We used the domain factors presente

We used the domain factors presented in the preceding section as basis for
requirements analysis and identification of alternative solutions. In general, all the
seven factors present their own important constraints. Here, however, we focus
only on the issues pertaining to expertise model since this factor constrains the
other operations like expertise indicator extraction, matching operations and
query mechanisms. Besides, as we will show later, we aim at an architecture that
is flexible enough to allow incorporation of various implementations of the other
domain factors.
As we saw before, expert models can be query-time generated, personal agent
based or associations to centralized knowledge model. Each of these approaches
have their strengths and weaknesses. As pointed out by Mattox, et al (1999),
using query-time generated expertise models have the advantage of avoiding
maintaining information internally by the expert finding system and permit
operation in real-time using the most recent information available to locate
experts. However, the authors reported that their system suffers from critical
speed inefficiency. We also have witnessed this shortcoming from the similar
expert finding system we developed for our research department. We feel that,
given the availability of search robots that can routinely gather sources of
expertise indicators, the advantage of real-time operation of query-time generated
models is less attractive. Besides, as we will demonstrate shortly in this section,
this approach also fails to meet other important requirements.
The tradeoffs between the other two approaches (i.e. association to central
knowledge model and distributed personalized agent based model) are more
difficult to weigh. The advantages of using distributed personal agents include the
following:

everyone’s expertise is locally determined hence possibility to extract
expertise indicators from personal information sources;

complete owner control;

the expertise model of the seeker can easily be used in finding an expert
(hence matching of expertise level possible).
However, this approach requires each agent to maintain its own domain model
and matching engine in addition to expertise models (eg. Vivacqua, 1999).
Furthermore, this approach, like the query-time generation method fail in meeting
the following important requirements:
(1) Visualization and browsing capability
In addition to basic search capabilities, presenting each expert as an element
within a broad and structured expertise framework is necessary to permit the
efficient identification and selection of experts. Moreover, a user may want to (1)
first overview the areas/types and structure/relationships of expertise available in
an organization, or (2) browse the list of experts at various hierarchies of
knowledge generality. Browsing can also be used in interactive refining of
queries (for eg. using a query formulation assistant agent).
(2) Support for Analysis (Expertise Selection)
As has been pointed out by McDonnald and Ackerman (1998) and discussed in
the preceding, expert finding systems should support expert selection in addition
to expert identification. Expert selection is mainly done by the user and the
system can augment this process by providing various analysis capabilities. For
example, the following features may considerably enhance selection of the right
expert:

Results (Thai) 1:

