基于SemRank的CWME專(zhuān)家權(quán)威度計(jì)算方法研討

基于SemRank的CWME專(zhuān)家權(quán)威度計(jì)算方法研討

摘要:針對(duì)綜合集成研討環(huán)境中的專(zhuān)家權(quán)威度評(píng)價(jià)問(wèn)題，提出了一種基于SemRank的專(zhuān)家權(quán)威度計(jì)算方法。該方法既考慮專(zhuān)家之間的交互結(jié)構(gòu)，又考慮專(zhuān)家發(fā)言內(nèi)容之間的語(yǔ)義關(guān)聯(lián)。由于專(zhuān)家之間的交互具有動(dòng)態(tài)復(fù)雜性，在計(jì)算語(yǔ)義關(guān)聯(lián)時(shí)，引入了時(shí)間衰減函數(shù)，反映時(shí)間這一要素的影響。實(shí)驗(yàn)結(jié)果表明，提出的專(zhuān)家權(quán)威度計(jì)算方法合理有效;在綜合集成研討環(huán)境中，對(duì)促進(jìn)專(zhuān)家良性互動(dòng)和激發(fā)專(zhuān)家思維具有一定的作用。關(guān)鍵詞:基于cyberspace的綜合集成研討廳;群體交互;SemRank;開(kāi)放的復(fù)雜巨系統(tǒng)

ExpertauthorityestimatingmethodbasedonSemRankinCWME

WANGAi，LIYao-dong，LIWei-jie

(KeyLaboratoryofComplexSystems&IntelligenceScience，InstituteofAutomation，ChineseAcademyofSciences，Beijing100190，China)

Abstract:Tosolvetheproblemofmeasuringexperts’authorityinCWME，thispaperproposedamethodforestimatingexpertauthoritybasedonSemRank.Thismethodnotonlyconsideredtheinteractivestructurebetweenexperts，butalsotookintoaccountsemanticrelationbetweentheexperts’speeches.Astheinteractionbetweenexpertspossesseddynamiccomplexity，introducedthetimedecayfunctiontoestimatingsemanticrelation.Experimentalresultshowsthattheproposedmethodisfeasibleandeffective.ItlaysagoodfoundationforexpertstointeractandinspireinCWME.

Keywords:cyberspaceforworkshopofmetasyntheticengineering(CWME);collectiveinteraction;SemRank;opencomplexgiantsystems

0引言

1990年錢(qián)學(xué)森等人[1]提出開(kāi)放的復(fù)雜巨系統(tǒng)的概念，以及處理這類(lèi)系統(tǒng)的方法論——從定性到定量的綜合集成方法。綜合集成法就其實(shí)質(zhì)而言是將專(zhuān)家群體(各種有關(guān)的專(zhuān)家)、數(shù)據(jù)和各種信息與計(jì)算機(jī)技術(shù)有機(jī)地結(jié)合起來(lái)，把各種學(xué)科的科學(xué)理論和人的經(jīng)驗(yàn)知識(shí)結(jié)合起來(lái)，三者構(gòu)成一個(gè)系統(tǒng)。這個(gè)方法的成功關(guān)鍵在于充分發(fā)揮了系統(tǒng)的整體優(yōu)勢(shì)和綜合優(yōu)勢(shì)。1992年3月，錢(qián)學(xué)森進(jìn)一步提出了人機(jī)結(jié)合，從定性到定量的綜合集成研討廳(HWME)體系的思想[2]。這個(gè)研討廳的構(gòu)思是把人集成于系統(tǒng)之中，采用人機(jī)結(jié)合、以人為主的技術(shù)路線，充分發(fā)揮人的作用，使研討的集體在討論問(wèn)題時(shí)互相啟發(fā)，互相激活，使集體創(chuàng)見(jiàn)遠(yuǎn)遠(yuǎn)勝過(guò)個(gè)人的智慧[3]。

