摘要：實(shí)現(xiàn)任何人(anyone)在任何時(shí)間(anytime)在任何地方(anywhere)訪問(wèn)所需要的任何內(nèi)容(anything)是知識(shí)管理希望實(shí)現(xiàn)的4A目標(biāo)，隨著技術(shù)的發(fā)展，任何時(shí)間、任何地點(diǎn)想必已不再是難題，而任何人“需要”的內(nèi)容，即提供針對(duì)性、個(gè)性化內(nèi)容的問(wèn)題，仍然是當(dāng)今知識(shí)管理需要解決的問(wèn)題。融合多種智能推薦技術(shù)的個(gè)性化知識(shí)服務(wù)應(yīng)運(yùn)而生。
知識(shí)管理的重要性無(wú)需多言，但很多管理者認(rèn)為這是一件“不可能完成的任務(wù)”。也的確有不少“慘烈”的例子，剛開(kāi)始時(shí)轟轟烈烈，逐漸偃旗息鼓，最后費(fèi)時(shí)費(fèi)力上馬的知識(shí)管理系統(tǒng)，只做員工閑來(lái)翻翻之用。KM CENTER經(jīng)過(guò)調(diào)研后，在其《中國(guó)知識(shí)管理現(xiàn)狀、問(wèn)題和趨勢(shì)：2012中國(guó)知識(shí)管理實(shí)施調(diào)研結(jié)果分析》中給出了右圖的一組數(shù)據(jù)。
既然知識(shí)對(duì)于員工開(kāi)展工作如此重要，知識(shí)管理平臺(tái)的使用卻為何如此低效呢?答案其實(shí)很簡(jiǎn)單：沒(méi)用!再進(jìn)一步分析，為什么沒(méi)用嗎?大致有2個(gè)原因：其一是知識(shí)庫(kù)里存的“知識(shí)”，不是業(yè)務(wù)人員開(kāi)展工作真正需要的知識(shí);其二是提供的知識(shí)管理和應(yīng)用手段不智能，找一條知識(shí)很麻煩。
實(shí)現(xiàn)任何人(anyone)在任何時(shí)間(anytime)在任何地方(anywhere)訪問(wèn)所需要的任何內(nèi)容(anything)是信息社會(huì)希望實(shí)現(xiàn)的4A目標(biāo)，隨著WEB、移動(dòng)通訊等技術(shù)的發(fā)展，任何時(shí)間、任何地點(diǎn)想必已不再是難題，而任何人“需要”的內(nèi)容，即提供針對(duì)性、個(gè)性化內(nèi)容的問(wèn)題，仍然是企業(yè)以及知識(shí)服務(wù)提供商需要解決的問(wèn)題。
面對(duì)以上難題，個(gè)性化知識(shí)服務(wù)應(yīng)運(yùn)而生。在電子商務(wù)領(lǐng)域。以亞馬遜為例，這家零售巨頭的推薦系統(tǒng)推薦的基礎(chǔ)是一系列基本元素：用戶過(guò)去購(gòu)買過(guò)哪些商品;他們的虛擬購(gòu)物車?yán)镉惺裁?哪些商品被他們?cè)u(píng)價(jià)或“贊”過(guò);其他用戶瀏覽及購(gòu)買了哪些東西。亞馬遜把這套自主研發(fā)的算法稱為“從項(xiàng)目到項(xiàng)目的協(xié)同過(guò)濾算法”。依靠這套算法，亞馬遜向回頭客們提供了深度定制的瀏覽體驗(yàn)。數(shù)碼愛(ài)好者們會(huì)發(fā)現(xiàn)亞馬遜上滿是新潮電子產(chǎn)品的推薦，而新媽媽們?cè)谙嗤奈恢每吹降膮s是嬰幼兒產(chǎn)品。 據(jù)統(tǒng)計(jì)，亞馬遜推薦系統(tǒng)每秒賣出的商品達(dá)72.9件，推薦的轉(zhuǎn)化率高達(dá)60%，它清楚消費(fèi)者的喜好，可以預(yù)測(cè)出消費(fèi)者的需求進(jìn)行推薦形成購(gòu)買。
在企業(yè)級(jí)應(yīng)用方面，目前一些服務(wù)商也將推薦技術(shù)應(yīng)用在企業(yè)的知識(shí)服務(wù)平臺(tái)上。北京億維訊科技有限公司面向企業(yè)業(yè)務(wù)應(yīng)用的知識(shí)工程平臺(tái)就綜合使用了多種推薦技術(shù)來(lái)進(jìn)行知識(shí)推薦，大致可分為兩類：
一類是基于用戶或知識(shí)的屬性進(jìn)行匹配推薦，包括兩種方式。一種方式是根據(jù)用戶對(duì)知識(shí)的訂閱、瀏覽、下載、評(píng)價(jià)等行為構(gòu)建用戶興趣模型，即用戶描述文件。利用知識(shí)屬性等和用戶興趣進(jìn)行匹配，通過(guò)相似性來(lái)過(guò)濾推薦知識(shí);另一種方式是基于知識(shí)之間的關(guān)聯(lián)進(jìn)行搜索推薦，在該平臺(tái)中，知識(shí)之間通過(guò)人工和自動(dòng)兩種方式建立了知識(shí)網(wǎng)絡(luò)，當(dāng)客戶檢索某一類知識(shí)時(shí)，不僅該類知識(shí)的檢索結(jié)果會(huì)按照匹配度排序呈現(xiàn)，與該類知識(shí)相關(guān)的其它知識(shí)也會(huì)出現(xiàn)在推薦知識(shí)里，進(jìn)而提高查全率與查準(zhǔn)率。
另一類是基于對(duì)企業(yè)業(yè)務(wù)梳理基礎(chǔ)上進(jìn)行的特定業(yè)務(wù)活動(dòng)相關(guān)領(lǐng)域知識(shí)推送。其中涉及業(yè)務(wù)流程的梳理和業(yè)務(wù)活動(dòng)的建模、業(yè)務(wù)與知識(shí)的關(guān)聯(lián)以及流程驅(qū)動(dòng)的知識(shí)推送等關(guān)鍵技術(shù)。
億維訊知識(shí)工程平臺(tái)檢索推薦模塊截圖
億維訊知識(shí)工程平臺(tái)基于業(yè)務(wù)活動(dòng)的推薦模塊截圖
相信，隨著個(gè)性化推薦技術(shù)的日益成熟，其在企業(yè)內(nèi)部知識(shí)管理與應(yīng)用中也將大有作為，知識(shí)的高效管理和應(yīng)用不再是“不可能完成的任務(wù)”。
發(fā)布信息