เราใช้ตัวโดเมนที่แสดงในส่วนก่อนหน้านี้เป็นพื้นฐานสำหรับการวิเคราะห์ความต้องการและระบุทางเลือก ทั่วไป ทั้งหมดปัจจัยที่เจ็ดแสดงข้อจำกัดของตนเองสำคัญ ที่นี่ อย่างไรก็ตาม เรามุ่งเน้นในประเด็นเกี่ยวกับความเชี่ยวชาญแบบจำลองเนื่องจากปัจจัยนี้จำกัดเฉพาะการการดำเนินงานอื่น ๆ เช่นแยกตัวบ่งชี้ความเชี่ยวชาญ การดำเนินการที่ตรงกัน และสอบถามกลไก นอกจาก เราจะแสดงในภายหลัง เรามุ่งสถาปัตยกรรมที่มีความยืดหยุ่นเพียงพอให้ประสานการปฏิบัติการต่าง ๆ ของอื่น ๆปัจจัยโดเมนเราเห็นก่อน เชี่ยวสามารถสอบถามเวลาสร้าง ตัวแทนบุคคลใช้ หรือเชื่อมโยงกับส่วนกลางรู้รุ่น แต่ละวิธีเหล่านี้มีจุดแข็งและจุดอ่อนของพวกเขา ที่ชี้ให้เห็น โดย Mattox, et al (1999),ใช้เวลาสอบถามที่สร้างความเชี่ยวชาญแบบจำลองมีข้อดีของการหลีกเลี่ยงรักษาข้อมูลภายใน โดยผู้เชี่ยวชาญการค้นหาระบบและใบอนุญาตดำเนินการในเวลาจริงโดยใช้ข้อมูลล่าสุดที่จะค้นหาผู้เชี่ยวชาญ อย่างไรก็ตาม ผู้เขียนรายงานว่า ระบบของพวกเขา suffers จากสำคัญความเร็ว inefficiency เรายังได้เห็นนี้คงจากคล้ายกันผู้เชี่ยวชาญการค้นหาระบบที่เราพัฒนาสำหรับฝ่ายวิจัยของเรา เรารู้สึกว่าที่กำหนดให้ความพร้อมของหุ่นยนต์ค้นหาที่เป็นประจำสามารถรวบรวมแหล่งผู้เชี่ยวชาญตัวชี้วัด ข้อดีของการทำงานแบบเรียลไทม์ของสร้างเวลาการสอบถามรูปแบบน่าสนใจน้อยอยู่ จองห้องพัก เราจะแสดงในส่วนนี้ ในไม่ช้าวิธีการนี้ยังไม่ตรงตามความต้องการที่สำคัญอื่น ๆยืนยันระหว่างอื่นสองวิธี (เช่นการเชื่อมโยงไปความรู้รูปแบบและตัวแทนบุคคลที่กระจายตาม) เป็นยากมีน้ำหนัก ข้อดีของการใช้บริษัทตัวแทนการแจกจ่ายส่วนบุคคลได้แก่การต่อไปนี้:ความเชี่ยวชาญของทุกคนเป็นเครื่องกำหนดจึงสามารถแยกตัวบ่งชี้ความเชี่ยวชาญจากแหล่งข้อมูลส่วนตัวควบคุมเจ้าสมบูรณ์แบบความเชี่ยวชาญของที่หาง่าย ๆ ใช้ในการหาผู้เชี่ยวชาญ(ดังนั้นการจับคู่ของระดับความเชี่ยวชาญที่สุด)อย่างไรก็ตาม วิธีการนี้ต้องการตัวแทนแต่ละการรักษารูปแบบโดเมนของตนเองและเครื่องตรงกันนอกจากความเชี่ยวชาญแบบจำลอง (เช่นการ Vivacqua, 1999)นอกจากนี้ วิธีการนี้ เช่นวิธีการสร้างแบบสอบถามเวลาล้มเหลวในการประชุมความสำคัญต่อไปนี้:(1) แสดงภาพประกอบเพลงและความสามารถในการเรียกดูนอกจากความสามารถในการค้นหาพื้นฐาน นำเสนอผู้เชี่ยวชาญแต่ละด้านเป็นองค์ประกอบภายในความเชี่ยวชาญที่กว้าง และมีโครงสร้าง กรอบเป็นสิ่งจำเป็นเพื่ออนุญาตให้มีการรหัสที่มีประสิทธิภาพและการเลือกผู้เชี่ยวชาญ นอกจากนี้ ผู้ใช้อาจต้องการ (1)ภาพแรกรวมพื้นที่/ชนิดและโครงสร้าง/ความสัมพันธ์ของความเชี่ยวชาญในเรียกดูรายชื่อผู้เชี่ยวชาญในลำดับชั้นต่าง ๆ ขององค์กร หรือ (2)generality รู้ เรียกดูยังสามารถใช้ในการปรับแต่งแบบโต้ตอบของสอบถาม (สำหรับเช่นการใช้แบบสอบถามกำหนดผู้ช่วยตัวแทน)(2) สนับสนุนการวิเคราะห์ (เลือกความเชี่ยวชาญ)ได้ชี้ให้เห็นทาง McDonnald Ackerman (1998) และในก่อนหน้านี้ ผู้เชี่ยวชาญในการค้นหาระบบควรสนับสนุนเลือกใช้นอกจากนี้การใช้รหัส เลือกใช้ส่วนใหญ่จะทำ โดยผู้ใช้และระบบสามารถเพิ่มกระบวนการนี้ โดยการให้ความสามารถในการวิเคราะห์ต่าง ๆ สำหรับตัวอย่าง ต่อไปนี้อาจมากเพิ่มตัวเลือกด้านขวาผู้เชี่ยวชาญ:

Results (Thai) 2:

เราใช้ปัจจัยโดเมนที่นำเสนอในส่วนก่อนหน้านี้เป็นพื้นฐานสำหรับการวิเคราะห์ความต้องการและบัตรประจำตัวของโซลูชั่นทางเลือก
โดยทั่วไปทั้งหมดเจ็ดปัจจัยนำเสนอข้อ จำกัด ที่สำคัญของตัวเอง
ที่นี่
แต่เรามุ่งเน้นเฉพาะในประเด็นที่เกี่ยวข้องกับรูปแบบความเชี่ยวชาญตั้งแต่ปัจจัยนี้constrains
การดำเนินงานอื่น ๆ
เช่นความเชี่ยวชาญด้านการสกัดตัวบ่งชี้การดำเนินงานที่ตรงกันและกลไกแบบสอบถาม นอกจากนี้ในขณะที่เราจะแสดงต่อมาเรามีจุดมุ่งหมายที่สถาปัตยกรรมที่มีความยืดหยุ่นพอที่จะให้การรวมตัวของการใช้งานที่แตกต่างกันของอีกปัจจัยโดเมน. ขณะที่เราเห็นมาก่อนรุ่นผู้เชี่ยวชาญสามารถแบบสอบถามเวลาสร้างตัวแทนส่วนบุคคลหรือสมาคมที่จะรวมศูนย์โมเดลองค์ความรู้ แต่ละวิธีการเหล่านี้มีจุดแข็งและจุดอ่อนของพวกเขา ในฐานะที่เป็นแหลมออกโดย Mattox, et al (1999) โดยใช้แบบสอบถามเวลาที่สร้างแบบจำลองความเชี่ยวชาญมีความได้เปรียบในการหลีกเลี่ยงข้อมูลการรักษาภายในโดยการหาผู้เชี่ยวชาญระบบและใบอนุญาตการดำเนินงานในเวลาจริงโดยใช้ข้อมูลล่าสุดที่มีอยู่เพื่อหาผู้เชี่ยวชาญ อย่างไรก็ตามผู้เขียนรายงานว่าระบบของพวกเขาทนทุกข์ทรมานจากความสำคัญการขาดประสิทธิภาพความเร็ว นอกจากนี้เรายังได้เห็นข้อบกพร่องนี้ที่คล้ายกันจากระบบการค้นพบผู้เชี่ยวชาญที่เราพัฒนาสำหรับแผนกวิจัยของเรา เรารู้สึกว่าได้รับความพร้อมของหุ่นยนต์ค้นหาที่เป็นประจำสามารถรวบรวมแหล่งที่มาของตัวชี้วัดความเชี่ยวชาญประโยชน์จากการดำเนินงานในเวลาจริงของเวลาแบบสอบถามที่สร้างขึ้นแบบเป็นที่น่าสนใจน้อย นอกจากนี้ในขณะที่เราจะแสดงให้เห็นในไม่ช้าในส่วนนี้วิธีการนี้ยังล้มเหลวในการตอบสนองความต้องการที่สำคัญอื่น ๆ . ความสมดุลระหว่างสองอื่น ๆ วิธีการ (เช่นการเชื่อมโยงไปยังใจกลางเมืองรูปแบบการกระจายความรู้และตัวแทนส่วนบุคคลรูปแบบbased) มีมากขึ้นยากที่จะมีน้ำหนัก ข้อดีของการใช้ตัวแทนกระจายส่วนบุคคลรวมถึงต่อไปนี้:? ความเชี่ยวชาญของทุกคนจะถูกกำหนดในประเทศเป็นไปได้ด้วยเหตุนี้การที่จะดึงตัวชี้วัดความเชี่ยวชาญจากแหล่งข้อมูลส่วนบุคคล? ควบคุมเจ้าของสมบูรณ์? รูปแบบความเชี่ยวชาญของผู้สมัครที่สามารถนำมาใช้ในการหาผู้เชี่ยวชาญ(เพราะฉะนั้นตรงกับระดับความเชี่ยวชาญเป็นไปได้). แต่วิธีนี้ต้องมีตัวแทนแต่ละที่จะรักษารูปแบบโดเมนของตัวเองและเครื่องยนต์ที่ตรงกับที่นอกเหนือไปจากรูปแบบความเชี่ยวชาญ (เช่น. Vivacqua 1999 .) นอกจากนี้วิธีการนี้เช่นเดียวกับวิธีการสร้างแบบสอบถามเวลาล้มเหลวในการประชุมความต้องการที่สำคัญดังต่อไปนี้(1) การแสดงและความสามารถในการเรียกดูนอกจากความสามารถในการค้นหาขั้นพื้นฐานนำเสนอผู้เชี่ยวชาญแต่ละองค์ประกอบภายใต้กรอบความเชี่ยวชาญในวงกว้างและมีโครงสร้างเป็นจำเป็นที่จะอนุญาตให้มีบัตรประจำตัวที่มีประสิทธิภาพและการเลือกของผู้เชี่ยวชาญ นอกจากนี้ผู้ใช้อาจต้องการที่จะ (1) ภาพรวมเป็นครั้งแรกพื้นที่ / ชนิดและโครงสร้าง / ความสัมพันธ์ของความเชี่ยวชาญที่มีอยู่ในองค์กรหรือ(2) เรียกดูรายชื่อของผู้เชี่ยวชาญที่ลำดับชั้นต่างๆของทั่วไปความรู้ เรียกดูยังสามารถใช้ในการกลั่นการโต้ตอบของคำสั่ง (สำหรับเช่น. ใช้สูตรการสอบถามผู้ช่วยตัวแทน). (2) การสนับสนุนสำหรับการวิเคราะห์ (เชี่ยวชาญการคัดเลือก) ที่ได้รับการชี้ให้เห็นโดย McDonnald และ Ackerman (1998) และที่กล่าวไว้ในก่อนหน้านี้, ผู้เชี่ยวชาญระบบการค้นพบที่ควรสนับสนุนการเลือกผู้เชี่ยวชาญนอกจากนี้การระบุผู้เชี่ยวชาญ เลือกผู้เชี่ยวชาญส่วนใหญ่จะทำโดยผู้ใช้และระบบสามารถขยายกระบวนการนี้โดยการให้ความสามารถในการวิเคราะห์ต่างๆ สำหรับตัวอย่างเช่นคุณสมบัติดังต่อไปมากอาจเพิ่มการเลือกขวาผู้เชี่ยวชาญ:

