[发明专利]一种面向流程的领域知识抽取与推送方法

权利要求书

1.一种面向流程的领域知识抽取与推送方法，其特征在于，包括如下步骤：

第一，从知识资源中抽取知识并用知识向量表示，从流程任务中提取流程向量，从用户描述中提取用户属性向量；

第二，通过在流程向量、用户属性向量和知识向量之间进行匹配计算，得出知识需求和知识的相关度，其中，所述知识需求KR由流程向量WV、用户属性向量UV构成的向量集合所表征，KR＝WV∪UV，所述知识为由文本的主题、作者、关键词、摘要和时间构成的五元组知识向量KV，所述知 识需求和知识的相关度表示为：

其中，W1k、W2k分别表示知识需求KR和知识向量KV第K个特征项的权值，1<＝k<＝N，其中，知识需求或知识的集合中不存在的特征项，该特征项在相应集合中的权值为0；

第三，通过用户行为变量计算得到知识分值，最终用知识分值对知识相关度计算的结果进行校正，得到与流程任务密切相关的知识排序结果，实现知识向流程任务的更准确推送。

2.根据权利要求1所述的面向流程的领域知识抽取与推送方法，其特征在于，所述从知识资源中抽取知识是指采用文本信息提取技术从企业内众多的知识资源中提取出所需的知识内容；所述文本信息提取技术是指从一段文本中提取出规定的某一类或几类特定信息,并将其进行结构化处理的过程。

3.根据权利要求1所述的面向流程的领域知识抽取与推送方法，其特征在于，所述知识向量是用来描述知识的向量空间。

4.根据权利要求1所述的面向流程的领域知识抽取与推送方法，其特征在于，所述知识向量(Knowledge Vectors,WV)的来源包括文本的主题、作者、关键词、摘要和时间；所述知识向量是一个五元组：

KV＝SF,AF,KF,ABF,TIF

其中：

SF为主题因子(Topic Factors),SF＝{sf_i:i＝1,2,…,|SF|},表示文本的所属主题，由有限个数的主题词汇表示，同一篇文档可以归属于一个或多个主题；

AF为作者因子(Author Factors),AF＝{afj:j＝1,2,…,|AF|},表示知识的作者；

KF为关键词因子(Keyword Factors),KF＝{kfk:k＝1,2,…,|KF|},表示文本的关键词；

ABF为摘要因子(Abstract Factors)，ABF＝{abfm:m＝1,2,…,|ABF|}，由有限个数的来自文本摘要的词汇来表示；

TIF为时间因子(Time Factors)，由YY-MM-DD六位编码表示，分别代表文档产生的年、月和日。

5.根据权利要求1所述的面向流程的领域知识抽取与推送方法，其特征在于，所述流程向量来自流程任务，流程向量(Workflow Vectors,WV)是一个三元组：

WV＝FF,WTF,WPF

其中:

FF为领域因子(Field Factors),FF＝{ff_i:i＝1,2,…,|FF|},表示业务领域的有限集；WTF为流程类型因子(Workflow Type Factors),WTF＝{wtf_j:j＝1,2,…,|WTF|},表示在业务流程实例运行阶段,根据具体的实例任务和情境所提出的流程类型有限集；WPF为工作包因子(Workpackage Factors),WPF＝{wpf_k:k＝1,2,…,|WPF|},表示流程任务所在的工作包所包含的特征项的有限集；

领域因子FF是指在业务流程建模阶段,基于组织经验和最佳实践,为其组成活动所指定的业务领域的类别，是由领域名称构成的有限集；流程类型因子WTF指流程的所属类型，如方案策划类流程、计算类流程、试验类流程等；工作包因子WPF的来源可包括工作包的名称、关键字、输入、输出、约束指标和资源；

流程向量中的领域因子、流程类型因子，其权值可预先由用户根据需要指定；

工作包中的特征项的权值，按知识向量中特征项权值的计算方式计算。