CN113918729A - 一种基于知识树的任务协同方法及系统 - Google Patents

一种基于知识树的任务协同方法及系统 Download PDF

Info

Publication number
CN113918729A
CN113918729A CN202111169827.1A CN202111169827A CN113918729A CN 113918729 A CN113918729 A CN 113918729A CN 202111169827 A CN202111169827 A CN 202111169827A CN 113918729 A CN113918729 A CN 113918729A
Authority
CN
China
Prior art keywords
user
node
tree
core
knowledge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111169827.1A
Other languages
English (en)
Other versions
CN113918729B (zh
Inventor
黄少伟
白伟华
周丽
蔡文伟
韩国鑫
李楷
王莉薇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhaoqing University
Original Assignee
Zhaoqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhaoqing University filed Critical Zhaoqing University
Priority to CN202111169827.1A priority Critical patent/CN113918729B/zh
Publication of CN113918729A publication Critical patent/CN113918729A/zh
Application granted granted Critical
Publication of CN113918729B publication Critical patent/CN113918729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明所提供了一种基于知识树的任务协同方法及系统，通过采用知识树的方式，整合产品研发中核心知识和技术成员的领域知识相互映射的结构树，解析产品研发中的知识结构、参与研发的成员结构和产品研发任务配置结构，构建出基于技术成员知识协同创新的项目创建与管理模型，最后完成针对项目的各类量化评价。

Description

一种基于知识树的任务协同方法及系统
技术领域
本发明涉及信息技术领域，尤其涉及一种基于知识树的任务协同方法及系统。
背景技术
在开放式创新社区中以项目协同创新为目的的产品研发是多领域知识及技术融合的复杂任务，需要具备跨学科知识和技术的领域人才协同协调共同努力，才能得以完成。针对项目协同创新，当前主要采用知识协调机制和基于知识超网络模型，这些机制和模型着重强调用户知识学习对研发任务的作用、团队成员间的知识分享和相互帮助解决问题，利用知识超网络形成用户关系网络、进化网络以及知识的载体知识文本网络。
然而当前的项目协同方法还存在一些缺：一、这些方式无法将产品(项目)、用户知识领域、核心技术需求和用户角色四者的关联与产品研发的复杂任务进行映射和合理性判定；
二、这些方式无法针对产品研发在知识需求和人员配置需求上进行量化，无法对研发的可行性进行估计和评价；
三、这些方式目的性不强，无法给每个参与的研发人员分配合理的任务和工作，无法评价各类人员在产品研发中的重要性。
发明内容
本发明的目的在于克服现有技术不足，提供了一种基于知识树的任务协同方法及系统，通过采用知识树的方式，整合产品研发中核心知识和技术成员的领域知识相互映射的结构树，解析产品研发中的知识结构、参与研发的成员结构和产品研发任务配置结构，构建出基于技术成员知识协同创新的项目创建与管理模型，最后完成针对项目的各类量化评价。
本发明为实现上述目的采用以下的技术方案：
第一方面，本发明提供了一种基于知识树的任务协同方法，包括：
获取用户信息；
根据所获取的用户信息生成至少一个用户节点，其中，所述用户节点包括节点基本信息，用户领域知识树以及至少一个成果节点，所述成果节点包括成果适用领域以及成果核心技术知识树；
获取项目需求信息，其中，所述项目需求信息包括项目基本信息、人员组成信息以及子项目信息；所述子项目信息包括至少一个产品核心技术知识树以及子项目权重；
将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值；
将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值；
记各个用户节点的第一匹配值以及所述第二匹配值之和为项目匹配值；根据所述项目匹配值对所述用户节点进行降序排序，并按照排序结果以及各个用户节点的项目匹配值生成备选用户节点集；
删除所述备选用户节点集中所述项目匹配值小于预设项目匹配值的用户节点；
当所述备选用户节点集剩余用户节点数量不小于所述人员组成信息中的需求数量信息时，根据所述需求数量信息按序获取所述备选用户集的用户节点生成候选用户集；
将所述候选用户集发送给项目发起用户。
在本发明一实施例中，所述用户信息包括用户基本信息、用户发言信息及用户成果信息；
则，所述根据所获取的用户信息生成至少一个用户节点，具体包括：
获取任意用户的用户基本信息，根据所述用户基本信息生成该用户的节点基本信息；
