5.3. Ontology-based search and sort

5.3. Ontology-based search and sort- ing of knowledge documents
Ontology mainly acts as knowledge data- base in knowledge retrieval subsystem. It classifies concepts of software testing, describes relation restriction between concepts, and constructs detailed knowl- edge database which involves concrete concepts, attributes, relations, and in- stances between concepts. When retriev- ing knowledge, the correlative concepts or attributes are found according to the users’ requests. Start from there, the on- tology information will be checked to see if it is related to the concepts or attributes. Logically intelligent retrieval is then achieved.
After retrieving, we need to find out how to organize the retrieved documents in a sequential manner. Many factors can in- fluence the sorting process. According to our research, there are five key factors that could influence the sorting results, such as users’ evaluations of documents, knowledge analysts’ evaluation of docu- ments, users’ knowledge level, the num- ber of linking documents and the number of opening documents. The weights of the five factors are in descending order. Every factor weight is calculated by using descending weight formula. The formula is as follow:
Ps=2(N-S+1)/N(N+1)
Where S is parameters sorting, N is pa- rameter numbers, and ∑Ps,s=1 to N =1. While N=5, P1=0.33, P2= 0.27, P3=0.2, P4=0.13, P5=0.07,∑Ps,s=1 to 5 =1.
The importance of knowledge document is calculated as follows:
The importance of knowledge docu- ment=P1 × users’ evaluation of document + P2 × knowledge analysts’ evaluation of document + P3 × users’ knowledge level + P4× the number of linking document + P5× the number of open document. According to the importance results, all documents will be in descending order, then the most valuable knowledge docu- ment will be on the top.
6. Constructing knowledge map
6.1. Definition
Knowledge map (called as knowledge yellow pages) is a stock catalogue about knowledge. The knowledge source shown by knowledge map could be department name, team name, specialist’s name, re- lated person’s name, filename, bibliogra- phy, event number, patent number, or knowledge database index. However, the knowledge content is not included. It is a guide to save time in tracing the knowl- edge source. 6.2. Conditions of constructing knowledge map
When there is a good knowledge map, whatever deserted the needed knowledge is, by tracing correlative information, a fountain of knowledge will be found as long as making the running. By this snowball effect, staffs can’t devote too much time to acquire correlative knowl- edge when they need knowledge. The or- ganization can find out what knowledge will be enhanced or developed and scat- tered by using knowledge map.
In order to construct a good knowledge map, five works must be achieved.
1. To classify the status of important
knowledge and skills.
2. To distinguish the level of knowl-
edge and skills.
3. To decide the category and level of
knowledge needed by specific post.
4. To evaluate ability of staff who has
knowledge.
5. To build a knowledge map retrieval
system.
6.3. Knowledge level and evaluation standard of software testing knowledge
A good software testing knowledge management platform should also offer strong software testing knowledge classification. According to the practical experience and SWEBOK methods[12], five knowledge fields are added into software testing. They are developing language, database, operating system, software testing tools, related knowledge for the testing project. In this knowledge map, the knowledge level is divided into five levels in each filed. They are comprehension, acquaintance, mastership, conversance, and specialist. Definition for each level is clearly described and easily to be evaluated. Every employee’ ability is evaluated by this criteria. The evaluation process should be done by the employee, team, manager, and knowledge analyst cooperatively. The definitions of five levels of knowledge are given as follows:
1. Comprehension. Staffs has used the technology for half a year and taken part in a project. They can reference technol- ogy documents or help files to need their requirements, know the effect of the technology.
2. Acquaintance. Staffs can grasp more than 50% of key technology and has used it for a year and taken part in more than two projects by using it.
3. Mastership. Staffs can grasp more than 60% of key technology and has used it for two years and taken part in more than three projects by using it.
4. Conversance. Staffs can grasp more than 85% of key technology and has used it for five years and taken pare in more than five projects by using it.
5. Specialist. Staffs can grasp more than 95% of key technology and has used it for seven years and taken part in more than eight projects by using it.
According to our research, when evaluat- ing staffs knowledge levels, the top three levels can be upgraded automatically in terms of staffs’ working experience and utility time. But when staffs will be evaluated as conversance or specialist, the utility time and projects which are taken part in by them are only necessary conditions. Even if they meet the condi- tions, they are not always to be evaluated as conversance or specialist, their levels must be customized by knowledge ana- lyst by hand.
7. Case study
The present system is a sub-system of QESuite2.0, which is a software testing management platform developed by Bei- jing University of Aeronautics and Astro- nautics (BUAA). By now, a proto-system has been built. All the modules and func- tions have been implemented. This sys- tem is based on the above-mentioned knowledge management map and has been used in actual work with anticipated results.
According to the knowledge classifica- tion and staffs’ knowledge levels, a spe- cialist network is built. The knowledge documents can be filtered by discussion in communication database. The knowl- edge documents will be integrated into knowledge database to accumulate knowledge by using knowledge classifi- cation trees. Knowledge retrieval engine makes users easy to retrieve required knowledge. When users can’t find appro- priated results, this system will tell who know the answers, so that knowledge sharing can be implemented. For the sake of data security, many access roles and access permission have been de- fined[13].The architecture of this system is shown as Figure 3.


