摘要：實現任何人(anyone)在任何時間(anytime)在任何地方(anywhere)訪問所需要的任何內容(anything)是知識管理希望實現的4A目標，隨著技術的發展，任何時間、任何地點想必已不再是難題，而任何人“需要”的內容，即提供針對性、個性化內容的問題，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的個性化知識服務應運而生。
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”。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，只做員工閑來翻翻之用。KM CENTER經過調研后，在其《中國知識管理現狀、問題和趨勢：2012中國知識管理實施調研結果分析》中給出了右圖的一組數據。
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”，不是業務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用手段不智能，找一條知識很麻煩。
實現任何人(anyone)在任何時間(anytime)在任何地方(anywhere)訪問所需要的任何內容(anything)是信息社會希望實現的4A目標，隨著WEB、移動通訊等技術的發展，任何時間、任何地點想必已不再是難題，而任何人“需要”的內容，即提供針對性、個性化內容的問題，仍然是企業以及知識服務提供商需要解決的問題。
面對以上難題，個性化知識服務應運而生。在電子商務領域。以亞馬遜為例，這家零售巨頭的推薦系統推薦的基礎是一系列基本元素：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的算法稱為“從項目到項目的協同過濾算法”。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。數碼愛好者們會發現亞馬遜上滿是新潮電子產品的推薦，而新媽媽們在相同的位置看到的卻是嬰幼兒產品。 據統計，亞馬遜推薦系統每秒賣出的商品達72.9件，推薦的轉化率高達60%，它清楚消費者的喜好，可以預測出消費者的需求進行推薦形成購買。
在企業級應用方面，目前一些服務商也將推薦技術應用在企業的知識服務平臺上。北京億維訊科技有限公司面向企業業務應用的知識工程平臺就綜合使用了多種推薦技術來進行知識推薦，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。一種方式是根據用戶對知識的訂閱、瀏覽、下載、評價等行為構建用戶興趣模型，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聯進行搜索推薦，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絡，當客戶檢索某一類知識時，不僅該類知識的檢索結果會按照匹配度排序呈現，與該類知識相關的其它知識也會出現在推薦知識里，進而提高查全率與查準率。
另一類是基于對企業業務梳理基礎上進行的特定業務活動相關領域知識推送。其中涉及業務流程的梳理和業務活動的建模、業務與知識的關聯以及流程驅動的知識推送等關鍵技術。
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務活動的推薦模塊截圖
相信，隨著個性化推薦技術的日益成熟，其在企業內部知識管理與應用中也將大有作為，知識的高效管理和應用不再是“不可能完成的任務”。
發布信息