获取任意用户的用户发言信息，并通过关键词提取算法获取用户领域关键词集；
通过聚类算法，将所述用户领域关键词按学科领域生成领域知识节点集；
根据预设研究领域核心词结构树对所述领域知识节点集的层次关系进行编码，并生成该用户的用户领域知识树；
获取任意用户的用户成果信息，并通过关键词提取算法获取用户成果关键词集；
根据所述用户成果关键词集从预设研究领域核心词结构树获取匹配的适用领域；
通过聚类算法，将所述用户成果关键词按所述适用领域生成成果核心知识节点集；
根据预设研究领域核心词结构树对所述成果核心知识节点集的层次关系进行编码，并生成成果核心技术知识树；
根据所述成果核心知识树以及所述适用领域生成该用户的成果节点；
根据所述用户的节点基本信息、所述用户的用户领域知识树以及所述用户的成果节点生成该用户的用户节点。
第二方面，本发明提供了一种基于知识树的任务协同系统，包括用户信息获取模块、用户节点生成模块、需求信息获取模块、匹配模块以及发送模块；
其中，所述用户信息获取模块，用于获取用户信息；
所述用户节点生成模块，用于根据所获取的用户信息生成至少一个用户节点，其中，所述用户节点包括节点基本信息，用户领域知识树以及至少一个成果节点，所述成果节点包括成果适用领域以及成果核心技术知识树；
所述需求信息获取模块，用于获取项目需求信息，其中，所述项目需求信息包括项目基本信息、人员组成信息以及子项目信息；所述子项目信息包括至少一个产品核心技术知识树以及子项目权重；
所述匹配模块，用于将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值；
所述匹配模块，还用于将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值；
所述匹配模块，还用于记各个用户节点的第一匹配值以及所述第二匹配值之和为项目匹配值；
所述匹配模块，还用于根据所述项目匹配值对所述用户节点进行降序排序，并按照排序结果以及各个用户节点的项目匹配值生成备选用户节点集；
所述匹配模块，还用于删除所述备选用户节点集中所述项目匹配值小于预设项目匹配值的用户节点；
当所述备选用户节点集剩余用户节点数量不小于所述人员组成信息中的需求数量信息时，所述匹配模块，还用于根据所述需求数量信息按序获取所述备选用户集的用户节点生成候选用户集；
所述发送模块，用于将所述候选用户集发送给项目发起用户。
在本发明一实施例中，所述用户信息包括用户基本信息、用户发言信息及用户成果信息；
所述用户节点生成模块，还用于获取任意用户的用户基本信息，根据所述用户基本信息生成该用户的节点基本信息；
所述用户节点生成模块，还用于获取任意用户的用户发言信息，并通过关键词提取算法获取用户领域关键词集；
所述用户节点生成模块，还用于通过聚类算法，将所述用户领域关键词按学科领域生成领域知识节点集；
所述用户节点生成模块，还用于根据预设研究领域核心词结构树对所述领域知识节点集的层次关系进行编码，并生成该用户的用户领域知识树；
所述用户节点生成模块，还用于获取任意用户的用户成果信息，并通过关键词提取算法获取用户成果关键词集；
所述用户节点生成模块，还用于根据所述用户成果关键词集从预设研究领域核心词结构树获取匹配的适用领域；
所述用户节点生成模块，还用于通过聚类算法，将所述用户成果关键词按所述适用领域生成成果核心知识节点集；
所述用户节点生成模块，还用于根据预设研究领域核心词结构树对所述成果核心知识节点集的层次关系进行编码，并生成成果核心技术知识树；
所述用户节点生成模块，还用于根据所述成果核心知识树以及所述适用领域生成该用户的成果节点；
所述用户节点生成模块，还用于根据所述用户的节点基本信息、所述用户的用户领域知识树以及所述用户的成果节点生成该用户的用户节点。
本发明的有益效果：
本发明所提供的一种基于知识树的任务协同方法及系统，通过采用知识树的方式，将产品(项目)、用户知识领域、核心技术需求和用户角色四者之间进行关联；对产品研发在知识需求和人员配置需求上进行了量化，并对研发的可行性进行形成量化评估。
附图说明
图1为本发明一实施例中一种基于知识树的任务协同方法的流程示意图；
图2为本发明一实施例中一种基于知识树的任务协同系统的结构示意图。
具体实施方式
下面结合附图以及具体实施例对本发明做进一步说明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
第一方面，如图1所示，本发明提供了一种基于知识树的任务协同方法，包括：
S100：获取用户信息；
S200：根据所获取的用户信息生成至少一个用户节点，其中，所述用户节点包括节点基本信息，用户领域知识树以及至少一个成果节点，所述成果节点包括成果适用领域以及成果核心技术知识树；
S300：获取项目需求信息，其中，所述项目需求信息包括项目基本信息、人员组成信息以及子项目信息；所述子项目信息包括至少一个产品核心技术知识树以及子项目权重；
S400：将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值；
S500：将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值；
S600：记各个用户节点的第一匹配值以及所述第二匹配值之和为项目匹配值；根据所述项目匹配值对所述用户节点进行降序排序，并按照排序结果以及各个用户节点的项目匹配值生成备选用户节点集；
S700：删除所述备选用户节点集中所述项目匹配值小于预设项目匹配值的用户节点；
S800：当所述备选用户节点集剩余用户节点数量不小于所述人员组成信息中的需求数量信息时，根据所述需求数量信息按序获取所述备选用户集的用户节点生成候选用户集；
