[摘要]結(jié)合web2.0的特點(diǎn)，在對專長進(jìn)行深入研究的基礎(chǔ)上，以復(fù)雜性建模思想以及知識(shí)管理的基本理論為指導(dǎo)，設(shè)計(jì)一種新的專長識(shí)別與共享實(shí)現(xiàn)方法――自適應(yīng)專長識(shí)別與共享模型(AEISM)，該方法能克服傳統(tǒng)方法中的部分缺陷，并解決新環(huán)境中所遇到的新問題，因此具有一定的實(shí)用價(jià)值。
　　[關(guān)鍵詞]專長　專長識(shí)別與共享　web2.0　復(fù)雜　知識(shí)場
　　[分類號(hào)]G350
　　
　　1　引言
　　
　　專長是專家的技能，是一種個(gè)人的隱性知識(shí)，包括方法、技能、知識(shí)、能力、優(yōu)點(diǎn)等。反映專長的任何有形或無形資源，如專家資歷、行為、成果等，均稱為專長證據(jù)，它是專長識(shí)別與共享的前提。
　　目前，國內(nèi)外已有利用同行評(píng)議、知識(shí)庫、E-mail分析、虛擬社區(qū)、組織內(nèi)社會(huì)網(wǎng)絡(luò)書簽系統(tǒng)等方法來識(shí)別和共享專長。同行評(píng)議方法是由權(quán)威人士通過對待評(píng)專家的知識(shí)、經(jīng)驗(yàn)和技能進(jìn)行評(píng)價(jià)來鑒定專家的專長及水平，這種方法較為客觀，但成本很高。知識(shí)庫方法將組織以前所做過的事情、員工的思想、經(jīng)驗(yàn)和知識(shí)存儲(chǔ)在信息庫中，計(jì)算機(jī)進(jìn)行自動(dòng)進(jìn)行信息整合并抽取專長。機(jī)器克服了人的主觀性，但只是對文檔片段的分析，不能真正把握文檔的語境，也不能代替人對文檔的理解。Email方法通過對組織成員間郵件交流的分析，來識(shí)別組織內(nèi)個(gè)體之間的共同興趣。Email方法由于涉及到隱私，實(shí)際操作性較差。虛擬社區(qū)將用戶的在線提問和專家的答案保存成為知識(shí)庫，用戶通過檢索而獲得答案，如Answer Garden。其側(cè)重于通過存儲(chǔ)和檢索相關(guān)問題與答案而對專長知識(shí)予以顯性化和進(jìn)行重用，但不鼓勵(lì)用戶與專家的互動(dòng)，因此專長可能不能被有效地重用和開發(fā)。社會(huì)性書簽系統(tǒng)方法通過對組織內(nèi)部用戶對網(wǎng)絡(luò)資源的標(biāo)注行為進(jìn)行分析，而提取用戶的興趣和專長，如Cogenz。但由于某些標(biāo)簽并不一定代表感興趣的內(nèi)容，標(biāo)簽并不僅僅是對內(nèi)容本身的標(biāo)著，還包括了對內(nèi)容相關(guān)的其他標(biāo)著，所以該方法也存在一定的缺陷。在Web2.0環(huán)境下，采用一定的方式，可以構(gòu)建這些方法的綜合運(yùn)用，將有可能產(chǎn)生更好的專長識(shí)別與共享效果，基于此，筆者設(shè)計(jì)了自適應(yīng)專長識(shí)別與共享模型(AEISM)。
　　
　　
　　2　AEISM設(shè)計(jì)與分析
　　
　　專長識(shí)別與共享是專長管理的主要部分，是利用和創(chuàng)造知識(shí)的重要環(huán)節(jié)，專長識(shí)別與共享在當(dāng)今社會(huì)發(fā)揮著越來越重要的作用。基于Web2.0理念和技術(shù)，構(gòu)建自適應(yīng)專長識(shí)別與共享模型，從理論層面，在一定程度上解決了專長識(shí)別與共享中的一些問題。