隨著Internet和各種通信網(wǎng)絡(luò)的迅速普及，cyberspace(電子空間和數(shù)字空間)成為一個(gè)重要的概念，它使參與者跨越時(shí)間和地域的限制，隨時(shí)隨地就所關(guān)心的問(wèn)題進(jìn)行研究、交流和探討，并可隨時(shí)利用網(wǎng)絡(luò)上的大量資源。信息技術(shù)的這個(gè)發(fā)展，為綜合集成研討廳的實(shí)現(xiàn)提供了一種新的、可能的形式，即基于cyberspace的綜合集成研討廳(CWME)[4]。通過(guò)多年的探索與實(shí)踐，已經(jīng)成功建立了幾個(gè)典型的CWME系統(tǒng)[5，6]。

在CWME體系中，專(zhuān)家群體是最具有能動(dòng)性的成員，各專(zhuān)家以研討的方式暢所欲言，充分表達(dá)自己的觀點(diǎn)，隨時(shí)進(jìn)行質(zhì)詢和辯論，以促進(jìn)對(duì)復(fù)雜問(wèn)題認(rèn)識(shí)的提高。但是在研討過(guò)程中，每個(gè)專(zhuān)家對(duì)同一復(fù)雜問(wèn)題的認(rèn)識(shí)和判斷都不盡相同，且參與者個(gè)人的行為和判斷會(huì)不同程度地影響周?chē)總€(gè)人的思維判斷，使得專(zhuān)家群體中的交互關(guān)系存在著微妙的隨時(shí)間變化的動(dòng)態(tài)復(fù)雜性。因此，在綜合集成研討廳體系中，如何衡量專(zhuān)家意見(jiàn)的合理性，計(jì)算在研討過(guò)程中涌現(xiàn)出來(lái)的專(zhuān)家權(quán)威度，刻畫(huà)專(zhuān)家群體之間的交互關(guān)系和結(jié)構(gòu)，從而促進(jìn)研討流暢、高效地進(jìn)行，是研討廳體系實(shí)踐和應(yīng)用過(guò)程中的一個(gè)重要問(wèn)題。

文獻(xiàn)[7]提出一種對(duì)發(fā)言觀點(diǎn)進(jìn)行權(quán)威度計(jì)算的方法。該方法借鑒萬(wàn)維網(wǎng)網(wǎng)頁(yè)的鏈接概念，根據(jù)發(fā)言之間的響應(yīng)關(guān)系建立廣義專(zhuān)家群體的有向鏈接結(jié)構(gòu)。該結(jié)構(gòu)采用有向?qū)傩詧D表示，專(zhuān)家的每條發(fā)言作為一個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)有兩個(gè)屬性，即見(jiàn)解質(zhì)量屬性和見(jiàn)解評(píng)價(jià)屬性。專(zhuān)家發(fā)言之間的響應(yīng)關(guān)系作為有向邊(鏈接)。根據(jù)發(fā)言響應(yīng)和被響應(yīng)的情況計(jì)算每條發(fā)言的權(quán)威度，發(fā)言被響應(yīng)的次數(shù)越多，該條發(fā)言的權(quán)威度越高;權(quán)威度較高的發(fā)言所響應(yīng)的發(fā)言，其權(quán)威度也較高，反之權(quán)威度越小。文獻(xiàn)[8]提出了基于即時(shí)發(fā)言評(píng)價(jià)的專(zhuān)家權(quán)威度計(jì)算方法。在研討過(guò)程中，各位專(zhuān)家在主持人的引導(dǎo)下按照一定的評(píng)價(jià)指標(biāo)即時(shí)對(duì)發(fā)言進(jìn)行評(píng)價(jià)，所采用的評(píng)價(jià)指標(biāo)是相關(guān)度、可信度、合理度以及啟發(fā)度。在研討過(guò)程中，一個(gè)專(zhuān)家的權(quán)威度主要是由其發(fā)言效率和評(píng)價(jià)效率決定的。因此，基于即時(shí)發(fā)言評(píng)價(jià)的專(zhuān)家權(quán)威度計(jì)算方法的基本思想是通過(guò)計(jì)算專(zhuān)家的發(fā)言效率和評(píng)價(jià)效率，并對(duì)兩者進(jìn)行適當(dāng)加權(quán)，進(jìn)而得出專(zhuān)家的總體權(quán)威度。