S900：将所述候选用户集发送给项目发起用户。
在本发明一实施例中，所述用户信息包括用户基本信息、用户发言信息及用户成果信息；
则，所述步骤S200具体包括：
获取任意用户的用户基本信息，根据所述用户基本信息生成该用户的节点基本信息；
获取任意用户的用户发言信息，并通过关键词提取算法获取用户领域关键词集；
通过聚类算法，将所述用户领域关键词按学科领域生成领域知识节点集；
根据预设研究领域核心词结构树对所述领域知识节点集的层次关系进行编码，并生成该用户的用户领域知识树；
获取任意用户的用户成果信息，并通过关键词提取算法获取用户成果关键词集；
根据所述用户成果关键词集从预设研究领域核心词结构树获取匹配的适用领域；
通过聚类算法，将所述用户成果关键词按所述适用领域生成成果核心知识节点集；
根据预设研究领域核心词结构树对所述成果核心知识节点集的层次关系进行编码，并生成成果核心技术知识树；
根据所述成果核心知识树以及所述适用领域生成该用户的成果节点；
根据所述用户的节点基本信息、所述用户的用户领域知识树以及所述用户的成果节点生成该用户的用户节点。
在本发明一实施例中，所述步骤S400具体包括：
记所述产品核心技术知识树为Fr，fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
记所述用户领域知识树为Ts，ti为所述用户领域知识树为Ts的第i子节点中关键词的个数；记所述用户领域知识树为Ts中第i子节点的第p个关键词为wp_Ts；
记所述用户节点的用户领域知识树与所述产品核心技术知识树的匹配值为第一匹配值， simT,F(Ts,Fr)；
Figure RE-GDA0003343297640000061
F_T_n为研究领域核心词结构树的分支数；
其中，所述
Figure RE-GDA0003343297640000062
其中，p(a)为所述关键词wq_Fr以及关键词wp_Ts在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Ts)为关键词wp_Ts在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Ts)-p(a)，即关键词wp_Ts到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Ts),p(awq_Fr))。
在本发明一实施例中，所述步骤S500具体包括：
记所述产品核心技术知识树为Fr，fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
记所述成果核心技术知识树为Rs，ri为所述成果核心技术知识树为Rs的第i子节点中关键词的个数；记所述成果核心技术知识树为Rs中第i子节点的第p个关键词为wp_Rs；
记所述用户节点的成果核心技术知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT,F(Rs,Fr)；
Figure RE-GDA0003343297640000071
F_T_n表示研究领域核心词结构树的分支数；
其中，所述
Figure RE-GDA0003343297640000072
其中，p(a)为所述关键词wq_Fr以及关键词wp_Rs在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Rs)为关键词wp_Rs在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Rs)-p(a)，即关键词wp_Rs到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Rs),p(awq_Fr))。
第二方面，如图2所示，本发明还提供了一种基于知识树的任务协同系统，用于实现本发明第一方面所提供的方法，所述基于知识树的任务协同系统包括：用户信息获取模块 100、用户节点生成模块200、需求信息获取模块300、匹配模块400以及发送模块500；
其中，所述用户信息获取模块100，用于获取用户信息；
所述用户节点生成模块200，用于根据所获取的用户信息生成至少一个用户节点，其中，所述用户节点包括节点基本信息，用户领域知识树以及至少一个成果节点，所述成果节点包括成果适用领域以及成果核心技术知识树；
所述需求信息获取模块300，用于获取项目需求信息，其中，所述项目需求信息包括项目基本信息、人员组成信息以及子项目信息；所述子项目信息包括至少一个产品核心技术知识树以及子项目权重；
所述匹配模块400，用于将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值；
所述匹配模块400，还用于将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值；
所述匹配模块400，还用于记各个用户节点的第一匹配值以及所述第二匹配值之和为项目匹配值；
所述匹配模块400，还用于根据所述项目匹配值对所述用户节点进行降序排序，并按照排序结果以及各个用户节点的项目匹配值生成备选用户节点集；
所述匹配模块400，还用于删除所述备选用户节点集中所述项目匹配值小于预设项目匹配值的用户节点；
当所述备选用户节点集剩余用户节点数量不小于所述人员组成信息中的需求数量信息时，所述匹配模块400，还用于根据所述需求数量信息按序获取所述备选用户集的用户节点生成候选用户集；
所述发送模块500，用于将所述候选用户集发送给项目发起用户。
在本发明一实施例中，所述用户信息包括用户基本信息、用户发言信息及用户成果信息；
