發(fā)布時(shí)間：所屬分類：文史論文瀏覽：1次
摘 要： 摘要文章鑒于目前應(yīng)急專家發(fā)現(xiàn)存在的問題，提出構(gòu)建應(yīng)急專家發(fā)現(xiàn)路徑融合模型。從融合介入時(shí)間節(jié)點(diǎn)將模型劃分為三個(gè)子模式：應(yīng)急專家關(guān)聯(lián)資源整合在評(píng)估資源分布態(tài)勢(shì)的基礎(chǔ)之上，設(shè)計(jì)基于資源均衡度的路徑加權(quán)融合流程;應(yīng)急專家特征融合引入工程化建模邏輯，
摘要文章鑒于目前應(yīng)急專家發(fā)現(xiàn)存在的問題，提出構(gòu)建應(yīng)急專家發(fā)現(xiàn)路徑融合模型。從融合介入時(shí)間節(jié)點(diǎn)將模型劃分為三個(gè)子模式：應(yīng)急專家關(guān)聯(lián)資源整合在評(píng)估資源分布態(tài)勢(shì)的基礎(chǔ)之上，設(shè)計(jì)基于資源均衡度的路徑加權(quán)融合流程;應(yīng)急專家特征融合引入工程化建模邏輯，構(gòu)建從特征選擇到特征關(guān)聯(lián)，再到特征融合的分析模式;應(yīng)急專家發(fā)現(xiàn)結(jié)果融合在不改變?cè)邪l(fā)現(xiàn)渠道的同時(shí)，通過設(shè)計(jì)分面指標(biāo)及分面排名融合算法，獲取各路徑推薦的綜合結(jié)果。結(jié)合典型場(chǎng)景及業(yè)務(wù)需求構(gòu)建應(yīng)急專家發(fā)現(xiàn)路徑融合模型，可為應(yīng)急處置提供全面有效的智力支撐。不同融合模式的橫向比較還未進(jìn)行深入探討與分析。
關(guān)鍵詞：應(yīng)急決策,專家發(fā)現(xiàn),特征融合,排名分析,資源均衡度
1引言
應(yīng)急決策(CrisisDecision-Making)是一種非常規(guī)的、非程序化的決策，決策主體在有限的資源、人力、時(shí)間和信息等不利因素下，對(duì)突發(fā)事件態(tài)勢(shì)做出研判和快速行為的過程。與常規(guī)決策相比，應(yīng)急決策具有決策目標(biāo)動(dòng)態(tài)權(quán)變、決策信息嚴(yán)重不對(duì)稱、決策環(huán)境復(fù)雜多變、決策步驟非程序化等特點(diǎn)。作為一種非結(jié)構(gòu)化的決策，應(yīng)急決策采用定量分析模型不易，因此專家咨詢法應(yīng)用尤其廣泛。融合了專家群體的知識(shí)與經(jīng)驗(yàn)，應(yīng)急專家咨詢法可最大程度地降低方案施行過程產(chǎn)生的風(fēng)險(xiǎn)，提升決策的質(zhì)量，其鮮明特征體現(xiàn)在：參與應(yīng)急咨詢的專家來源更分散，應(yīng)急咨詢的質(zhì)量很大程度上取決于應(yīng)急專家發(fā)現(xiàn)的效率和效果，而傳統(tǒng)信息咨詢已行業(yè)化和規(guī)范化，其咨詢?nèi)藛T多來自機(jī)構(gòu)內(nèi)部。
從本質(zhì)上講，應(yīng)急專家發(fā)現(xiàn)是決策需求與專家特征相似度匹配的過程，匹配的前提是決策需求與專家特征的最終表達(dá)形式要一致。知識(shí)經(jīng)濟(jì)時(shí)代，專業(yè)知識(shí)體系構(gòu)成了領(lǐng)域內(nèi)的知識(shí)共同體——專家團(tuán)隊(duì)，但共同體中的專家節(jié)點(diǎn)總體上并不一定具有明晰的架構(gòu)。這一方面說明研究正趨于集群化[1-2]，另一方面也表明專家特征具有模糊性和時(shí)變性。