　　
　　2.1適應(yīng)性主體
　　AEISM系統(tǒng)是由大量具有主動(dòng)性的元素(Active Element)組成的，這些主動(dòng)性元素是系統(tǒng)的主體(A―gent)，主體包括兩類：人與信息。人作為人件參與運(yùn)算，是一種最具有適應(yīng)性的主體；信息是人的行為的產(chǎn)物，在一定的機(jī)制的控制和約束下，也具有適應(yīng)性。
　　2.1.1適應(yīng)性從生物學(xué)角度說，適應(yīng)是生物體調(diào)整自己以適合環(huán)境的過程，生物體結(jié)構(gòu)的變化是經(jīng)驗(yàn)引導(dǎo)的結(jié)果。適應(yīng)性是所有主體所共同具有的特性，在CAS中，主體隨著經(jīng)驗(yàn)的積累，靠不斷變換其規(guī)則來適應(yīng)。任何特定的適應(yīng)性主體所處環(huán)境的主要部分，都由其他適應(yīng)性主體組成，所以，任何主體在適應(yīng)上所做的努力就是去適應(yīng)別的適應(yīng)性主體。隨著時(shí)間的推移，主體在環(huán)境中表現(xiàn)出適應(yīng)與不適應(yīng)，適應(yīng)的繼續(xù)生存，不適應(yīng)的將會(huì)被淘汰。
　　在AEISM中，適應(yīng)性表現(xiàn)在人(如專家、社團(tuán))、信息(如專長、知識(shí)庫、規(guī)則)這兩類主體是否能得到其他主體的認(rèn)可，能否在系統(tǒng)中得以存在而繼續(xù)演化，這就形成了一套適應(yīng)性規(guī)范一“聲譽(yù)(Reputation)”。聲譽(yù)指的是人與信息主體是否滿足其他主體的要求和意愿，如專家是否及時(shí)更新了其專長信息，是否積極參與社團(tuán)的活動(dòng)，是否愿意并努力認(rèn)真解答其他主體的提問等，對社團(tuán)而言，其是否組織了有意義的活動(dòng)，活動(dòng)頻率怎樣，專家的專長是否能在實(shí)踐中發(fā)揮較好的作用等�？梢灶A(yù)見，一些不適應(yīng)環(huán)境的主體將會(huì)被淘汰，如那些不愿與其他主體交流的專家主體，即使其的確具備很高的專長，但由于其不愿意交流和貢獻(xiàn)，經(jīng)過一段時(shí)間就會(huì)被淘汰出局。同樣，專家所提交的一些專長證據(jù)，也會(huì)由于無人使用而會(huì)被掩蓋和埋沒。
　　2.1.2主體　主體的引入，使系統(tǒng)的自組織得以發(fā)生，這些主體是杠桿的支點(diǎn)，一旦一個(gè)小小的輸入產(chǎn)生，將會(huì)產(chǎn)生巨大的、可預(yù)期的直接變化――放大器效應(yīng)。這些杠桿支點(diǎn)一旦連接成一個(gè)整體的系統(tǒng)時(shí)就會(huì)形成一個(gè)有機(jī)的整體，產(chǎn)生許多復(fù)雜現(xiàn)象，如專長和專家的不斷涌現(xiàn)和發(fā)生。在AEISM中，主體包括人與信息這兩類主體。信息主體是微主體(Micro Agent)，而“人”這一類主體又可以繼續(xù)分為分主體(Component agents)、介主體(Meta-agents)、介介主體(Met-ameta-agents)。