所述用户节点生成模块200，还用于获取任意用户的用户基本信息，根据所述用户基本信息生成该用户的节点基本信息；
所述用户节点生成模块200，还用于获取任意用户的用户发言信息，并通过关键词提取算法获取用户领域关键词集；
所述用户节点生成模块200，还用于通过聚类算法，将所述用户领域关键词按学科领域生成领域知识节点集；
所述用户节点生成模块200，还用于根据预设研究领域核心词结构树对所述领域知识节点集的层次关系进行编码，并生成该用户的用户领域知识树；
所述用户节点生成模块200，还用于获取任意用户的用户成果信息，并通过关键词提取算法获取用户成果关键词集；
所述用户节点生成模块200，还用于根据所述用户成果关键词集从预设研究领域核心词结构树获取匹配的适用领域；
所述用户节点生成模块200，还用于通过聚类算法，将所述用户成果关键词按所述适用领域生成成果核心知识节点集；
所述用户节点生成模块200，还用于根据预设研究领域核心词结构树对所述成果核心知识节点集的层次关系进行编码，并生成成果核心技术知识树；
所述用户节点生成模块200，还用于根据所述成果核心知识树以及所述适用领域生成该用户的成果节点；
所述用户节点生成模块200，还用于根据所述用户的节点基本信息、所述用户的用户领域知识树以及所述用户的成果节点生成该用户的用户节点。
在本发明一实施例中，所述匹配模块400，还用于记所述产品核心技术知识树为Fr， fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
所述匹配模块400，还用于记所述用户领域知识树为Ts，ti为所述用户领域知识树为Ts的第i子节点中关键词的个数；记所述用户领域知识树为Ts中第i子节点的第p个关键词为wp_Ts；
所述匹配模块400，还用于记所述用户节点的用户领域知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT,F(Ts,Fr)；
Figure RE-GDA0003343297640000091
F_T_n为研究领域核心词结构树的分支数；
其中，所述
Figure RE-GDA0003343297640000092
其中，p(a)为所述关键词wq_Fr以及关键词wp_Ts在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Ts)为关键词wp_Ts在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Ts)-p(a)，即关键词wp_Ts到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Ts),p(awq_Fr))。
在本发明一实施例中，所述匹配模块400，还用于记所述产品核心技术知识树为Fr， fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
所述匹配模块400，还用于记所述成果核心技术知识树为Rs，ri为所述成果核心技术知识树为Rs的第i子节点中关键词的个数；记所述成果核心技术知识树为Rs中第i子节点的第p个关键词为wp_Rs；
所述匹配模块400，还用于记所述用户节点的成果核心技术知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT,F(Rs,Fr)；
Figure RE-GDA0003343297640000101
F_T_n为研究领域核心词结构树的分支数；
其中，所述
Figure RE-GDA0003343297640000102
其中，p(a)为所述关键词wq_Fr以及关键词wp_Rs在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Rs)为关键词wp_Rs在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Rs)-p(a)，即关键词wp_Rs到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Rs),p(awq_Fr))。
显然，上述实施例仅仅是为了更清楚的表达本发明技术方案所作的举例，而非对本发明实施方式的限定。对于本领域技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，在不脱离本发明构思的前提下，这些都属于本发明的保护范围。因此本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于知识树的任务协同方法，其特征在于，包括：
获取用户信息；
根据所获取的用户信息生成至少一个用户节点，其中，所述用户节点包括节点基本信息，用户领域知识树以及至少一个成果节点，所述成果节点包括成果适用领域以及成果核心技术知识树；
获取项目需求信息，其中，所述项目需求信息包括项目基本信息、人员组成信息以及子项目信息；所述子项目信息包括至少一个产品核心技术知识树以及子项目权重；
将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值；
将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值；
记各个用户节点的第一匹配值以及所述第二匹配值之和为项目匹配值；根据所述项目匹配值对所述用户节点进行降序排序，并按照排序结果以及各个用户节点的项目匹配值生成备选用户节点集；
删除所述备选用户节点集中所述项目匹配值小于预设项目匹配值的用户节点；
当所述备选用户节点集剩余用户节点数量不小于所述人员组成信息中的需求数量信息时，根据所述需求数量信息按序获取所述备选用户集的用户节点生成候选用户集；