上述方法盡管可以計(jì)算專(zhuān)家某條發(fā)言的權(quán)威度，但是并沒(méi)有從語(yǔ)義的角度考慮專(zhuān)家的發(fā)言內(nèi)容之間的關(guān)系，同時(shí)也沒(méi)有考慮專(zhuān)家群體交互的動(dòng)態(tài)復(fù)雜性。基于此，本文提出了基于SemanticRank(SemRank)的專(zhuān)家權(quán)威度計(jì)算方法。該方法既考慮專(zhuān)家之間的交互結(jié)構(gòu)，又考慮專(zhuān)家發(fā)言內(nèi)容之間的語(yǔ)義關(guān)聯(lián);在計(jì)算語(yǔ)義關(guān)聯(lián)時(shí)，該方法還引入了時(shí)間要素這一概念來(lái)體現(xiàn)專(zhuān)家交互的動(dòng)態(tài)復(fù)雜性。實(shí)驗(yàn)結(jié)果表明，本文提出的專(zhuān)家權(quán)威度計(jì)算方法合理、有效，可以為與會(huì)專(zhuān)家在綜合集成研討環(huán)境中進(jìn)行良性互動(dòng)提供一定的參考意義。

1PageRank算法

本文提出的SemRank算法是在PageRank的基礎(chǔ)發(fā)展得到的，“PageRank”技術(shù)[9]最早由斯坦福大學(xué)的“Google”研究小組提出。可以用一種“隨機(jī)沖浪”模型作為“PageRank”的理論基礎(chǔ)，該模型描述網(wǎng)絡(luò)用戶對(duì)網(wǎng)頁(yè)的訪問(wèn)行為。假設(shè)如下:

a)用戶隨機(jī)地選擇一個(gè)網(wǎng)頁(yè)作為上網(wǎng)的起始網(wǎng)頁(yè);

b)看完這個(gè)網(wǎng)頁(yè)后，從該網(wǎng)頁(yè)所含的超鏈接中隨機(jī)地選擇一個(gè)頁(yè)面繼續(xù)進(jìn)行瀏覽;

c)沿著超鏈接前進(jìn)了一定數(shù)目的網(wǎng)頁(yè)后，用戶對(duì)這個(gè)主題感到厭煩，重新隨機(jī)選擇一個(gè)網(wǎng)頁(yè)進(jìn)行瀏覽，如此反復(fù)。

根據(jù)上述的用戶行為模型，PageRank的基本思想就是引入一個(gè)網(wǎng)頁(yè)的權(quán)威值的概念，其網(wǎng)頁(yè)的權(quán)威值與網(wǎng)頁(yè)的內(nèi)容無(wú)關(guān)，權(quán)威值計(jì)算是根據(jù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖。網(wǎng)頁(yè)p的權(quán)威值取決于兩個(gè)要素:a)有多少網(wǎng)頁(yè)引用了它(網(wǎng)頁(yè)p);b)引用網(wǎng)頁(yè)p的這些網(wǎng)頁(yè)的權(quán)威值。因此這是一個(gè)循環(huán)迭代的過(guò)程[10]。計(jì)算公式如下:x?p=dN+(1-d)?q∈pa[p]x?qh?q(1)

其中:d∈(0，1)是阻尼因子;h?q是節(jié)點(diǎn)q的出度，就是q有多少個(gè)超鏈接外鏈;pa[p]是指向p的網(wǎng)頁(yè)集合;N是指網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中節(jié)點(diǎn)數(shù)，即網(wǎng)頁(yè)的數(shù)量。

