《一种基于图论的知识立方体模型算法.pdf》由会员分享，可在线阅读，更多相关《一种基于图论的知识立方体模型算法.pdf（5页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103309979 A (43)申请公布日 2013.09.18 CN 103309979 A *CN103309979A* (21)申请号 201310236755.7 (22)申请日 2013.06.15 G06F 17/30(2006.01) (71)申请人 昆明能讯科技有限责任公司 地址 650000 云南省昆明市经开区云大西路 新广丰食品物流中心 A 区 A2 栋 5 楼 (72)发明人 杨晴 吴清华 杜韶辉 李春雨 马瑞 王彬 姚红能 陈雪 高吉明 刘东林 (74)专利代理机构 云南派特律师事务所 53110 代理人 张怡 (54) 发明名称 一种基于图论。
2、的知识立方体模型算法 (57) 摘要 本发明公开了一种基于图论的知识立方体模 型算法， 所述知识立方体由多个知识主题相互连 接、 相互作用构成知识的关系型结构通过对知识 的关系型结构研究分析形成 ； 所述关系型结构包 裹知识体关系度、 知识内容的权重度、 知识体之间 的强弱关系及知识体之间关系的路径距离， 提供 了一种更方便、 快捷、 直观的查询方式。 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书3页 (10)申请公布号 CN 103309979 A CN 103309979 A *CN10330。
3、9979A* 1/1 页 2 1. 一种基于图论的知识立方体模型算法， 其特征在于 ： 所述知识立方体由多个知识主 题相互连接、 相互作用构成知识的关系型结构通过对知识的关系型结构研究分析形成 ； 所 述关系型结构包裹知识体关系度、 知识内容的权重度、 知识体之间的强弱关系及知识体之 间关系的路径距离 ； 1） 、 所述知识体关系度为知识体与其它知识体之间相互关联的关系数量 ； 2） 、 所述知识内容的权重度为针对所查询内容的重要程度 ； 3） 、 所述知识体之间的强弱关系中强关系是指知识体之间的关联度高， 相似度高， 往往 维系着群体、 组织的完整性和稳定性， 弱关系指知识体之间关联度低， 。
4、相似度低， 在不同群 体、 组织或个人之间建立纽带性联系 ； 4)、 平均路径长度度量了知识体间的建立关联关系所需经过路程的远近， 即两个知识 体间流动所必须途经其他知识体的个数， 体现了知识体关系网络中知识流动的深度、 速度 和成本。 2. 根据权利要求 1 所述的一种基于图论的知识立方体模型算法， 其特征在于 ： 所述知 识立方体的前台采用 flash 动态加载方式进行展示。 权 利 要 求 书 CN 103309979 A 2 1/3 页 3 一种基于图论的知识立方体模型算法 技术领域 0001 本发明涉及一种基于图论的知识立方体模型算法。 背景技术 0002 目前， 企业知识搜索主要有。
5、全文检索与知识地图方式， 全文检索通过关键字的分 词处理， 按与关键字的吻合程序展现知识信息 ； 而知识地图基于企业既有的规范进行组织， 注重知识与部门与岗位、 流程的关系， 其检索模式相对固定。无论是全文检索， 还是知识地 图都不能很好的展现企业知识之间的关系， 不利于用户对知识的系统性学习。知识立方体 从知识体、 知识词条、 知识专家对象对企业知识之间的关系进行全面展现， 是未来企业知识 应用的重要里程碑。 发明内容 0003 本发明提出一种基于图论的知识立方体模型算法， 提供了一种更方便、 快捷、 直观 的查询方式。 0004 本发明的技术方案是这样实现的 ： 一种基于图论的知识立方体模。
6、型算法， 所述知 识立方体由多个知识主题相互连接、 相互作用构成知识的关系型结构通过对知识的关系型 结构研究分析形成 ； 所述关系型结构包裹知识体关系度、 知识内容的权重度、 知识体之间的 强弱关系及知识体之间关系的路径距离 ； 0005 1） 、 所述知识体关系度为知识体与其它知识体之间相互关联的关系数量 ； 0006 2） 、 所述知识内容的权重度为针对所查询内容的重要程度 ； 0007 3） 、 所述知识体之间的强弱关系中强关系是指知识体之间的关联度高， 相似度高， 往往维系着群体、 组织的完整性和稳定性， 弱关系指知识体之间关联度低， 相似度低， 在不 同群体、 组织或个人之间建立纽带。