現(xiàn)有應(yīng)急專家發(fā)現(xiàn)通常借助4類網(wǎng)絡(luò)：
(1)人際網(wǎng)絡(luò)。人際網(wǎng)絡(luò)是人際關(guān)系的總和，而人際關(guān)系是專家社會(huì)關(guān)系的重要組成部分。作為一個(gè)開放復(fù)雜的巨系統(tǒng)，應(yīng)急管理具有多尺度、多變性、多主體和多因素的特征，需要大量不同領(lǐng)域的專家共同參與到?jīng)Q策咨詢中[3]。為領(lǐng)域內(nèi)的應(yīng)急任務(wù)發(fā)現(xiàn)專家，召集人憑借對(duì)領(lǐng)域環(huán)境的熟知還能應(yīng)對(duì)�？珙I(lǐng)域合作則要求更加合理的知識(shí)及人員組成結(jié)構(gòu)，召集人僅憑主觀判定，在選擇專家時(shí)可能會(huì)造成一定誤差，這些誤差源自信息的不對(duì)稱[4-5]。
(2)文獻(xiàn)網(wǎng)絡(luò)。文獻(xiàn)網(wǎng)絡(luò)是文獻(xiàn)資源及其關(guān)系的總和，目前國(guó)內(nèi)外圍繞它開發(fā)的較有代表性的系統(tǒng)包括：FacFinder專家搜索引擎[6]、SmallBlue專家搜索軟件[7-8]、科技咨詢系統(tǒng)[9-10]、專家檢索系統(tǒng)[11-12]、基于本體的專家定位系統(tǒng)[13]和C-DBLP(http://c-dblp.cn/)等。除此之外，各類文獻(xiàn)系統(tǒng)也已成為定位專家的重要途徑，目前國(guó)內(nèi)三大學(xué)術(shù)數(shù)據(jù)庫(kù)(CNKI、萬方和維普)都有專家檢索入口，但數(shù)據(jù)量并不大，且專家信息組織偏重外部特征，對(duì)內(nèi)容特征的揭示不深。
(3)組織網(wǎng)絡(luò)。通過電子政務(wù)等工程，目前應(yīng)急管理各級(jí)行政部門很多建設(shè)了專家?guī)臁＜颐浀冉Y(jié)構(gòu)化數(shù)據(jù)，但這些數(shù)據(jù)的采集往往依靠行政命令，缺少應(yīng)急相關(guān)的客觀知識(shí)體系輔助，專家特征表達(dá)規(guī)范程度不高，存在一詞多義、異詞同義等自然語言問題，決策需求與專家特征的完全匹配將造成部分相關(guān)專家的漏檢[14]，進(jìn)而影響到應(yīng)急決策咨詢團(tuán)隊(duì)知識(shí)結(jié)構(gòu)的系統(tǒng)性。除此之外，現(xiàn)有專家?guī)臁＜颐浉轮芷谕^長(zhǎng)，直接影響到應(yīng)急專家發(fā)現(xiàn)的全面性。
(4)開放網(wǎng)絡(luò)。開放網(wǎng)絡(luò)關(guān)聯(lián)到的專家資源數(shù)量大、質(zhì)量參差不齊，且部分信息來源于文獻(xiàn)數(shù)據(jù)庫(kù)。這些資源多采用檢索模型來處置專家識(shí)別過程[15-16]，開放網(wǎng)絡(luò)資源專家特征(如名稱、研究方向等)常以關(guān)鍵詞形式包括在非結(jié)構(gòu)化或半結(jié)構(gòu)化的文本中，需要采用文本分析方法獲取屬性數(shù)據(jù)。鑒于應(yīng)急決策質(zhì)量的高要求，從開放網(wǎng)絡(luò)發(fā)現(xiàn)的專家可信度仍需要進(jìn)一步驗(yàn)證，而可信度大小可作為結(jié)果相關(guān)度判斷的標(biāo)準(zhǔn)之一，為決策主體認(rèn)可與否專家提供參考[17]。