2基于SemRank的專(zhuān)家權(quán)威度計(jì)算方法

綜合集成研討廳體系的鏈接結(jié)構(gòu)是通過(guò)專(zhuān)家群體的有效互動(dòng)建立起來(lái)的。在互動(dòng)過(guò)程中，專(zhuān)家對(duì)以前的發(fā)言進(jìn)行評(píng)論，同時(shí)發(fā)表自己對(duì)問(wèn)題的見(jiàn)解，通過(guò)這種響應(yīng)建立起個(gè)體之間響應(yīng)關(guān)系，進(jìn)而可建立專(zhuān)家群體的有向鏈接結(jié)構(gòu)。鏈接結(jié)構(gòu)中，專(zhuān)家每次的發(fā)言為一個(gè)節(jié)點(diǎn)，專(zhuān)家發(fā)言的響應(yīng)或者被響應(yīng)關(guān)系為有向邊，從而使得這種鏈接結(jié)構(gòu)可用有向?qū)傩詧D表示。這與PageRank中描述WWW的有向?qū)傩杂邢嗨浦?WWW中的網(wǎng)頁(yè)對(duì)應(yīng)一個(gè)節(jié)點(diǎn)，WWW中網(wǎng)頁(yè)的鏈接關(guān)系對(duì)應(yīng)圖中的邊。文獻(xiàn)[7]采用的就是這個(gè)思路計(jì)算專(zhuān)家發(fā)言的權(quán)威度。

在實(shí)踐過(guò)程中，運(yùn)用上述方法卻經(jīng)常遇到兩個(gè)問(wèn)題:a)雖然某條發(fā)言A在長(zhǎng)時(shí)間內(nèi)得到較多的響應(yīng)，但此時(shí)發(fā)言的主題已經(jīng)發(fā)生了一定程度的改變，此時(shí)A的權(quán)威度理應(yīng)下降，但是由于PageRank算法本身不考慮發(fā)言內(nèi)容的語(yǔ)義相似度，導(dǎo)致計(jì)算出來(lái)的A的權(quán)威度偏高;b)越早的發(fā)言，權(quán)威度容易越高，這是因?yàn)檩^早的發(fā)言容易得到相對(duì)較多的響應(yīng)，或者說(shuō)最近的發(fā)言經(jīng)常尚未得到充分的響應(yīng)，此時(shí)按照PageRank計(jì)算的權(quán)威度會(huì)偏離真實(shí)的權(quán)威度情況。

針對(duì)這兩個(gè)常見(jiàn)問(wèn)題，在PageRank算法的基礎(chǔ)上，本文提出SemRank方法。該方法的優(yōu)勢(shì)在于:a)引入發(fā)言內(nèi)容的語(yǔ)義相似度計(jì)算方法，在衡量某條發(fā)言的權(quán)威度時(shí)，不僅考慮它得到了多少響應(yīng)，同時(shí)考慮它與所響應(yīng)的發(fā)言之間的語(yǔ)義聯(lián)系;b)引入時(shí)間衰減函數(shù)，對(duì)較近的響應(yīng)賦予較大的權(quán)重，削弱某些早期發(fā)言過(guò)于長(zhǎng)久的影響。

SemRank算法同樣根據(jù)有向?qū)傩詧D來(lái)計(jì)算每條發(fā)言的權(quán)威度，然后對(duì)每個(gè)專(zhuān)家的所有發(fā)言的權(quán)威值求均值，獲得該專(zhuān)家的總體權(quán)威度。

2.1發(fā)言內(nèi)容的動(dòng)態(tài)相似度計(jì)算

首先考慮專(zhuān)家發(fā)言之間的語(yǔ)義關(guān)聯(lián)，把研討中的每條發(fā)言表示成tf-idf向量形式，采用余弦相似度計(jì)算語(yǔ)義關(guān)聯(lián)程度，計(jì)算公式如下:

sim(u，v)=?ω∈u，vtf?u(ω)tf?v(ω)idf(ω)?2

?ω∈u(tf?u(ω)idf(ω))?2

?ω∈v(tf?v(ω)idf(ω))?2

(2)

其中:tf?u(ω)和tf?v(ω)分別表示詞ω在發(fā)言u(píng)和v中的詞頻;idf(ω)表示逆文本頻率，計(jì)算公式為

idf(ω)=log(N/n?ω)(3)

其中:n?ω是表示有多少條發(fā)言包含詞ω，N為總的發(fā)言數(shù)。

式(2)只考慮了專(zhuān)家發(fā)言之間的靜態(tài)關(guān)系。實(shí)際上這種關(guān)系應(yīng)該是與時(shí)間相關(guān)的:兩條發(fā)言之間的時(shí)間間隔越長(zhǎng)，語(yǔ)義之間的相似度就越低，反之則越高。因此本文考慮時(shí)間衰減要素，引入時(shí)間衰減函數(shù)(這里考慮的時(shí)間信息是專(zhuān)家的每條發(fā)言在整個(gè)研討過(guò)程中的相對(duì)位置，而不是每條發(fā)言在研討過(guò)程中出現(xiàn)的絕對(duì)時(shí)間)，得到如下的動(dòng)態(tài)相似度計(jì)算公式:

s?i(u，v，T)=sim(u，v)×f?i(u，v，T);i=1，2(4)