　　微主體。微主體是一些信息的片段，如由用戶提交的專長證據(jù)，或用戶的其他行為所產(chǎn)生的證據(jù)，或是專家的某項(xiàng)專長本身等都可以看作是微主體，這些微主體參與了系統(tǒng)的運(yùn)算。微主體的適應(yīng)性是受控制和約束算法與規(guī)則限制的，這些控制和約束規(guī)則控制著系統(tǒng)的發(fā)展走向，如聚類算法可以將具有相同或相似專長的專家聚集在一起，而社會(huì)網(wǎng)絡(luò)分析算法則可以構(gòu)建專長網(wǎng)絡(luò)，分眾分類法的機(jī)制也控制著專家、專長及知識(shí)庫的分類方法等。這樣，一些符合規(guī)則的專長或?qū)ｉL證據(jù)就會(huì)在系統(tǒng)中繼續(xù)生存，并能得到良好的利用，而一些不適應(yīng)的專長或?qū)ｉL證據(jù)將會(huì)被逐漸埋沒，直至被系統(tǒng)淘汰掉。
　　分主體。AEISM中最活躍，也最具有能動(dòng)性的一類主體，是人、組織及以人為基礎(chǔ)所形成的社團(tuán)這一類主體，他們具有豐富的多樣性和極強(qiáng)的適應(yīng)性。主體是一個(gè)統(tǒng)一的稱呼和概念，對于具體的每個(gè)獨(dú)立的個(gè)體(如單個(gè)的人、單個(gè)的組織)而言，他們被稱為分主體。分主體是AEISM中最基本的構(gòu)成要素。主體不僅有層次的劃分(如分主體、介主體、介介主體)，主體也體現(xiàn)了不同的角色。分主體具備了至少6個(gè)角色，并且這些角色可能在某個(gè)分主體上同時(shí)具備，角色之間可以發(fā)生相互轉(zhuǎn)換，如圖1所示：
　　分主體是系統(tǒng)中最核心的內(nèi)容，它具有典型的6種角色：專家、標(biāo)注者、投票者、評(píng)審者、編輯者和瀏覽者，這6種角色對應(yīng)著分主體的6種不同行為，這些行為作用于系統(tǒng)，使系統(tǒng)不斷演化，產(chǎn)生優(yōu)越的專長識(shí)別與共享效果。編輯者的編輯行為是系統(tǒng)數(shù)據(jù)產(chǎn)生的源泉，也是系統(tǒng)進(jìn)化的動(dòng)力，包括提交其專長證據(jù)、更新其專長信息、參加活動(dòng)、發(fā)表言論、協(xié)助他人解決問題等。專家是具有一定專長的人，其專長可以是多方面的，專家參與系統(tǒng)中的活動(dòng)的過程，是一個(gè)不斷貢獻(xiàn)其隱性知識(shí)和不斷創(chuàng)造社會(huì)價(jià)值的過程。評(píng)審者參與系統(tǒng)中一定程度的控制，評(píng)審者對專家資料和身份進(jìn)行初步的驗(yàn)證，是對用戶及有關(guān)文檔片段的初步把關(guān)。標(biāo)注者是最初的專長識(shí)別者，通過對專長證據(jù)資料的考察和分析，對申請成為專家的主體采用任意方向和 數(shù)量的關(guān)鍵詞對其專長進(jìn)行標(biāo)注和修正，完善專長的描述。投票者在與專家的交互過程中，可以發(fā)覺專家專長水平的高低以及專家是否有能力、是否愿意與其他用戶進(jìn)行交互，從而貢獻(xiàn)其知識(shí)和技能，如果這些達(dá)不到投票者的要求，專家的聲譽(yù)就會(huì)降低。瀏覽者強(qiáng)調(diào)的是在系統(tǒng)中只進(jìn)行信息瀏覽和使用的低層次的用戶，其本身并不象其他主體一樣直接參與系統(tǒng)的運(yùn)算。但其瀏覽行為和間接參與運(yùn)算，如當(dāng)某一個(gè)主體或某類社團(tuán)被有很大的瀏覽量時(shí)，系統(tǒng)就有可能據(jù)此而識(shí)別出熱門的主題或社團(tuán)。分主體的這6種角色并非固定的，而是在不同條件下相互轉(zhuǎn)化的。而且，同一個(gè)主體可以具備多種角色，也即分主體可以在系統(tǒng)中發(fā)生各種不同的行為，產(chǎn)生不同的運(yùn)算結(jié)果。