Results (Thai) 3:

เราใช้โดเมนที่นำเสนอในส่วนปัจจัยข้างต้นเป็นพื้นฐานในการวิเคราะห์และกำหนดโซลูชั่นทางเลือก
ความต้องการ โดยทั่วไปทั้งหมด
7 ปัจจัยปัจจุบัน ปัญหาสําคัญของตนเอง ที่นี่ แต่เราโฟกัส
เฉพาะในปัญหาที่เกี่ยวกับรูปแบบความเชี่ยวชาญเนื่องจากปัจจัยนี้ครอบครอง
การดำเนินการอื่น ๆเหมือนการสกัดตัวบ่งชี้ความเชี่ยวชาญจับคู่การดำเนินการ
กลไกการ นอกจากที่เราจะแสดงทีหลัง เรามุ่งเป็นสถาปัตยกรรมที่ยืดหยุ่นพอที่จะให้
ประสานการใช้งานต่างๆของปัจจัยอื่น ๆ

เป็นโดเมน เราเห็นก่อน นางแบบผู้เชี่ยวชาญสามารถสอบถามเวลาการสร้าง ตัวแทนจากสมาคม หรือแบบส่วนตัว
ความรู้ส่วนกลาง แต่ละเหล่านี้วิธีการ
มีจุดแข็งและจุดอ่อนของพวกเขาเป็นแหลมออกโดยแม็ตเทิ้กส์ , et al ( 1999 ) โดยใช้แบบสอบถามที่สร้างขึ้น รูปแบบความเชี่ยวชาญ

มีข้อดีของการหลีกเลี่ยงการรักษาข้อมูลภายใน โดยผู้เชี่ยวชาญด้านการหาระบบการอนุญาต
ในเวลาจริงโดยใช้ข้อมูลล่าสุดของการค้นหา
ผู้เชี่ยวชาญ อย่างไรก็ตาม ผู้เขียนรายงานว่าระบบของพวกเขาทนทุกข์ทรมานจากการขาดประสิทธิภาพความเร็วที่สำคัญ

