Expertise management plays an impor

专业知识管理在组织中起着重要作用。它旨在通过促进专家知识的有效利用来提高组织的绩效。由于信息过载问题和专家知识的隐性，用户很难找到具有所需专业知识的专家。专业知识推荐作为专业知识管理的子领域，旨在缓解信息过载问题，并向可能具有其需求的专家建议用户。以前关于专业知识推荐的研究可以分为两个研究阶段。第一部分专注于探索专家的社交关系，第二部分专注于研究专家知识的内容。但是，这两种关于专业知识推荐的研究很少整合在一起。除了，以前的研究通常使用精确匹配来查找专家，而忽略了对其专业知识的语义分析，这对于识别内容的相似性是必需的。本文提出了一种基于网络的方法，该方法结合了社会关系和语义分析以在学术环境中推荐专业知识。社交网络分析用于表示研究人员之间的交流和其他关系，而语义分析则用于捕获研究人员的专业知识的内容。基于提出的基于网络的方法，本论文还研究了如何通过案例研究将提出的方法用于推荐研究社区的研究人员和推荐同行评审环境中的审稿人。忽略对其专业知识的语义分析，这对于识别内容的相似性是必需的。本文提出了一种基于网络的方法，该方法将社会关系和语义分析相结合，以在学术环境中推荐专业知识。社交网络分析用于表示研究人员之间的交流和其他关系，而语义分析则用于捕获研究人员的专业知识的内容。基于提出的基于网络的方法，本论文还研究了如何通过案例研究将提出的方法用于推荐研究社区的研究人员和推荐同行评审环境中的审稿人。忽略对其专业知识的语义分析，这对于识别内容的相似性是必需的。本文提出了一种基于网络的方法，该方法结合了社会关系和语义分析以在学术环境中推荐专业知识。社交网络分析用于表示研究人员之间的交流和其他关系，而语义分析则用于捕获研究人员的专业知识的内容。在提出的基于网络的方法的基础上，本文还研究了如何通过案例研究将提出的方法用于推荐研究社区的研究人员并推荐同行评审环境中的审稿人。本文提出了一种基于网络的方法，该方法结合了社会关系和语义分析以在学术环境中推荐专业知识。社交网络分析用于表示研究人员之间的交流和其他关系，而语义分析则用于捕获研究人员的专业知识的内容。在提出的基于网络的方法的基础上，本文还研究了如何通过案例研究将提出的方法用于推荐研究社区的研究人员并推荐同行评审环境中的审稿人。本文提出了一种基于网络的方法，该方法结合了社会关系和语义分析以在学术环境中推荐专业知识。社交网络分析用于表示研究人员之间的交流和其他关系，而语义分析则用于捕获研究人员的专业知识的内容。在提出的基于网络的方法的基础上，本文还研究了如何通过案例研究将提出的方法用于推荐研究社区的研究人员并推荐同行评审环境中的审稿人。

专业知识管理在组织中发挥重要作用。其目的是通过促进有效利用专家的知识来提高组织的业绩。由于信息超载问题以及专家知识的隐性性，用户很难找到具有所需专业知识的专家。专业知识建议作为专业知识管理的一个子领域，试图缓解信息超载问题，并建议用户提供可能满足其需求的专家。以往关于专业知识推荐的研究可分为两个研究流。第一流侧重于探索专家的社会联系，第二流侧重于调查专家知识的内容。然而，关于专门知识推荐的这两个研究流很少被整合。此外，以前的研究通常使用精确的匹配来寻找专家，而忽略了他们专业知识的语义分析，这是识别内容相似性所必需的。本文提出了一种网络为基础的方法，它结合了社会关系和语义分析，为学术语境中的专业知识推荐。社交网络分析用于表示研究人员之间的沟通和其他关系，语义分析用于捕获研究人员的专业知识内容。本文还以建议的基于网络的方法为基础，探讨如何利用该方法推荐研究界的研究人员，并通过案例研究推荐同行评议环境中的评审者。

Expertise management plays an important role in organizations. It aims to improve the performance of organizations by facilitating effective utilization of experts' knowledge. Due to information overload problem and implicit nature of experts' knowledge, it is difficult for users to find experts with required expertise. Expertise recommendation as a subfield of expertise management tries to alleviate the information overload problem and suggest users with experts who might satisfy their needs. Previous research on expertise recommendation can be divided into two research streams. The first stream focuses on exploring social connections of experts, and the second one concentrates on investigating the content of the experts' knowledge. However, these two streams of research on expertise recommendation are seldom integrated. Besides, previous research has usually used the exact matching to find experts, ignoring semantic analysis of their expertise, which is necessary for identifying similarities in terms of content. This thesis presents a network based approach which combines social relations and semantic analysis for expertise recommendation in academic contexts. Social network analysis is used to represent communication and other relationships among researchers, and semantic analysis is used to capture the content of researchers' expertise. Based on the proposed network based approach, this thesis also investigates how the proposed approach can be used to recommend researchers in research communities and recommend reviewers in peer review settings through case studies.<br>