(2)PA＝{Participate,Contribution,Attention}，其中，Participate是根据用户行为评价用户个人参与知识管理系统或者企业业务系统活动的积极程度，Contribution是根据用户行为评价用户对知识管理系统或者企业业务系统活动的贡献程度，Attention是根据用户的操作历史获取用户关注的资源对象；步骤4：建立知识库的索引表，进行个性化知识主动推送；具体实现方法是：Step1：利用工作流引擎获取用户设计任务流Task＝(T1，T2，...,TN)，其中N为子任务的个数，对于每一个子任务Ti构建设计过程任务活动模型DKAMi，DKAMi中包括子任务的目标、...

【专利技术属性】
技术研发人员：刘继红，占红飞，赵振杰，王宽，姜浩，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11