นอกจากนี้เรายังได้เห็นข้อบกพร่องนี้จากผู้เชี่ยวชาญที่คล้ายกัน
การหาระบบเราพัฒนาแผนกวิจัยของเรา เรารู้สึกว่า
ให้ความพร้อมของหุ่นยนต์ค้นหาที่สามารถตรวจรวบรวมแหล่ง
ตัวชี้วัดความเชี่ยวชาญ ประโยชน์ของการทำงานแบบเรียลไทม์ของเวลาการสร้าง
รุ่นมีเสน่ห์น้อยลง นอกจากที่เราจะเห็นในไม่ช้า ในส่วนนี้
วิธีการนี้ยังล้มเหลวในการตอบสนองความต้องการที่สำคัญอื่น ๆ .
tradeoffs ระหว่างอื่น ๆสองวิธี ( เช่นสมาคมแบบ
ความรู้กลางและกระจายตัวแทนส่วนบุคคล ใช้รูปแบบ ) มีมากขึ้น
ยากที่จะชั่ง ข้อดีของการใช้ตัวแทนจัดจำหน่ายส่วนบุคคลรวมถึงต่อไปนี้ : ความเชี่ยวชาญ


ทุกคนเป็นท้องถิ่นที่กำหนด ดังนั้นความเป็นไปได้ที่จะสกัด
ความเชี่ยวชาญด้านตัวชี้วัดจากแหล่งข้อมูลส่วนบุคคล ;

สมบูรณ์เจ้าของควบคุม ;

ความเชี่ยวชาญแบบผู้ล่าได้อย่างง่ายดายสามารถใช้ในการหาผู้เชี่ยวชาญ
( ดังนั้นการจับคู่ของระดับความเชี่ยวชาญเป็นไปได้ ) .
แต่วิธีการนี้ต้องมีตัวแทนแต่ละการรักษา
รูปแบบโดเมนของตัวเอง และการจับคู่เครื่องยนต์ นอกจากรูปแบบความเชี่ยวชาญเช่น vivacqua , 1999 ) .
นอกจากนี้วิธีการชอบถามเวลารุ่นวิธีการล้มเหลวในการประชุมที่สำคัญความต้องการ :

ต่อไปนี้ ( 1 ) การแสดงและความสามารถในการเรียกดู
นอกจากความสามารถในการค้นหาขั้นพื้นฐาน นำเสนอแต่ละผู้เชี่ยวชาญเป็นองค์ประกอบ
ภายในกว้างและกรอบโครงสร้างความจำเป็นเพื่อให้รหัสที่มีประสิทธิภาพและ
เลือกผู้เชี่ยวชาญ นอกจากนี้ผู้ใช้อาจต้องการ ( 1 )
ภาพรวมก่อนพื้นที่ / ชนิดและโครงสร้างความสัมพันธ์ของความเชี่ยวชาญที่มีอยู่ใน
องค์การ หรือ ( 2 ) เรียกดูรายชื่อผู้เชี่ยวชาญในลำดับชั้นต่างๆของ
สภาพทั่วไปของความรู้ การเรียกดูสามารถใช้ในการกลั่นแบบโต้ตอบของ
แบบสอบถาม ( เช่นการใช้แบบสอบถามกำหนดผู้ช่วยเจ้าหน้าที่ )
( 2 ) การสนับสนุนสำหรับการวิเคราะห์ ( เลือกความเชี่ยวชาญ )
ที่ได้รับการชี้ให้เห็น โดย mcdonnald และแอคเคอร์แมน ( 1998 ) และกล่าวถึงใน
ก่อนหน้านี้ , ผู้เชี่ยวชาญการค้นหาระบบควรสนับสนุนการเลือกผู้เชี่ยวชาญนอกจากนี้
การจำแนกผู้เชี่ยวชาญ การเลือกผู้เชี่ยวชาญส่วนใหญ่ทำโดยผู้ใช้และระบบสามารถต่อเติม
กระบวนการนี้โดยการให้ความสามารถในการวิเคราะห์ต่าง ๆ สำหรับ
ตัวอย่างคุณสมบัติดังต่อไปนี้อาจจะมากเพิ่มการเลือกขวา
ผู้เชี่ยวชาญ :