其中:f?i(u，v，T)為發(fā)言u(píng)與v之間的時(shí)間衰減函數(shù)。這里采用兩種形式:

a)f?1(u，v，T)=1-|k-i-1|/N。其中:發(fā)言u(píng)為研討中第k個(gè)發(fā)言，發(fā)言v為研討中第i個(gè)發(fā)言。

b)f?2(u，v，T)=1/|k-i|。其中:發(fā)言u(píng)為研討中第k個(gè)發(fā)言，發(fā)言v為研討中第i個(gè)發(fā)言。

2.2專(zhuān)家權(quán)威度計(jì)算

基于SemRank的專(zhuān)家權(quán)威度計(jì)算的算法實(shí)現(xiàn)過(guò)程如下:

初始值:向量P?0=(p?0(1)，p?0(2)，…，p?0(N))，其中p?0(u)=1/N(u=1，2，…，N)。?

輸入:errorε。

輸出:向量P=(p(1)，p(2)，…，P(N))。

t=0

repeat

t=t+1

根據(jù)式(6)計(jì)算P?t(u)(u=1，2，…，N)

δ=‖P?t-Pt-1‖

untilδ<ε

returnP?t

在考慮了發(fā)言內(nèi)容之間的動(dòng)態(tài)語(yǔ)義相似度以后，專(zhuān)家之間交互的有向?qū)傩詧D就成為了一個(gè)加權(quán)的有向?qū)傩詧D。從文獻(xiàn)[11]獲得啟發(fā)，在加權(quán)的有向?qū)傩詧D的基礎(chǔ)上計(jì)算專(zhuān)家發(fā)言的權(quán)威值。

加權(quán)的有向?qū)傩詧D通過(guò)兩個(gè)矩陣的點(diǎn)乘形式表示:

B?kN×N=AN×N??×sim?kN×N;k=1，2(5)

其中:B?kN×N(i，j)=AN×N(i，j)×sim?kN×N(i，j)(i，j=1，2，…，N;k=1，2);矩陣AN×N為鄰接矩陣，如果節(jié)點(diǎn)i到j(luò)之間有一條有向邊，則AN×N(i，j)為1，否則為0;矩陣sim?kN×N為動(dòng)態(tài)相似度矩陣，式中sim?kN×N(i，j)=s?k(i，j，T)(k=1，2)。

在此加權(quán)有向?qū)傩詧D矩陣B?kN×N的基礎(chǔ)上，專(zhuān)家發(fā)言的權(quán)威值計(jì)算如下:

p?k(u)=dN+(1-d)?v∈adj[u]B?k(v，u)B?k(v，i)p?k(v)(6)

其中:k=1或k=2，即計(jì)算矩陣B?kN×N時(shí)采用了哪個(gè)時(shí)間衰減函數(shù);N是屬性圖的節(jié)點(diǎn)總數(shù);d是阻尼因子，一般都在區(qū)間[0.1，0.2]選擇，一般選擇0.15;adj[u]是指向u的發(fā)言集合。

最后將權(quán)威度向量進(jìn)行歸一化，即

P=(p(1)maxNi=1p(i)，

p(2)maxNi=1p(i)，…，

p(N)maxNi=1p(i))(7)4結(jié)束語(yǔ)

針對(duì)綜合集成研討環(huán)境中的專(zhuān)家權(quán)威度評(píng)價(jià)問(wèn)題，本文提出基于SemRank的專(zhuān)家權(quán)威度計(jì)算方法。該方法既考慮了專(zhuān)家之間的交互結(jié)構(gòu)，又考慮了專(zhuān)家發(fā)言內(nèi)容之間的語(yǔ)義關(guān)聯(lián)，同時(shí)引入了時(shí)間衰減函數(shù)來(lái)反映交互的動(dòng)態(tài)復(fù)雜性