摘要：實現(xiàn)任何人(anyone)在任何時間(anytime)在任何地方(anywhere)訪問所需要的任何內(nèi)容(anything)是知識管理希望實現(xiàn)的4A目標，隨著技術(shù)的發(fā)展，任何時間、任何地點想必已不再是難題，而任何人“需要”的內(nèi)容，即提供針對性、個性化內(nèi)容的問題，仍然是當今知識管理需要解決的問題。融合多種智能推薦技術(shù)的個性化知識服務(wù)應(yīng)運而生。
知識管理的重要性無需多言，但很多管理者認為這是一件“不可能完成的任務(wù)”。也的確有不少“慘烈”的例子，剛開始時轟轟烈烈，逐漸偃旗息鼓，最后費時費力上馬的知識管理系統(tǒng)，只做員工閑來翻翻之用。KM CENTER經(jīng)過調(diào)研后，在其《中國知識管理現(xiàn)狀、問題和趨勢：2012中國知識管理實施調(diào)研結(jié)果分析》中給出了右圖的一組數(shù)據(jù)。
既然知識對于員工開展工作如此重要，知識管理平臺的使用卻為何如此低效呢?答案其實很簡單：沒用!再進一步分析，為什么沒用嗎?大致有2個原因：其一是知識庫里存的“知識”，不是業(yè)務(wù)人員開展工作真正需要的知識;其二是提供的知識管理和應(yīng)用手段不智能，找一條知識很麻煩。
實現(xiàn)任何人(anyone)在任何時間(anytime)在任何地方(anywhere)訪問所需要的任何內(nèi)容(anything)是信息社會希望實現(xiàn)的4A目標，隨著WEB、移動通訊等技術(shù)的發(fā)展，任何時間、任何地點想必已不再是難題，而任何人“需要”的內(nèi)容，即提供針對性、個性化內(nèi)容的問題，仍然是企業(yè)以及知識服務(wù)提供商需要解決的問題。
面對以上難題，個性化知識服務(wù)應(yīng)運而生。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：用戶過去購買過哪些商品;他們的虛擬購物車里有什么;哪些商品被他們評價或“贊”過;其他用戶瀏覽及購買了哪些東西。亞馬遜把這套自主研發(fā)的算法稱為“從項目到項目的協(xié)同過濾算法”。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。數(shù)碼愛好者們會發(fā)現(xiàn)亞馬遜上滿是新潮電子產(chǎn)品的推薦，而新媽媽們在相同的位置看到的卻是嬰幼兒產(chǎn)品。 據(jù)統(tǒng)計，亞馬遜推薦系統(tǒng)每秒賣出的商品達72.9件，推薦的轉(zhuǎn)化率高達60%，它清楚消費者的喜好，可以預(yù)測出消費者的需求進行推薦形成購買。
在企業(yè)級應(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)的知識服務(wù)平臺上。北京億維訊科技有限公司面向企業(yè)業(yè)務(wù)應(yīng)用的知識工程平臺就綜合使用了多種推薦技術(shù)來進行知識推薦，大致可分為兩類：
一類是基于用戶或知識的屬性進行匹配推薦，包括兩種方式。一種方式是根據(jù)用戶對知識的訂閱、瀏覽、下載、評價等行為構(gòu)建用戶興趣模型，即用戶描述文件。利用知識屬性等和用戶興趣進行匹配，通過相似性來過濾推薦知識;另一種方式是基于知識之間的關(guān)聯(lián)進行搜索推薦，在該平臺中，知識之間通過人工和自動兩種方式建立了知識網(wǎng)絡(luò)，當客戶檢索某一類知識時，不僅該類知識的檢索結(jié)果會按照匹配度排序呈現(xiàn)，與該類知識相關(guān)的其它知識也會出現(xiàn)在推薦知識里，進而提高查全率與查準率。
另一類是基于對企業(yè)業(yè)務(wù)梳理基礎(chǔ)上進行的特定業(yè)務(wù)活動相關(guān)領(lǐng)域知識推送。其中涉及業(yè)務(wù)流程的梳理和業(yè)務(wù)活動的建模、業(yè)務(wù)與知識的關(guān)聯(lián)以及流程驅(qū)動的知識推送等關(guān)鍵技術(shù)。
億維訊知識工程平臺檢索推薦模塊截圖
億維訊知識工程平臺基于業(yè)務(wù)活動的推薦模塊截圖
相信，隨著個性化推薦技術(shù)的日益成熟，其在企業(yè)內(nèi)部知識管理與應(yīng)用中也將大有作為，知識的高效管理和應(yīng)用不再是“不可能完成的任務(wù)”。
發(fā)布信息