Figure 3 Architecture.....

ผลลัพธ์ (ไทย) 1:

5.3 การค้นหาที่เกี่ยวกับธรรมชาติที่ใช้และการจัดเรียงไอเอ็นจีของเอกสารความรู้เกี่ยวกับธรรมชาติ
ส่วนใหญ่ทำหน้าที่เป็นความรู้เกี่ยวกับฐานข้อมูลในระบบย่อยการดึงความรู้ มันแยกประเภทแนวความคิดของการทดสอบซอฟต์แวร์อธิบายข้อ จำกัด ความสัมพันธ์ระหว่างแนวความคิดและสร้างฐานข้อมูลที่ทันสมัย​​ knowl รายละเอียดที่เกี่ยวข้องกับแนวความคิดที่เป็นรูปธรรมลักษณะความสัมพันธ์และในสถานการณ์ระหว่างแนวความคิดเมื่อ retriev-ing ความรู้แนวความคิดคู่กันหรือคุณลักษณะที่พบตามการร้องขอของผู้ใช้ เริ่มต้นจากที่นั่นข้อมูลบน tology จะถูกตรวจสอบเพื่อดูว่าจะมีความเกี่ยวข้องกับแนวคิดหรือแอตทริบิวต์ ดึงความฉลาดมีเหตุผลจะประสบความสำเร็จแล้ว.
หลังจากเรียกเราต้องไปหาวิธีการจัดระเบียบเอกสารที่เรียกในลักษณะต่อเนื่องหลายปัจจัยที่สามารถในการเรียงลำดับกระบวนการอิทธิพล ตามการวิจัยของเรามีห้าปัจจัยสำคัญที่อาจมีผลต่อผลการเรียงลำดับเช่น 'การประเมินผลของเอกสารที่นักวิเคราะห์ความรู้' ผู้ใช้การประเมินผลของ docu-ments ระดับความรู้ของผู้ใช้จานวนของเอกสารที่เชื่อมโยงและจำนวนของ เปิดเอกสาร น้ำหนักของปัจจัยที่ห้าที่อยู่ในลำดับจากมากไปน้อยน้ำหนักปัจจัยที่ทุกคนจะคำนวณโดยใช้สูตรน้ำหนักจากมากไปน้อย สูตรมีดังนี้:
PS = 2 (NS 1) / n (n 1)
ที่คือพารามิเตอร์การเรียงลำดับ n คือตัวเลข pa-rameter และΣps, s = 1 ถึง n = 1 ในขณะที่ n = 5, p1 = 0.33, p2 = 0.27, p3 = 0.2, p4 = 0.13, p5 = 0.07, Σps, s = 1 ถึง 5 = 1
ความสำคัญของเอกสารความรู้ที่มีการคำนวณดังนี้.
ความสำคัญของความรู้ docu-ment = p1 × 'การประเมินผลของ p2 เอกสาร×นักวิเคราะห์ความรู้' ผู้ใช้การประเมินผลของ p3 เอกสาร× p4 ระดับความรู้ของผู้ใช้×จำนวนของการเชื่อมโยง p5 เอกสาร×จำนวนของเอกสารที่เปิดอยู่ ตามผลสำคัญเอกสารทั้งหมดจะอยู่ในลำดับถัดลงมาแล้วความรู้ docu-ment ที่มีค่าที่สุดจะอยู่ด้านบน
6.การสร้างแผนที่ความรู้
6.1 แผนที่ความละเอียด
ความรู้ (เรียกว่าเป็นความรู้หน้าสีเหลือง) เป็นรายการหุ้นเกี่ยวกับความรู้ แหล่งความรู้ที่แสดงโดยแผนที่ความรู้อาจจะเป็นชื่อแผนก, ชื่อทีม, ชื่อผู้เชี่ยวชาญของชื่อของบุคคลอีกครั้ง lated ของชื่อไฟล์ bibliogra-PHY จำนวนเหตุการณ์จำนวนสิทธิบัตรหรือดัชนีฐานข้อมูลความรู้ แต่เนื้อหาความรู้ที่จะไม่รวมมันเป็นแนวทางในการประหยัดเวลาในการติดตามแหล่งที่มา knowl ที่ทันสมัย 6.2 เงื่อนไขในการสร้างแผนที่ความรู้
เมื่อมีแผนที่ความรู้ที่ดีสิ่งที่ร้างความรู้ที่จำเป็นคือการติดตามข้อมูลโดยคู่กัน, น้ำพุแห่งความรู้จะพบว่าตราบใดที่การทำงาน โดยผลกระทบก้อนหิมะนี้พนักงานไม่สามารถอุทิศเวลามากเกินไปที่จะได้รับคู่กัน knowl สมัยเมื่อพวกเขาต้องมีความรู้ หรือ ganization สามารถหาสิ่งที่มีความรู้จะเพิ่มขึ้นหรือการพัฒนาและซิเลือกไว้โดยใช้แผนที่ความรู้.
เพื่อสร้างแผนที่ความรู้ที่ดีห้าผลงานที่จะต้องประสบความสำเร็จ.
1 การจำแนกสถานะของสำคัญ
ความรู้และทักษะ.
2 ที่จะแยกแยะระดับของ knowl-
ขอบและทักษะ.
3 การตัดสินใจประเภทและระดับของการ
ความรู้ที่จำเป็นโดยเฉพาะการโพสต์.
4 เพื่อประเมินความสามารถของพนักงานที่มีความรู้
.
5 เพื่อสร้างความรู้แผนที่ดึง