7、性联系 ； 0008 4)、 平均路径长度度量了知识体间的建立关联关系所需经过路程的远近， 即两个 知识体间流动所必须途经其他知识体的个数， 体现了知识体关系网络中知识流动的深度、 速度和成本。 0009 进一步的， 所述知识立方体的前台采用 flash 动态加载方式进行展示。 0010 本发明的有益效果为 ： 本发明的知识立方体模型算法， 基于图论的知识立方体模 型， 从知识体、 知识词条、 知识专家三个维度全面的展现知识主体和与之相关知识对象的关 系， 以所搜索关键字对应的知识为核心主体， 相关对象为客体， 用图形的大小表示对象的热 度， 用距离表示与主体之间的紧密程度， 直观的表达了知识。
8、之间的关系， 通过在不同对象之 间的切换， 可以较快速全面的知晓企业知识的脉络。知识立方体在功能与效用上都有传统 全文检索技术与知识地图不可比拟的优势， 它弥补了全文检索不够直观， 知识地图查找不 便的问题， 使知识应用落到实处， 是企业知识创新的重要动力， 同时也是企业员工学习知识 的强大工具。 说 明 书 CN 103309979 A 3 2/3 页 4 具体实施方式 0011 下面将结合本发明实施例， 对本发明实施例中的技术方案进行清楚、 完整地描述， 显然， 所描述的实施例仅是本发明一部分实施例， 而不是全部的实施例。 基于本发明中的实 施例， 本领域普通技术人员在没有作出创造性劳动前。
9、提下所获得的所有其他实施例， 都属 于本发明保护的范围。 0012 一种基于图论的知识立方体模型算法， 其特征在于 ： 所述知识立方体由多个知识 主题相互连接、 相互作用构成知识的关系型结构通过对知识的关系型结构研究分析形成 ； 所述关系型结构包裹知识体关系度、 知识内容的权重度、 知识体之间的强弱关系及知识体 之间关系的路径距离。 0013 1） 、 所述知识体关系度为知识体与其它知识体之间相互关联的关系数量 ； 关系的 度数决定了网络规模， 决定了知识流动的通路数量 ； 对单个知识体来说， 关系的度数反映了 通过该知识体可获得知识量的多寡， 知识来源的多少， 获取知识的难易程度 ； 知识关。
10、系度即 其凝聚的关系数量也决定了它的中心性， 反映了知识体的地位和影响力。 0014 2） 、 所述知识内容的权重度为针对所查询内容的重要程度 ； 0015 3） 、 所述知识体之间的强弱关系中强关系是指知识体之间的关联度高， 相似度高， 往往维系着群体、 组织的完整性和稳定性， 弱关系指知识体之间关联度低， 相似度低， 在不 同群体、 组织或个人之间建立纽带性联系 ； 在知识传递的过程中， 节点间的强关系有利于提 高知识流动的效率， 弱连接往往是非重复连接， 可以触及更广泛的范围， 接触到更多的异质 性和创新性知识。 0016 4)、 平均路径长度度量了知识体间的建立关联关系所需经过路程的远。
11、近， 即两个 知识体间流动所必须途经其他知识体的个数， 体现了知识体关系网络中知识流动的深度、 速度和成本。 平均路径程度越小， 说明在查找两个知识体之间关系的损耗与阻力越小， 得到 的结果越精准， 让相互联系的成本降低， 使得知识体间更容易发生频繁的互动， 即知识体之 间沟通交流发生的频率越大。 0017 知识立方体是基于知识关系的触角式知识导引方式， 关注知识的应用关系， 其表 现形式会随知识关系的发现而变化。知识立方体以一个知识体为中心， 按照知识的关联度 展现其关联知识的立体知识地图。 在知识立方体中， 点击任意一个知识体， 便能够立即转化 为以该知识体为中心的知识立方体， 来显示所有。
12、与之关联的其他知识内容， 由于知识之间 的这种关系型网络结构会随着知识管理中的知识数量增加而呈现几何数的增长， 所以需要 设定知识立方体的关系网络规模， 根据网络规模来优先显示与知识体关联度高、 权重高的 知识内容， 隐藏关联度低、 权重低的知识内容， 使得用户获得的结果更加精确、 更加有价值， 不会被一大堆对于用户来说无意义的数据给淹没。 0018 知识立方体的前台采用 flash 动态加载方式进行展现， 当用户查询某知识时， 将 会以该知识体为中心来展现与之关联的其他知识体， 其他知识体与被查询的知识体之间的 关系强弱通过两者之间的距离远近来表现， 而知识体图标的大小体现了知识体的热度和中。
13、 心性， 图标越大则表示该知识体具有高度的中心性， 它能连接的其他知识越多， 通过具有高 度中心性的知识体可以接触到来自各个方向大量、 广泛、 多样的异质知识和信息 ； 被查询的 知识体通过这些具有高中心性的知识体可以建立更广泛的联系， 使用户可以接触到整个知 识网络中的其他部分， 有机会接触到更多的信息和资源。 说 明 书 CN 103309979 A 4 3/3 页 5 0019 以上所述仅为本发明的较佳实施例而已， 并不用以限制本发明， 凡在本发明的精 神和原则之内， 所作的任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。 说 明 书 CN 103309979 A 5 。