現(xiàn)有四種專家發(fā)現(xiàn)路徑都各自存在一定的局限性：通過人際網(wǎng)絡(luò)發(fā)現(xiàn)專家不夠客觀，且不利于跨學(xué)科專家發(fā)現(xiàn);通過組織網(wǎng)絡(luò)層層上報(bào)的專家特征表達(dá)不夠規(guī)范，且更新周期比較長(zhǎng)，需要構(gòu)建客觀知識(shí)體系進(jìn)行規(guī)范;文獻(xiàn)網(wǎng)絡(luò)發(fā)現(xiàn)的專家多來自學(xué)術(shù)機(jī)構(gòu)，覆蓋面不足，尤其是對(duì)“小眾專家”識(shí)別力度不夠;開放網(wǎng)絡(luò)關(guān)聯(lián)到的專家資源豐富，但質(zhì)量差異明顯，需要設(shè)計(jì)資源可信度評(píng)測(cè)算法，以提升專家發(fā)現(xiàn)質(zhì)量。鑒于應(yīng)急專家發(fā)現(xiàn)基準(zhǔn)路徑存在的問題，本研究提出應(yīng)急專家發(fā)現(xiàn)路徑的融合模型。
2應(yīng)急專家發(fā)現(xiàn)路徑融合模型概述
應(yīng)急專家發(fā)現(xiàn)路徑融合模型以單一應(yīng)急專家發(fā)現(xiàn)路徑分析為基礎(chǔ)，可采用“增量分析+逐步迭代”方式來進(jìn)行路徑融合，也可應(yīng)用元組織方法將各類路徑整合成特征關(guān)聯(lián)網(wǎng)絡(luò)。前者借鑒工程化設(shè)計(jì)邏輯來串聯(lián)應(yīng)急專家發(fā)現(xiàn)各個(gè)環(huán)節(jié)，后者采用文本網(wǎng)絡(luò)化技術(shù)來構(gòu)建由客觀知識(shí)聯(lián)系形成的異質(zhì)網(wǎng)絡(luò)。兩者融合的策略與融合結(jié)果的表現(xiàn)形式都存在一定差異，這主要源于不同學(xué)科對(duì)融合內(nèi)涵的認(rèn)知不同：遵照應(yīng)急專家發(fā)現(xiàn)系統(tǒng)開發(fā)模式，增量迭代模型強(qiáng)調(diào)將差異化的應(yīng)急專家發(fā)現(xiàn)路徑轉(zhuǎn)換為統(tǒng)一的過程，基準(zhǔn)發(fā)現(xiàn)路徑不展現(xiàn)在最終融合結(jié)果中。
元組織模型采用網(wǎng)絡(luò)科學(xué)方法解決信息組織問題，注重不同發(fā)現(xiàn)路徑的形式聚合，而非內(nèi)容融合，最終融合結(jié)果包含基準(zhǔn)發(fā)現(xiàn)路徑。兩種融合方式各有優(yōu)劣，前者信息融合徹底，不存在對(duì)專家特征的誤讀，因?yàn)樵谥鸺?jí)迭代過程中已經(jīng)解決了不同路徑發(fā)現(xiàn)的同一專家特征間存在噪聲和沖突問題;后者嚴(yán)格上講只是以專家為連接點(diǎn)，將不同路徑發(fā)現(xiàn)的專家特征序列進(jìn)行綜合展現(xiàn)。本質(zhì)上講，后者是前者融合的基礎(chǔ)，兩者共同展現(xiàn)了信息融合的兩個(gè)不同層級(jí)：形式聚合與內(nèi)容融合。本文將在上述融合模式分析的基礎(chǔ)之上，設(shè)計(jì)應(yīng)急專家發(fā)現(xiàn)路徑融合模型，如圖1所示。，應(yīng)急專家發(fā)現(xiàn)路徑融合可依照三類模式來展開：
