Adaptive intelligent recommender system for expert search in enterprise

العناوين الأخرى

نظام التوصية الذكي للبحث عن الخبراء في المؤسسات

مقدم أطروحة جامعية

al-Mahadin, Ranim Muhammad Zala

مشرف أطروحة جامعية

al-Habshinah, Ubadah Yusuf Abd Allah

الجامعة

جامعة مؤتة

الكلية

كلية إدارة الأعمال

القسم الأكاديمي

قسم نظم المعلومات الإدارية

دولة الجامعة

الأردن

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2020

الملخص العربي

تهدف الدراسة الحالية إلى تطوير نموذج يقدم توصيات تدعم التعرف على الخبراء الذين يمكنهم التعامل مع الأدوار المؤسسية أو المشاكل الناشئة و حلها وتفترض الدراسة على أن تحديد المصدر الموثوق للمعلومة و الخبرة المناسبة يحسن من أداء المنظمة بشكل كبير.

و في المقابل تقترض الدراسة أن تحديد الخبراء المناسبين في سياق معين ليس بمهمة سهلة ؛ فهي تنطوي على العديد من التحديات أبرزها توافر المعلومات ذات الصلة بشكل مباشر أو غير مباشر للأشخاص و طبيعة الواجبات أو المشاكل المراد حلها.

علاوة على ذلك ، تقدم هذا الدراسة أنموذجا معلوماتي يشكل بديلاً عن النموذج التقليدي والقائم على أن مطابقة الخيرة المطلوبة تستند إلى قرار إداري في الغالب يكون ارتجالي، و لا يستند إلى اعتماد نظام توصية ذكي قائم على نظم المعلومات، و علية، تفتقر الأدوات و تقنيات البحث المتاحة حالياً الدقة في توفير استرجاع البيانات، و بالتالي الدقة في اتخاذ الخبرات المناسبة.

توظف هذه الدراسة استعلامات البحث و التقصي عن ثلاث ملفات تعريف مختلفة على الأقل ، و هي : المستخدمون و المستندات و المهام، و تضمنت الاستفسارات التي تم التحقيق فيها (129) عينة لمعلومات محددة سلفاً، و تم اعتماد ملفات التعريف بشرط احتوائها على كل او جزء من الكلمات المفتاحية في استفسارات المستخدم ، حيث تعكس الأوزان المستخلصة درجة مطابقة الملف شخصي مع لكلمات المفتاحية المقابلة للخبرة المطلوبة، و تعتمد تصنيفات هذه الملفات التعريفية أسلونا معروفاً المعالجة اللغة الطبيعية (NLP) باستخدام المستند المعكوس لتردد المصطلح (TF-IDF) ، حيث تتيح هذه التقنية أفضل أسلوب لتحديد قائمة الخبراء الذين سيتم إستاد مهمة أو حل مشكلة ما لهم من خلال تحليل الاستعلام و استخراج مزايا مختلف الأدوار، و من ثم ترشيح الملف الشخصي الأكثر ملائمة بيانات الاستعلام قمنا بتحليل البيانات التي جمعناها من الطالب من خلال طرق مختلفة للتعلم الآلي ( Naive Baise ، و شجرة القرار، و الشبكة العصبية، و (KNN) تم إجراء تقييم مقارن المقارنة نتيجة مقاييس دقة الاسترجاع بين هذه الطرق و باستخدام أفضلها في النظام، حقق Nave baise.

98% و أشارت النتائج إلى أن النموذج المقترح قادر على تصنيف الملفات الشخصية المقترنة بالخبرات بدقة تصل إلى (90%) ، و استرجاع المعلومات اعتماداً على معلومات الاستعلام بدقة تصل إلى (93%).

الملخص الإنجليزي

This study aims at developing an intelligent recommender system that supports recognizing experts who can handle and solve emerging problems at organizational and enterprise levels.

Having the right source of information provided by the key expertiseexponentially improves the performance of anorganization.

However, recognizingthe right experts is not that easy task;itinvolves consideringvariouschallengesrelated to the availabilityof relevant and irrelevant information about the people and the problem in hand.

Moreover, matching the required expertise has always been an improvisational management decision and has never beenmadebased on an adaptive intelligent recommender system.

Unfortunately, the available search tools and techniques for suiting expertise matching to abusiness problemhave beenlack of accuracy due to the use of non-structured and optimized search techniques.

This study uses user feedback to create and manageat least three different profiles,which are: Users, Documents, and Tasks.

The investigated inquires include (129) samples with predefined information.Each adopted profile should include all or some featured keywords extracted from the user inquiries.

The weights reflect the relevance between each profile owner and the corresponding keywords.

The classifications of these profiles adopt a well-knowntechnique of Natural Language Processing(NLP) using theTerm Frequency Inverse Document (TF-IDF).

This technique allows an optimal classification to thelist of expertsto be assigned for solving an emerging field problem.

The system analyses the user query retrieves the most relevant featuresand nominates the fittestprofile of an expert.

we analyzed the data that we collected from the student through different machine learning methods (Naive Baise, decision tree, neural network, KNN).

a comparative evaluation was conducted to compare the retrieval accuracy measures result between these methods and using the best one of them in the system , the naive bayes achieved 98.3% The proposed approachpassed twovalidationlevels; classifying accuracy and overall retrieval performance.

The classifying accuracy was validate using 5-fold cross validation with (93%) ofaccuracy.

The overall all retrieval performance was evaluated using Precision and Recall with(90%)retrieval performance .

التخصصات الرئيسية

إدارة الأعمال

عدد الصفحات

57

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-1350637