ระบบ. 6.3 ระดับความรู้และมาตรฐานการประเมินผลของความรู้การทดสอบซอฟต์แวร์
ซอฟต์แวร์ที่ดีแพลตฟอร์มการจัดการความรู้ในการทดสอบก็ควรที่จะมีซอฟต์แวร์ที่แข็งแกร่งการจัดหมวดหมู่ความรู้ในการทดสอบตามประสบการณ์และ swebok ปฏิบัติวิธีการ [12] ห้าเขตข้อมูลความรู้ที่เพิ่มเข้าไปในการทดสอบซอฟต์แวร์ พวกเขากำลังพัฒนาภาษาฐานข้อมูลระบบปฏิบัติการเครื่องมือการทดสอบซอฟต์แวร์ความรู้ที่เกี่ยวข้องกับการทดสอบสำหรับโครงการ ในแผนที่ความรู้นี้ในระดับความรู้ที่แบ่งออกเป็นห้าระดับในแต่ละยื่น พวกเขาจะเข้าใจความใกล้ชิด, อำนาจ, conversance,และผู้เชี่ยวชาญ คำนิยามสำหรับแต่ละระดับมีการอธิบายอย่างชัดเจนและง่ายที่จะได้รับการประเมิน พนักงานทุกคน 'ความสามารถในการได้รับการประเมินตามเกณฑ์นี้ ขั้นตอนการประเมินควรจะทำโดยพนักงานทีมผู้จัดการและนักวิเคราะห์ความรู้ร่วมกัน คำนิยามของห้าระดับของความรู้ที่จะได้รับดังต่อไปนี้:
1 ความเข้าใจพนักงานมีการใช้เทคโนโลยีสำหรับครึ่งปีและส่วนร่วมในโครงการ พวกเขาสามารถอ้างอิงเอกสารเทคโนโลยี-ogy หรือช่วยให้ไฟล์ที่จะต้องความต้องการของพวกเขารู้ว่าผลกระทบของเทคโนโลยี.
2 คนรู้จัก พนักงานสามารถเข้าใจมากกว่า 50% ของเทคโนโลยีที่สำคัญและได้ใช้มันสำหรับปีและส่วนร่วมในการมากกว่าสองโครงการโดยใช้มัน.
3 การปกครองพนักงานสามารถเข้าใจมากกว่า 60% ของเทคโนโลยีที่สำคัญและได้ใช้มันเป็นเวลาสองปีและได้รับการมีส่วนร่วมในกว่าสามโครงการโดยใช้มัน.
4 conversance พนักงานสามารถเข้าใจมากกว่า 85% ของเทคโนโลยีที่สำคัญและได้ใช้มันเป็นเวลาห้าปีและถูกนำตัวตัดในกว่าห้าโครงการโดยใช้มัน.
5 ผู้เชี่ยวชาญพนักงานสามารถเข้าใจมากกว่า 95% ของเทคโนโลยีที่สำคัญและได้ใช้มันเป็นเวลาเจ็ดปีและส่วนร่วมในการมากกว่าแปดโครงการโดยใช้มัน.
ตามการวิจัยของเราเมื่อระดับความรู้พนักงาน evaluat-ing บนสามระดับสามารถปรับ โดยอัตโนมัติในแง่ของประสบการณ์ในการทำงานของพนักงานและเวลายูทิลิตี้ แต่เมื่อพนักงานจะได้รับการประเมินว่าเป็น conversance หรือผู้เชี่ยวชาญเวลาสาธารณูปโภคและโครงการที่จะได้รับการมีส่วนร่วมในโดยพวกเขาเป็นเพียงเงื่อนไขที่จำเป็น แม้ว่าพวกเขาจะตอบสนองความทั้งนี้สภาพที่พวกเขาจะไม่เคยได้รับการประเมินว่าเป็น conversance หรือผู้เชี่ยวชาญระดับของพวกเขาต้องได้รับการปรับแต่งโดยความรู้ ana-lyst ด้วยมือ.
7 กรณีศึกษา
ระบบปัจจุบันเป็นระบบย่อยของ qesuite2.0,ซึ่งเป็นแพลตฟอร์มการจัดการการทดสอบซอฟต์แวร์ที่พัฒนาโดยมหาวิทยาลัย bei-jing ของวิชาการและ Astro nautics (buaa) โดยขณะนี้โปรระบบได้รับการสร้างขึ้น โมดูลทั้งหมดและ func tions ได้รับการดำเนินการ นี้ระบบ-Tem จะขึ้นอยู่กับการจัดการความรู้แผนที่ดังกล่าวข้างต้นและมีการใช้ในการทำงานที่เกิดขึ้นจริงกับผลที่คาดว่าจะ.
ตามความรู้ classifica-tion และพนักงาน 'ระดับความรู้เครือข่ายเอสพีอี-cialist ถูกสร้างขึ้น เอกสารความรู้ที่สามารถกรองโดยการอภิปรายในฐานข้อมูลการสื่อสาร เอกสาร knowl ที่ทันสมัย​​จะรวมอยู่ในฐานข้อมูลความรู้ที่จะสะสมความรู้โดยใช้ความรู้ต้นไม้ classifi ไอออนบวกเครื่องมือการดึงความรู้ที่ทำให้ผู้ใช้สะดวกในการดึงความรู้ที่จำเป็น เมื่อผู้ใช้ไม่สามารถหาผลลัพธ์ที่จัดสรร priated ระบบนี้จะบอกได้ว่าใครรู้คำตอบเพื่อแบ่งปันความรู้ที่สามารถดำเนินการ เพื่อประโยชน์ในการรักษาความปลอดภัยข้อมูลบทบาทการเข้าถึงจำนวนมากและได้รับอนุญาตการเข้าถึงได้รับการยกเลิกการปรับ [13]. สถาปัตยกรรมของระบบนี้จะแสดงเป็นรูปที่ 3.