将所述候选用户集发送给项目发起用户。
2.如权利要求1所述的一种基于知识树的任务协同方法，其特征在于，所述用户信息包括用户基本信息、用户发言信息及用户成果信息；
则，所述根据所获取的用户信息生成至少一个用户节点，具体包括：
获取任意用户的用户基本信息，根据所述用户基本信息生成该用户的节点基本信息；
获取任意用户的用户发言信息，并通过关键词提取算法获取用户领域关键词集；
通过聚类算法，将所述用户领域关键词按学科领域生成领域知识节点集；
根据预设研究领域核心词结构树对所述领域知识节点集的层次关系进行编码，并生成该用户的用户领域知识树；
获取任意用户的用户成果信息，并通过关键词提取算法获取用户成果关键词集；
根据所述用户成果关键词集从预设研究领域核心词结构树获取匹配的适用领域；
通过聚类算法，将所述用户成果关键词按所述适用领域生成成果核心知识节点集；
根据预设研究领域核心词结构树对所述成果核心知识节点集的层次关系进行编码，并生成成果核心技术知识树；
根据所述成果核心知识树以及所述适用领域生成该用户的成果节点；
根据所述用户的节点基本信息、所述用户的用户领域知识树以及所述用户的成果节点生成该用户的用户节点。
3.如权利要求1所述的一种基于知识树的任务协同方法，其特征在于，所述将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值具体包括：
记所述产品核心技术知识树为Fr，fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
记所述用户领域知识树为Ts，ti为所述用户领域知识树为Ts的第i子节点中关键词的个数；记所述用户领域知识树为Ts中第i子节点的第p个关键词为wp_Ts；
记所述用户节点的用户领域知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT，F(Ts，Fr)；
Figure RE-FDA0003343297630000021
F_T_n为研究领域核心词结构树的分支数；
其中，所述
Figure RE-FDA0003343297630000022
其中，p(a)为所述关键词wq_Fr以及关键词wp_Ts在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Ts)为关键词wp_Ts在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Ts)-p(a)，即关键词wp_Ts到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Ts)，p(awq_Fr))。
4.如权利要求1所述的一种基于知识树的任务协同方法，其特征在于，所述将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值具体包括：
记所述产品核心技术知识树为Fr，fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
记所述成果核心技术知识树为Rs，ri为所述成果核心技术知识树为Rs的第i子节点中关键词的个数；记所述成果核心技术知识树为Rs中第i子节点的第p个关键词为wp_Rs；
记所述用户节点的成果核心技术知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT，F(Rs，Fr)；
Figure RE-FDA0003343297630000031
F_T_n表示研究领域核心词结构树的分支数；
其中，所述
Figure RE-FDA0003343297630000032
其中，p(a)为所述关键词wq_Fr以及关键词wp_Rs在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Rs)为关键词wp_Rs在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Rs)-p(a)，即关键词wp_Rs到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Rs)，p(awq_Fr))。
5.一种基于知识树的任务协同系统，其特征在于，包括用户信息获取模块、用户节点生成模块、需求信息获取模块、匹配模块以及发送模块；
其中，所述用户信息获取模块，用于获取用户信息；
所述用户节点生成模块，用于根据所获取的用户信息生成至少一个用户节点，其中，所述用户节点包括节点基本信息，用户领域知识树以及至少一个成果节点，所述成果节点包括成果适用领域以及成果核心技术知识树；
所述需求信息获取模块，用于获取项目需求信息，其中，所述项目需求信息包括项目基本信息、人员组成信息以及子项目信息；所述子项目信息包括至少一个产品核心技术知识树以及子项目权重；
所述匹配模块，用于将所述用户节点的用户领域知识树与所述产品核心技术知识树进行匹配，生成第一匹配值；
所述匹配模块，还用于将所述用户节点的成果核心技术知识树与所述产品核心技术知识树进行匹配，生成第二匹配值；
所述匹配模块，还用于记各个用户节点的第一匹配值以及所述第二匹配值之和为项目匹配值；
所述匹配模块，还用于根据所述项目匹配值对所述用户节点进行降序排序，并按照排序结果以及各个用户节点的项目匹配值生成备选用户节点集；
所述匹配模块，还用于删除所述备选用户节点集中所述项目匹配值小于预设项目匹配值的用户节点；
当所述备选用户节点集剩余用户节点数量不小于所述人员组成信息中的需求数量信息时，所述匹配模块，还用于根据所述需求数量信息按序获取所述备选用户集的用户节点生成候选用户集；