(1)應(yīng)急專家關(guān)聯(lián)資源整合。引言以應(yīng)急專家關(guān)聯(lián)資源類型為分類標(biāo)準(zhǔn)，將應(yīng)急專家發(fā)現(xiàn)路徑分為4類，這些資源共同組成了應(yīng)急專家特征提取的語料集，應(yīng)急專家關(guān)聯(lián)資源整合就是要把揭示同一專家特征的多源異構(gòu)資源進(jìn)行有機(jī)地整合，形成規(guī)范的未解析的應(yīng)急專家發(fā)現(xiàn)數(shù)據(jù)集。
(2)應(yīng)急專家特征融合。特征融合是在對(duì)不同分面資源解析的基礎(chǔ)之上，利用文本分析、統(tǒng)計(jì)分析等算法，識(shí)別并提取能夠表達(dá)應(yīng)急專家特征的詞序列，常見的數(shù)學(xué)表達(dá)形式為特征詞向量。之后依據(jù)預(yù)定好規(guī)則對(duì)特征詞進(jìn)行選擇，根據(jù)特征詞之間存在的客觀知識(shí)聯(lián)系，采用耦合分析建立基于特征關(guān)聯(lián)的應(yīng)急專家網(wǎng)絡(luò)，進(jìn)一步對(duì)該網(wǎng)絡(luò)進(jìn)行社群結(jié)構(gòu)識(shí)別，還可發(fā)掘知識(shí)相似或知識(shí)互補(bǔ)的專家群。
(3)應(yīng)急專家發(fā)現(xiàn)結(jié)果融合。結(jié)果融合導(dǎo)向應(yīng)急專家參與的典型場(chǎng)景及業(yè)務(wù)需求，通過突發(fā)事件分類與情景分析刻畫出應(yīng)急情景特征，計(jì)算出應(yīng)急情景特征與應(yīng)急專家特征之間的匹配度，獲取不同路徑推薦的專家排名后，借助排名融合算法生成專家綜合排名，從而根據(jù)應(yīng)急專家咨詢團(tuán)隊(duì)人數(shù)及知識(shí)結(jié)構(gòu)需求確認(rèn)最終結(jié)果。
需要注意的是，上述三類模式的融合并非遞進(jìn)關(guān)系，而是并列關(guān)系：資源整合是在資源描述形式統(tǒng)一的基礎(chǔ)之上，依據(jù)資源分布狀況與信源可信度，綜合確認(rèn)不同資源在揭示應(yīng)急專家特征的權(quán)重，采用加權(quán)計(jì)算方式獲取最終結(jié)果;特征融合是在對(duì)應(yīng)急專家特征識(shí)別、提取和表達(dá)的基礎(chǔ)之上，添加特征關(guān)聯(lián)環(huán)節(jié)，構(gòu)建“專家-特征-專家”的異質(zhì)網(wǎng)絡(luò);鑒于大規(guī)模在線數(shù)據(jù)更新給資源保管帶來了極大挑戰(zhàn)，結(jié)果融合強(qiáng)化從末端提升應(yīng)急專家遴選的效率，引入分面排名融合算法來簡(jiǎn)化大規(guī)模資源整合的難度。
3資源加權(quán)：應(yīng)急專家關(guān)聯(lián)資源整合流程
應(yīng)急專家關(guān)聯(lián)資源整合包括資源結(jié)構(gòu)化處理、資源權(quán)重設(shè)計(jì)和基于資源均衡度的專家路徑融合三個(gè)環(huán)節(jié)，其中資源加權(quán)是資源整合流程設(shè)計(jì)的核心邏輯。各環(huán)節(jié)具體內(nèi)容為：