　　介主體。分主體間按照一定的規(guī)則發(fā)生相互作用，并通過聚集的方式形成更高一級(jí)的主體，如社團(tuán)，這類主體稱為介主體。介主體反映了分主體的聚集特性，如以“信息檢索”為主題的社團(tuán)，說明其社團(tuán)成員都具有信息檢索方面的專長，或至少具備這方面的相關(guān)知識(shí)。介主體是分主體及微主體通過相互作用所涌現(xiàn)出來的結(jié)果，它主要包含各類社團(tuán)和形成的專長體系。社團(tuán)通常是具有共同屬性的人組成的，他們的相互交流和作用，一方面可以作為反饋的一部分；另一方面也可以促進(jìn)系統(tǒng)的進(jìn)一步演化。
　　介介主體。介主體之間還可以繼續(xù)發(fā)生相互作用，進(jìn)行再聚集，如以“信息檢索”和“軟件工程”的介主體還可能通過再聚集，形成“計(jì)算機(jī)科學(xué)與技術(shù)”這一類新的主體，這類主體被稱為介介主體。這個(gè)再聚集的過程經(jīng)過數(shù)次重復(fù)后，就得到了CAS中非常典型的層次組織。介介主體則是介主體的進(jìn)一步作用而聚集形成的更高層次的結(jié)構(gòu)，影響著整個(gè)系統(tǒng)的進(jìn)化，是一種方向標(biāo)，如專家排名。
　　
　　2.2系統(tǒng)運(yùn)行機(jī)制模型
　　AEISM的基本原理為：系統(tǒng)提供一個(gè)有機(jī)配置的知識(shí)場，由分主體先向系統(tǒng)提交能證明其專長的資料(即專長證據(jù))，系統(tǒng)管理員初步評(píng)審用戶的基本信息和所提交的專長證據(jù)，然后由其他分主體通過對這些資料的考察和分析，用數(shù)量不限的任意關(guān)鍵詞對其專長進(jìn)行描述；利用一定聚類算法，將所有分主體的標(biāo)注結(jié)果聚集起來，將達(dá)到一定閾值的標(biāo)簽作為用戶的專長標(biāo)記，并按一定的算法計(jì)算出專長水平；利用分眾分類法對專家、專長及專長證據(jù)進(jìn)行組織，以標(biāo)簽云顯示給用戶使用。系統(tǒng)通過標(biāo)簽，將具有相同專長和興趣的人管理起來，形成專長專家專長網(wǎng)絡(luò)；系統(tǒng)提供多種用戶交互機(jī)制，使專長能充分共享，用戶的行為將會(huì)被記錄和分析，繼續(xù)構(gòu)建和擴(kuò)充知識(shí)庫，以利重用和新知識(shí)的創(chuàng)造；用戶也可以自主構(gòu)建各類社團(tuán)，社團(tuán)也由標(biāo)簽來標(biāo)記，舉辦各類社團(tuán)活動(dòng)；這個(gè)過程循環(huán)往復(fù)的進(jìn)行，從一個(gè)非平衡狀態(tài)走向平衡狀態(tài)，使得優(yōu)秀的專家得以涌現(xiàn)，用戶之間的交互和標(biāo)簽之間的關(guān)聯(lián)，也會(huì)涌現(xiàn)出各類社團(tuán)。通過這種相互作用，系統(tǒng)結(jié)構(gòu)和模式得以繼續(xù)演化和完善，最終產(chǎn)生符合用戶需求的專長識(shí)別與共享模式。該過程如圖2所示：