所述发送模块，用于将所述候选用户集发送给项目发起用户。
6.如权利要求5所述的一种基于知识树的任务协同系统，其特征在于，所述用户信息包括用户基本信息、用户发言信息及用户成果信息；
所述用户节点生成模块，还用于获取任意用户的用户基本信息，根据所述用户基本信息生成该用户的节点基本信息；
所述用户节点生成模块，还用于获取任意用户的用户发言信息，并通过关键词提取算法获取用户领域关键词集；
所述用户节点生成模块，还用于通过聚类算法，将所述用户领域关键词按学科领域生成领域知识节点集；
所述用户节点生成模块，还用于根据预设研究领域核心词结构树对所述领域知识节点集的层次关系进行编码，并生成该用户的用户领域知识树；
所述用户节点生成模块，还用于获取任意用户的用户成果信息，并通过关键词提取算法获取用户成果关键词集；
所述用户节点生成模块，还用于根据所述用户成果关键词集从预设研究领域核心词结构树获取匹配的适用领域；
所述用户节点生成模块，还用于通过聚类算法，将所述用户成果关键词按所述适用领域生成成果核心知识节点集；
所述用户节点生成模块，还用于根据预设研究领域核心词结构树对所述成果核心知识节点集的层次关系进行编码，并生成成果核心技术知识树；
所述用户节点生成模块，还用于根据所述成果核心知识树以及所述适用领域生成该用户的成果节点；
所述用户节点生成模块，还用于根据所述用户的节点基本信息、所述用户的用户领域知识树以及所述用户的成果节点生成该用户的用户节点。
7.如权利要求5所述的一种基于知识树的任务协同系统，其特征在于，所述匹配模块，还用于记所述产品核心技术知识树为Fr，fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
所述匹配模块，还用于记所述用户领域知识树为Ts，ti为所述用户领域知识树为Ts的第i子节点中关键词的个数；记所述用户领域知识树为Ts中第i子节点的第p个关键词为wp_Ts；
所述匹配模块，还用于记所述用户节点的用户领域知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT，F(Ts，Fr)；
Figure RE-FDA0003343297630000051
F_T_n为研究领域核心词结构树的分支数；
其中，所述
Figure RE-FDA0003343297630000052
其中，p(a)为所述关键词wq_Fr以及关键词wp_Ts在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Ts)为关键词wp_Ts在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Ts)-p(a)，即关键词wp_Ts到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Ts)，p(awq_Fr))。
8.如权利要求5所述的一种基于知识树的任务协同系统，其特征在于，所述匹配模块，还用于记所述产品核心技术知识树为Fr，fi为所述核心技术知识树Fr的第i子节点中关键词的个数；记所述产品核心知识树Fr中第i子节点的第q个关键词为wq_Fr；
所述匹配模块，还用于记所述成果核心技术知识树为Rs，ri为所述成果核心技术知识树为Rs的第i子节点中关键词的个数；记所述成果核心技术知识树为Rs中第i子节点的第p个关键词为wp_Rs；
所述匹配模块，还用于记所述用户节点的成果核心技术知识树与所述产品核心技术知识树的匹配值为第一匹配值，simT，F(Rs，Fr)；
Figure RE-FDA0003343297630000061
F_T_n为研究领域核心词结构树的分支数；
其中，所述
Figure RE-FDA0003343297630000062
其中，p(a)为所述关键词wq_Fr以及关键词wp_Rs在所述预设研究领域核心词结构树中共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度；
s(wp_Rs)为关键词wp_Rs在所述预设研究领域核心词结构树的层数；
s(wq_Fr)为关键词wq_Fr在所述预设研究领域核心词结构树的层数；
p(awp_Ts)＝p(wp_Rs)-p(a)，即关键词wp_Rs到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
p(awq_Fr)＝p(wq_Fr)-p(a)，即关键词wq_Fr到所述预设研究领域核心词结构树顶层节点的路径长度，与所述共同祖先节点到所述预设研究领域核心词结构树顶层节点的路径长度之差；
max_p(aw)＝max(p(awp_Rs)，p(awq_Fr))。
CN202111169827.1A 2021-10-08 2021-10-08 一种基于知识树的任务协同方法及系统 Active CN113918729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111169827.1A CN113918729B (zh) 2021-10-08 2021-10-08 一种基于知识树的任务协同方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111169827.1A CN113918729B (zh) 2021-10-08 2021-10-08 一种基于知识树的任务协同方法及系统

Publications (2)

Publication Number Publication Date
CN113918729A true CN113918729A (zh) 2022-01-11