(1)資源結(jié)構(gòu)化處理。揭示應(yīng)急專家特征的資源類型多樣，質(zhì)量參差不齊，因此需要通過去重、清洗、合并等一系列規(guī)范化處理步驟進(jìn)行預(yù)處理。同時(shí)這些資源還存在一詞多義、表意模糊等自然語言問題，因而需要引入客觀知識(shí)體系，以對(duì)資源語義進(jìn)行合理映射和規(guī)范描述，結(jié)合元分析、主題分析等方法，將非結(jié)構(gòu)的資源轉(zhuǎn)換為結(jié)構(gòu)化的特征向量。
(2)資源權(quán)重設(shè)計(jì)。隨著應(yīng)急專家對(duì)外溝通渠道的日趨多樣化，適用于專家發(fā)現(xiàn)的資源既包括傳統(tǒng)的學(xué)術(shù)文獻(xiàn)，還包括社交網(wǎng)絡(luò)資源和Web資源。不同渠道獲取的資源可信度存在著一定差異，如果不依據(jù)信源可信度對(duì)資源揭示專家特征的能力進(jìn)行權(quán)重設(shè)置，可能會(huì)導(dǎo)致融合后獲取的應(yīng)急專家特征出現(xiàn)較大噪聲。權(quán)重設(shè)定既可以依托專家經(jīng)驗(yàn)評(píng)估，還可以依據(jù)資源分布狀況。為避免主觀評(píng)價(jià)可能產(chǎn)生的隨意性，提出使用資源均衡度指標(biāo)來設(shè)計(jì)資源權(quán)重。
4特征關(guān)聯(lián)：應(yīng)急專家特征融合流程
應(yīng)急專家特征融合流程包括特征選擇、特征關(guān)聯(lián)和特征融合，其中特征關(guān)聯(lián)是特征融合實(shí)現(xiàn)的關(guān)鍵。各環(huán)節(jié)具體內(nèi)容表現(xiàn)為：
(1)應(yīng)急專家特征選擇。突發(fā)事件處置的典型場(chǎng)景為應(yīng)急專家發(fā)現(xiàn)指明了特定的業(yè)務(wù)需求，但無論哪一類需求都存在共性的特征選擇方法。特征選擇是從預(yù)處理好的特征向量中選取有意義的特征詞輸入到機(jī)器學(xué)習(xí)的模型和算法中進(jìn)行訓(xùn)練，選擇將重點(diǎn)依據(jù)特征發(fā)散程度和與需求的相關(guān)程度來綜合評(píng)斷。前者重點(diǎn)評(píng)判特征詞對(duì)樣本的區(qū)分程度，常見的測(cè)度指標(biāo)為方差，其值越接近0，表明特征詞對(duì)樣本的區(qū)分程度越弱。
后者從預(yù)測(cè)分析角度計(jì)算特征詞與需求的匹配程度，常見分析指標(biāo)包括相關(guān)系數(shù)法、卡方檢驗(yàn)、互信息法等。同時(shí)為最大程度降低特征選擇的計(jì)算量，特征選擇還可建立在特征詞分類基礎(chǔ)之上，基礎(chǔ)分類維度可設(shè)計(jì)為三類：屬性特征詞、內(nèi)容特征詞、上下文特征詞。屬性特征詞說明專家的基本信息，內(nèi)容特征詞表達(dá)專家知識(shí)背景、研究專長(zhǎng)及影響力，上下文特征詞說明專家應(yīng)對(duì)突發(fā)情形的情景信息。
(2)應(yīng)急專家特征關(guān)聯(lián)。揭示應(yīng)急專家特征的語詞間存在著客觀的知識(shí)聯(lián)系，發(fā)掘并細(xì)化這種語義關(guān)系將為應(yīng)急專家網(wǎng)絡(luò)的構(gòu)建提供基礎(chǔ)支撐。常采用的特征關(guān)聯(lián)方法有：一是統(tǒng)計(jì)共現(xiàn)分析，提取應(yīng)急專家特征向量共同包含的特征詞，以這些特征詞為連接點(diǎn)，構(gòu)建“專家-特征-專家”網(wǎng)絡(luò)，進(jìn)一步通過矩陣自身與其轉(zhuǎn)置的相乘，可獲取“專家-專家”網(wǎng)絡(luò);二是語義內(nèi)容分析，引入領(lǐng)域相關(guān)詞表，判別特征詞間的語義類型，建構(gòu)當(dāng)前特征詞間的語義組織網(wǎng)絡(luò)。