　　主體的適應(yīng)過程依賴于由其他主體所提供的、不斷變化的情境。在AEISM中，這個(gè)情境便是由分主體的個(gè)人情境、所有主體的共有情境以及各類主體之間的相互作用所形成的氛圍，這種氛圍便是知識(shí)場。因此，一旦用戶進(jìn)入了本系統(tǒng)，便自然而然的進(jìn)入到這個(gè)知識(shí)場中，受場的影響。主體的一切適應(yīng)過程以及系統(tǒng)結(jié)構(gòu)和模式的演化都在這個(gè)場中進(jìn)行，同時(shí)，這種相互作用也促使場本身不斷的變化。其中最核心的是主體自組織與涌現(xiàn)、系統(tǒng)反饋兩個(gè)問題。
　　2.2.1主體的自組織與涌現(xiàn)機(jī)制
　　自組織貫穿于AEISM系統(tǒng)運(yùn)行的始終，不僅以人中心的主體(用戶主體)由于不斷適應(yīng)進(jìn)行著自組織，而且人所的各種行為和所生產(chǎn)的各種數(shù)據(jù)，即微主體(信息主體)也在一定規(guī)則的控制下，不斷進(jìn)行著自組織。自組織主要體現(xiàn)在各級(jí)主體的自組織上，主體通過自組織聚集而涌現(xiàn)出新的主體(見圖2)。
　　用戶自組織。自組織的原動(dòng)力是用戶主體。編輯者編輯個(gè)人資料，構(gòu)建專長檔案，并不定期更新。標(biāo)注者根據(jù)編輯者提交的資料和專長信息，對其專長采用任意關(guān)鍵詞進(jìn)行標(biāo)注。評(píng)審者對編輯者提交的資料進(jìn)行初步的審核，投票者通過對專長資料的考察和與專家的交互，對專家的專長水平和共享意識(shí)進(jìn)行評(píng)定等。
　　用戶自組織的動(dòng)力機(jī)制來源于協(xié)同中的競爭與協(xié)同機(jī)制。用戶為了在知識(shí)場中取勝，其必然要與其他人競爭。例如，專家為了贏得良好的聲譽(yù)(因?yàn)槁曌u(yù)會(huì)給他們帶來許多的潛在利益，如更高的學(xué)術(shù)聲望、更好的職業(yè)機(jī)會(huì)、更多的產(chǎn)品用戶等)，他必然會(huì)努力將表征其專長及專長水平的信息及時(shí)提交和更新，并積極參加社團(tuán)活動(dòng)，與其他專家和用戶交互，共享和貢獻(xiàn)其專長，惟其如此，他才有可能贏得良好的聲譽(yù)，進(jìn)而累積成功。反之，他將會(huì)被淘汰。這種競爭結(jié)果導(dǎo)致系統(tǒng)向非平衡狀態(tài)發(fā)展。倘若現(xiàn)實(shí)中的專家投入到這個(gè)環(huán)境中來，因?yàn)槠湟延械拿麣�，他能迅速贏得聲譽(yù)，在競爭中獲勝，他能找到更多的合作者，有可能帶來更多的項(xiàng)目，這種激勵(lì)也會(huì)促進(jìn)更多的精英的加入，從而促進(jìn)系統(tǒng)良性循環(huán)發(fā)展。眾多專家的涌入，每個(gè)人的專長會(huì)有差異，其專長檔案也會(huì)有較大不同，這種差異化是系統(tǒng)處于一種相對比較混沌的狀態(tài)。為解決這個(gè)問題，用戶之間的協(xié)同發(fā)揮了作用。