CN113918729B CN113918729B (zh) 2024-04-16

Family

ID=79237927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111169827.1A Active CN113918729B (zh) 2021-10-08 2021-10-08 一种基于知识树的任务协同方法及系统

Country Status (1)

Country Link
CN (1) CN113918729B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551800A (zh) * 2008-03-31 2009-10-07 富士通株式会社 标注信息生成装置、查询装置及共享系统
CN103116657A (zh) * 2013-03-11 2013-05-22 中国科学院自动化研究所 一种网络教学资源的个性化搜索方法
US20150310073A1 (en) * 2014-04-29 2015-10-29 Microsoft Corporation Finding patterns in a knowledge base to compose table answers
US20180232567A1 (en) * 2017-02-14 2018-08-16 Find Solution Artificial Intelligence Limited Interactive and adaptive training and learning management system using face tracking and emotion detection with associated methods
CN110750632A (zh) * 2019-10-21 2020-02-04 闽江学院 一种改进的中文alice智能问答方法及系统
CN111813889A (zh) * 2020-06-24 2020-10-23 北京安博盛赢教育科技有限责任公司 一种提问信息的排序方法、装置、介质和电子设备
CN112052324A (zh) * 2020-09-15 2020-12-08 平安医疗健康管理股份有限公司 智能问答的方法、装置和计算机设备
US20210026859A1 (en) * 2019-07-25 2021-01-28 Microsoft Technology Licensing, Llc Querying a Relational Knowledgebase that provides Data Extracted from Plural Sources
WO2021042543A1 (zh) * 2019-09-04 2021-03-11 平安科技（深圳）有限公司 基于长短期记忆网络的多轮对话语义分析方法和系统
CN112699246A (zh) * 2020-12-21 2021-04-23 南京理工大学 基于知识图谱的领域知识推送方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551800A (zh) * 2008-03-31 2009-10-07 富士通株式会社 标注信息生成装置、查询装置及共享系统
CN103116657A (zh) * 2013-03-11 2013-05-22 中国科学院自动化研究所 一种网络教学资源的个性化搜索方法
US20150310073A1 (en) * 2014-04-29 2015-10-29 Microsoft Corporation Finding patterns in a knowledge base to compose table answers
US20180232567A1 (en) * 2017-02-14 2018-08-16 Find Solution Artificial Intelligence Limited Interactive and adaptive training and learning management system using face tracking and emotion detection with associated methods
CN108428202A (zh) * 2017-02-14 2018-08-21 富成人工智能有限公司 一种用于交付和管理学习培训计划的方法和系统
US20210026859A1 (en) * 2019-07-25 2021-01-28 Microsoft Technology Licensing, Llc Querying a Relational Knowledgebase that provides Data Extracted from Plural Sources
WO2021042543A1 (zh) * 2019-09-04 2021-03-11 平安科技（深圳）有限公司 基于长短期记忆网络的多轮对话语义分析方法和系统
CN110750632A (zh) * 2019-10-21 2020-02-04 闽江学院 一种改进的中文alice智能问答方法及系统
CN111813889A (zh) * 2020-06-24 2020-10-23 北京安博盛赢教育科技有限责任公司 一种提问信息的排序方法、装置、介质和电子设备
CN112052324A (zh) * 2020-09-15 2020-12-08 平安医疗健康管理股份有限公司 智能问答的方法、装置和计算机设备