兩種特征關(guān)聯(lián)構(gòu)建方法各有優(yōu)劣，統(tǒng)計(jì)共現(xiàn)分析直觀易操作，但特征詞關(guān)聯(lián)的類型相對(duì)有限;語義內(nèi)容分析能夠更為準(zhǔn)確全面揭示語詞間的語義關(guān)系，但需要面向特定主題的詞表支撐。為兼顧統(tǒng)計(jì)數(shù)值計(jì)算和語義細(xì)化分析，現(xiàn)實(shí)應(yīng)用中往往以統(tǒng)計(jì)共現(xiàn)分析所建立的矩陣為語義分析基礎(chǔ)數(shù)據(jù)，結(jié)合領(lǐng)域詞表、專家判定和機(jī)器學(xué)習(xí)算法對(duì)矩陣數(shù)值進(jìn)行語義修正，進(jìn)而服務(wù)于精細(xì)化的專家檢索及社群結(jié)構(gòu)識(shí)別。
(3)應(yīng)急專家特征融合。特征選擇只是特征處理的第一步，特征關(guān)聯(lián)也只實(shí)現(xiàn)了應(yīng)急專家形式上聚合，后續(xù)將依據(jù)特征詞規(guī)模進(jìn)行降維處理和融合分析。特征選擇必須要進(jìn)行融合模型訓(xùn)練，但受限于特征詞規(guī)模，模型訓(xùn)練往往會(huì)導(dǎo)致計(jì)算量大，訓(xùn)練時(shí)間長(zhǎng)的問題，因此需要采用基于L1懲罰項(xiàng)的分析、主成分分析(PCA，無監(jiān)督的降維方法)、線性判別分析(LDA，有監(jiān)督的降維方法)等方法將原始的樣本映射到維度更低的樣本空間中，這將極大提升應(yīng)急專家特征向量融合的計(jì)算效率。
設(shè)計(jì)應(yīng)急專家特征融合方法的核心在于改進(jìn)和組配現(xiàn)有數(shù)據(jù)挖掘、模式識(shí)別等典型算法及模型，最大程度降低特征疊加過程中產(chǎn)生的信息噪聲和消解不同資源提取特征間的沖突。從特征選取到降維，再到特征融合，這一系列分析共同構(gòu)成了應(yīng)急專家發(fā)現(xiàn)的特征工程，該工程既要強(qiáng)調(diào)特征在應(yīng)急專家顯式表達(dá)過程的關(guān)鍵作用，也要保證各環(huán)節(jié)模型算法的效果和效率。
5排名推薦：應(yīng)急專家發(fā)現(xiàn)結(jié)果融合流程
應(yīng)急專家發(fā)現(xiàn)結(jié)果融合包括分面排名指標(biāo)設(shè)計(jì)和分面排名融合兩個(gè)環(huán)節(jié)，各環(huán)節(jié)內(nèi)容主要為：
(1)分面排名指標(biāo)設(shè)計(jì)。結(jié)果融合最大程度地保留了原有的應(yīng)急專家發(fā)現(xiàn)路徑，在無差別獲取應(yīng)急專家集合的基礎(chǔ)之上，通過分面排名指標(biāo)的設(shè)計(jì)，給出面向應(yīng)急處置特定主題領(lǐng)域的專家排名。排名計(jì)算需要綜合的指標(biāo)包括三個(gè)維度：一是專家個(gè)人分面，主要涉及與應(yīng)急相關(guān)的個(gè)人基本信息，如機(jī)構(gòu)、城市等地理信息，這將為基于位置鄰近的推薦提供基礎(chǔ)數(shù)據(jù)。
二是專家文本分面，主要涉及專家專長(zhǎng)領(lǐng)域、專家研究主題、參與應(yīng)急處置經(jīng)歷等，專長(zhǎng)領(lǐng)域與突發(fā)事件分類體系要緊密對(duì)照，專家研究主題要標(biāo)記時(shí)間戳，以體現(xiàn)專家關(guān)注主題的遷移脈絡(luò)，應(yīng)急處置經(jīng)歷反映了專家實(shí)踐工作能力，配合應(yīng)急處置效果評(píng)估，能夠最大程度簡(jiǎn)化應(yīng)急專家發(fā)現(xiàn)流程;三是專家影響分面，主要涉及傳統(tǒng)的學(xué)術(shù)評(píng)價(jià)和效果評(píng)價(jià)，學(xué)術(shù)評(píng)價(jià)關(guān)聯(lián)到專家發(fā)表作品的載體影響力以及引用擴(kuò)散情況，效果評(píng)價(jià)強(qiáng)調(diào)理論研究成果的技術(shù)轉(zhuǎn)化情況、指導(dǎo)應(yīng)急處置的效力等。
(2)分面排名融合。上述三個(gè)分面下都需設(shè)計(jì)定性與定量相結(jié)合的指標(biāo)體系，這樣才能在突發(fā)事件情景分析的基礎(chǔ)之上，綜合給出不同分面下的專家排名。獲取的應(yīng)急專家分面排名間可能存在一定沖突，必須設(shè)計(jì)沖突消解算法來進(jìn)行分面排名融合。目前應(yīng)用較多的排名融合算法是專家系統(tǒng)中的不確定性決策方法D-S證據(jù)推理[20-21]，在之前研究中《應(yīng)急參考咨詢團(tuán)隊(duì)構(gòu)建模式研究》[22]中，我們已對(duì)D-S證據(jù)推理模型在應(yīng)急專家發(fā)現(xiàn)及團(tuán)隊(duì)組建中的應(yīng)用過程進(jìn)行了系統(tǒng)分析和效果驗(yàn)證。
除此之外，還可采用加權(quán)平均、TOP⁃SIS等算法對(duì)分面排名進(jìn)行融合，最終目的都是為了獲取綜合排名結(jié)果，所以信息融合算法需要設(shè)計(jì)相對(duì)繁復(fù)的融合步驟，以消除分面排名間的不一致。分面排名融合效果評(píng)測(cè)指標(biāo)可以選取排名值重復(fù)率和排名一致率：排名值重復(fù)率定義為專家分面排名值重復(fù)比例的均值，其值越大表明排名采納率越低;排名一致率定義為在不同分面排名下的順序一致的專家對(duì)數(shù)，其值越大表明分面排名兼容性越強(qiáng)。
6結(jié)語
目前應(yīng)急專家發(fā)現(xiàn)路徑主要借助4類網(wǎng)絡(luò)，但每一類網(wǎng)絡(luò)都存在尚需完善的環(huán)節(jié)，借此本文試圖構(gòu)建應(yīng)急專家發(fā)現(xiàn)路徑的融合模型。從融合介入的時(shí)間節(jié)點(diǎn)，融合模型又被分為應(yīng)急專家關(guān)聯(lián)資源整合、應(yīng)急專家特征融合和應(yīng)急專家發(fā)現(xiàn)結(jié)果融合。資源整合以權(quán)重設(shè)計(jì)為指導(dǎo)原則，根據(jù)揭示專家特征的資源分布態(tài)勢(shì)，可設(shè)計(jì)基于資源均衡度的路徑融合流程;特征融合以特征關(guān)聯(lián)為銜接紐帶，借鑒工程化建模思想，意圖設(shè)計(jì)從特征選擇到特征關(guān)聯(lián)，再到特征融合的一整套應(yīng)急專家發(fā)現(xiàn)流程;結(jié)果融合在不改變既有應(yīng)急專家發(fā)現(xiàn)路徑的基礎(chǔ)之上，設(shè)計(jì)分面排名指標(biāo)，構(gòu)建分面排名融合算法，寄期望從各路徑獲取一致性的推薦結(jié)果集。
資源整合和特征融合可通過構(gòu)建應(yīng)急專家?guī)靵韺?shí)現(xiàn)集中化管理，但在前期資源建設(shè)與特征工程設(shè)計(jì)環(huán)節(jié)需要投入較大成本;結(jié)果融合最大程度地保留了現(xiàn)有專家發(fā)現(xiàn)渠道，技術(shù)層面不存在較大問題，但需要注意應(yīng)急專家發(fā)現(xiàn)與管理主體之間的組織協(xié)調(diào)。同時(shí)我們也注意到，目前信息融合方法的應(yīng)用對(duì)象還多集中于社會(huì)化專家，較少關(guān)聯(lián)到應(yīng)急管理領(lǐng)域，但相關(guān)研究方法對(duì)應(yīng)急專家發(fā)現(xiàn)路徑融合模型設(shè)計(jì)具有很大參考價(jià)值。同時(shí)路徑融合各個(gè)環(huán)節(jié)都普遍設(shè)置了多類評(píng)測(cè)指標(biāo)，為解決融合過程的噪聲和沖突，各融合模式往往借鑒和改造其他學(xué)科較為成熟的方法，改造后的融合結(jié)果總體來講都比基準(zhǔn)方法效果要好，但改進(jìn)后不同融合模式的橫向比較還未進(jìn)行深入的探討與分析。
參考文獻(xiàn)
[1]WuchtyS,JonesBF,UzziB.Theincreasingdominanceofteamsinproductionofknowledge[J].Science,2007,316(5827):1036-1039.
[2]BörnerK,Dall’AstaL,KeW,etal.Studyingtheemergingglob⁃albrain:analyzingandvisualizingtheimpactofco-authorshipteams[J].Complexity,2005,10(4):57-67.
[3]范維澄.國(guó)家突發(fā)公共事件應(yīng)急管理中科學(xué)問題的思考和建議[J].中國(guó)科學(xué)基金,2007,21(2):71-76.
[4]程少川,李高,鄭俊.面向跨學(xué)科創(chuàng)新合作的知識(shí)推送方法研究[J].情報(bào)學(xué)報(bào),2013,32(2):148-153.
[5]李綱,葉光輝.基于模糊匹配的跨學(xué)科專家團(tuán)隊(duì)發(fā)現(xiàn)算法研究[J].情報(bào)學(xué)報(bào),2014,33(1):68-76.
相關(guān)知識(shí)閱讀：情報(bào)學(xué)報(bào)核心期刊征稿時(shí)間
《情報(bào)學(xué)報(bào)》是由中華人民共和國(guó)新聞出版總署、正式批準(zhǔn)公開發(fā)行的優(yōu)秀期刊。自創(chuàng)刊以來，以新觀點(diǎn)、新方法、新材料為主題，堅(jiān)持"期期精彩、篇篇可讀"的理念。情報(bào)學(xué)報(bào)內(nèi)容詳實(shí)、觀點(diǎn)新穎、文章可讀性強(qiáng)、信息量大，眾多的欄目設(shè)置，情報(bào)學(xué)報(bào)公認(rèn)譽(yù)為具有業(yè)內(nèi)影響力的雜志之一。情報(bào)學(xué)報(bào)并獲中國(guó)優(yōu)秀期刊獎(jiǎng)，現(xiàn)中國(guó)期刊網(wǎng)數(shù)據(jù)庫(kù)全文收錄期刊。