　　眾多標(biāo)注者對專家進(jìn)行標(biāo)注，標(biāo)注的結(jié)果是使具有相同專長或者相近專長的專家聚集起來，同時(shí)，也可以將專長聚集起來，從而形成了一個(gè)新的有序的結(jié)構(gòu)和模式，即所謂的序參量，序參量的出現(xiàn)標(biāo)志著系統(tǒng)進(jìn)入了一個(gè)平衡狀態(tài)。當(dāng)用戶更新自身信息，或者新的用戶加入，或者用戶發(fā)生新的行為時(shí)，又會(huì)導(dǎo)致這種平衡狀態(tài)被打破，進(jìn)入了新的非平衡狀態(tài)。AEISM不斷的從非平衡狀態(tài)走向平衡狀態(tài)，然后平衡狀態(tài)被打破，又通過自適應(yīng)達(dá)到新的平衡狀態(tài)，螺旋上升發(fā)展。
　　信息自組織。雖然信息本身并不能進(jìn)行學(xué)習(xí)和主動(dòng)適應(yīng)，但和人一樣，信息自組織也是由規(guī)則控制的結(jié)果。所以，強(qiáng)調(diào)信息自組織，更多的是強(qiáng)調(diào)其規(guī)則的設(shè)計(jì)和實(shí)現(xiàn)，在本模型中，主要表現(xiàn)為tag和文檔片段的自組織。
　　標(biāo)注者的標(biāo)注行為產(chǎn)生描述專家及其專長的tag，系統(tǒng)用一定的規(guī)則對其實(shí)施控制，表現(xiàn)出適應(yīng)性。最初tag的數(shù)量和內(nèi)涵有很大差別，系統(tǒng)通過一定的算法(如聚類算法)將相同的tag識(shí)別出來，計(jì)算詞頻，當(dāng)詞頻達(dá)到一定閾值，該tag便可作為專長標(biāo)識(shí)。每個(gè)專家的專長實(shí)質(zhì)上是一個(gè)tag的集合。具有相同tag的專家被聚集起來，形成社會(huì)網(wǎng)絡(luò)，將更有利于其找到相關(guān)專家。當(dāng)其中的某個(gè)專長消失時(shí)，必然又會(huì)有新的tag補(bǔ)上，發(fā)生態(tài)勢的位移，從而體現(xiàn)出多樣性。同時(shí)，由于標(biāo)注者本身也是受所在領(lǐng)域限制的，所以其tag行為也必然會(huì)受其自身的專長領(lǐng)域和水平的限制，也就是說進(jìn)行tag的用戶的tag行為代表了自身興趣和知識(shí)，這個(gè)可以促進(jìn)其共同興趣社團(tuán)的形成。
　　文檔片段自組織則是一種聚集算法和時(shí)序算法的控制。同一個(gè)專家的文檔會(huì)按其專長聚集起來，不同專家的文檔也會(huì)按系統(tǒng)的所有專長而聚集起來。并 且，系統(tǒng)實(shí)施監(jiān)控機(jī)制，對于一些使用極少或年代久遠(yuǎn)的文檔，將會(huì)采取備份措施。系統(tǒng)中通過這些適應(yīng)性主體的不斷的自組織，使新的結(jié)構(gòu)和模式不斷涌現(xiàn)，系統(tǒng)不斷演化，如圖3所示：
　　各種適應(yīng)性主體通過彼此問的相互作用，不斷演進(jìn)，最后由聚集而形成新的體系，如用戶通過構(gòu)建各種社區(qū)，而涌現(xiàn)出許多活躍的社區(qū)，用戶的tag行為將導(dǎo)致專家的專長被識(shí)別出來，同時(shí)也標(biāo)志了自身的知識(shí)和興趣方向，通過用戶間的tag關(guān)聯(lián)，也構(gòu)成了用戶之間的社會(huì)網(wǎng)絡(luò)，用戶所提交的專長文檔將被整合，形成一個(gè)相對穩(wěn)定的可獲取的知識(shí)庫，供用戶共享。這種方式將涌現(xiàn)出分眾分類法，用來組織系統(tǒng)信息和用戶，如圖4便是對專家專長分眾分類法的圖示描述。