CN112699246A (zh) * 2020-12-21 2021-04-23 南京理工大学 基于知识图谱的领域知识推送方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭树行等: ""基于情境树相似性的知识检索技术"", 《计算机集成制造系统》, pages 2476 - 2491 *

Also Published As

Publication number Publication date
CN113918729B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN103207855B (zh) 针对产品评论信息的细粒度情感分析系统及方法
Hu et al. Building performance optimisation: A hybrid architecture for the integration of contextual information and time-series data
Zavadskas et al. Multi-attribute decision-making model by applying grey numbers
CN107679221B (zh) 面向减灾任务的时空数据获取与服务组合方案生成方法
Deng et al. Transforming knowledge management in the construction industry through information and communications technology: A 15-year review
Irvanizam et al. An Improved EDAS Method Based on Bipolar Neutrosophic Set and Its Application in Group Decision‐Making
Kumar et al. Know-ont: a knowledge ontology for an enterprise in an industrial domain
CN113918729A (zh) 一种基于知识树的任务协同方法及系统
Kim et al. A theoretical framework for closeness centralization measurements in a workflow-supported organization
Badia et al. Opportunities and risks in using big data to support management control systems: A multiple case study
Chen Coordinated development of urban intelligent transportation data system and supply chain management
CN115934969A (zh) 一种不可移动文物风险评估知识图谱构建方法
CN110175197B (zh) 一种基于语义物联网的本体构建方法和系统
Hu et al. Influence mechanism of ambidextrous innovation on technological catch-up in latecomer enterprises of technical standards alliance
CN114493364A (zh) 模型构建方法、装置、计算机可读存储介质及电子设备
Feng et al. ASMaaS: Automatic Semantic Modeling as a Service
Betts Methods and data used by large building contractors in preparing tenders
Han et al. Research on the coordination mechanism of major industrial project engineering and construction multi-agents based on structural holes theory
Kim et al. A GraphML-based Visualization Framework for Workflow-Performers' Closeness Centrality Measurements.
CN111324673A (zh) 一种基于多源异构数据处理的森林生态系统的评价系统
CN109033168A (zh) 一种基于大数据的数据处理系统
Li et al. Exploration practice of data mastery traceability algorithm based on knowledge graph in data governance of electric power industry
CN115828926B (zh) 施工质量隐患数据挖掘模型训练方法及挖掘系统
Xie et al. Design and Implementation of Data Mining in Information Management System
Fan Data Monitoring and Anomaly Analysis for Information Systems based on Balanced Scorecard and Fuzzy Neural Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant