Paper Reading Report - Intelligent Community Lifecycle Support－Tom's crazy CS Lab

前言

　　在研究和實務上，社群的知識分享是知識管理中一個火熱的領域。對於社群的組織，有兩個階段的開發：

社群辨識：辨識潛在的社群和初始化其組織
社群基礎建設：提供適合社群促進與發展的環境.

　　在這篇論文，我們將描繪出一個願景，利用 IT 方法在不同的階段上支援社群的生命週期所需的技術：

SWRC+COIN 能描述社群中的成員與內部結構的概念
社群如何利用點對點語意網路搭配概念結構的比對，來偵測分析溝通樣式
如何使用社群知識庫來支持社群活動

難題

　　在學術領域中的困難點：

完整地收集與分類研究工作成果是耗費時間的工作
在特定的領域內，新進人員要去判別高等研究員的工作經常是困難的

　　Bibster 嘗試去克服這些限制，Bibster 讓研究員們能彼此分享對知識的分類描述，因此針對困難 1，提出了對知識分類進行協同合作的解決辦法。然而萬事起頭難，如何在早期階段激勵使用者去貢獻分類內容，這是個需要思考的議題。而 SWRC+COIN 將提供困難 2 的解法。

　　另外本文會介紹 VICO ，一個集中式入口，提供許多已建立的出版品並且是一個點對點系統的進入點。中控系統會週期性地收集所有參予的 peer 所產生的資料。經過智慧分析技巧，社群就可以被辨識。

　　SWRC+COIN 是整個框架的核心元件。一般說來，community ontology 必須關住幾個目的：

扮演從不同資料來源整合資訊的背脊
扮演社群的參考資料，例如成員的角色，互補的組織活動
允許對社群知識庫發起複雜的查詢

　　圖一秀出 SWRC + COIN 的主要組成物的視圖：

　　除了先前介紹過 SWRC 的特色，最重要的是社群中知識的流動，我們用一些擴充 SWRC 的模型關聯來塑膜這層面的關係。

發掘點對點通訊中的社群

　　成功的社群往往是從社交網路中成員現存的互動浮現出來，P2P 網路自然地具體化這樣的範例。透過分析通訊樣式，我們關注的社群組成主要成分 - 領域和成員就會自然浮現出來。
　　經由區分網路中知識項目的流動和內容，區分語幹網路拓墣浮現。根據他們的通訊側寫檔，在拓墣或是群聚使用者從網路分析應用這樣的技巧，這個系統就能夠在網路上偵測社群結構。在實驗中，我們收集每個 peer 經由 Bibster 所發出的查詢，並建構個別 peer 的查詢側寫檔，根據 ACM 定義的主題階層，Peer 的側寫檔由許多分布在 ACM 分類主題的向量所構成，然後 Peer 會基於這些側寫檔被歸類群聚成不同的群體。
　　實驗中，採用 K-means cluster 演算法，參數設定為產生十個群聚，有 75% 的 peers 構成同一個大型的群聚，剩下九個則是很小的群體，可能內含只有1 ~ 15 位成員。這些較小的群體都是跟某個主題有高度相關性，最好的範例就是某個群聚的九個成員都一致性地是同一個領域 ( P2P 和分散式資料庫 ) 的研究員。注意我們輸出這樣的分析結果 - 初步的社群成員 - 已經是一個有價值的資訊，其他步驟都可以接續此往下繼續進行。

依社群本體支援社群基礎建設

　　根據上章節所發掘出的資訊可以被進一步的軟體模組整合，包含技術層面的演算法，不但支援社群組織化和方法化的任務，更甚者，我們展示 VICO 如何以中央存取的方式讓 P2P 網路取得知識。
　　VICO 是基於 KAON 發展的社群基礎建設。 KAON 是一個用來產生 ontology-based web portal 的獨立框架。經由提供視覺化和多語化本體， KAON 供給標準瀏覽器簡易的本體詢覽和搜尋功能。VICO 呈現社群成員一個集中式的參考點，經由提供內建的搜尋機制和尋覽功能，VICO 也提供 web-base 的查詢機制，用來尋找特定研究的專家，或是相同興趣的其他人員。使用者可以自行定義對 VICO portal 的查詢。本體會創建出查詢介面的範本。一個標準的查詢如下圖：