　　主體自組織是按照一定的內(nèi)部模型進(jìn)行的，其中用戶自組織的內(nèi)部模型上述激勵(lì)機(jī)制，每個(gè)用戶都要預(yù)見到如果其采取某種行動(dòng)后將會(huì)產(chǎn)生的結(jié)果。信息自組織的內(nèi)部模型則是系統(tǒng)中所設(shè)計(jì)的各類算法，信息按照算法進(jìn)行演化。
　　2.2.2系統(tǒng)反饋本模型是一個(gè)開放式的系統(tǒng)，系統(tǒng)要演進(jìn)和優(yōu)化，循環(huán)反饋也是其中非常重要的一環(huán)，見圖5。對于每個(gè)用戶而言，通過其自身在系統(tǒng)中的自適應(yīng)活動(dòng)，是系統(tǒng)發(fā)生演化。同時(shí)，系統(tǒng)的輸出結(jié)果，又會(huì)使用戶的再次適應(yīng)活動(dòng)受到影響。在這些反饋中，最為主要的是負(fù)反饋，其結(jié)果是使系統(tǒng)進(jìn)一步趨于穩(wěn)定。在本系統(tǒng)的每一個(gè)部分，幾乎都涉及到了循環(huán)反饋，例如編輯者提交的資料、用戶tag及tag行為、社團(tuán)主題、社團(tuán)活動(dòng)方式和頻率等。
　　對于編輯者而言，若其需要成為專家，其必然會(huì)提交資料來證明。當(dāng)其資料被得到很好的響應(yīng)時(shí)，他便會(huì)發(fā)現(xiàn)什么樣的專長、什么樣的資料是當(dāng)前用戶所最需要的，甚至通過在與用戶的交互過程中，他也會(huì)發(fā)現(xiàn)，什么樣的用戶值得交流，什么樣的用戶可以直接拉入黑名單。這種不斷的反饋過程，使系統(tǒng)資料不斷得到更正，越來越趨向于大眾的喜好。
　　
　　3　結(jié)語
　　
　　在web2.0環(huán)境下，用戶充分的個(gè)性表達(dá)也預(yù)示著他們具有某種專長，他們同樣可能協(xié)助他人解決問題，從而，專長不再是少數(shù)權(quán)威人士的專利，“草根”也同樣具有專長，同樣可能成為專家，從而奠定了本文研究的基本思想和出發(fā)點(diǎn)。本文利用復(fù)雜性科學(xué)構(gòu)建了自適應(yīng)專長識(shí)別與共享模型，從理論層面在一定程度上解決了新環(huán)境下的專長識(shí)別與共享問題，具體包括以下幾點(diǎn)：①將每個(gè)用戶都視為潛在專家，系統(tǒng)能識(shí)別出每個(gè)人的專長與專長水平，并能識(shí)別出團(tuán)體、組織的專長；②專家專長由用戶的自由標(biāo)簽(tag)來標(biāo)記，符合大眾化的需求，從而使專長標(biāo)記不再局限于專業(yè)領(lǐng)域的分類法，而是采用使能為大多數(shù)人所能理解和接受的方式，增強(qiáng)系統(tǒng)可用性；③專長證據(jù)提交，專長識(shí)別，社團(tuán)組織等都由用戶自身進(jìn)行，采用用戶參與架構(gòu)的系統(tǒng)設(shè)計(jì)模式，有機(jī)配置知識(shí)場，使系統(tǒng)的自組織和演化自動(dòng)進(jìn)行，大大降低了專長識(shí)別與共享的成本；④提供了便利的專家搜尋路徑，充分利用各種交流工具，并自動(dòng)構(gòu)建專長知識(shí)庫，使專長的交流與共享的難度大大降低。

相關(guān)熱詞搜索：專長 識(shí)別 模型 基于Ｗｅｂ２．０的專長識(shí)別與共享模型研究 阿里的博客 人肉搜索的自組織聚合探析