รูปที่ 3 สถาปัตยกรรม .....

ผลลัพธ์ (ไทย) 2:

5.3. ภววิทยาตามค้นหาและเรียงลำดับ-ing เอกสารความรู้
ภววิทยาส่วนใหญ่ทำหน้าที่เป็นฐานข้อมูลในระบบย่อยการรับรู้ความรู้ มันประมวลแนวคิดของการทดสอบซอฟต์แวร์ อธิบายจำกัดความสัมพันธ์ระหว่างแนวคิด และสร้างฐานข้อมูล knowl ขอบรายละเอียดที่เกี่ยวข้องกับแนวคิดคอนกรีต คุณลักษณะ ความสัมพันธ์ และขยายในตัวระหว่างแนวคิด เมื่อรู้ retriev ing แนวคิด correlative หรือแอตทริบิวต์จะพบตามคำขอของผู้ใช้ เริ่มจากมี จะมีการตรวจสอบข้อมูลบน tology ดูถ้ามันเกี่ยวข้องกับแนวคิดหรือแอตทริบิวต์ เรียกตรรกะอัจฉริยะแล้วทำ
หลังจากรับ เราจำเป็นต้องหาวิธีการจัดระเบียบเอกสารดึงข้อมูลในลักษณะต่อเนื่องกัน การเรียงลำดับใน fluence หลายปัจจัยได้ ตามการวิจัยของเรา มี 5 ปัจจัยสำคัญที่อาจส่งผลต่อผลการเรียงลำดับ เช่นผู้ประเมินเอกสาร การประเมินความรู้ของนักวิเคราะห์ docu ments ระดับความรู้ของผู้ใช้ num-ber ของการเชื่อมโยงเอกสารและหมายเลขของเอกสารที่เปิด อยู่ น้ำหนักของปัจจัย 5 เรียงลำดับได้ น้ำหนักทุกปัจจัยจะคำนวณ โดยใช้สูตรน้ำหนักเรียง สูตรมี:
Ps = 2 (N-S 1) /n%1 /N (N 1)
S ซึ่งเป็นพารามิเตอร์ที่เรียงลำดับ N rameter ป่าหมายเลข และ ∑Ps, s = 1 ไป N = 1 ในขณะที่ N = 5, P1 = 0.33, p 2 = 0.27, P3 = 0.2, P4 = 0.13, P5 = 0.07, ∑Ps, s = 1 ถึง 5 = 1.
ความสำคัญของเอกสารความรู้จะถูกคำนวณดังนี้:
ความสำคัญของความรู้ docu-ติดขัด = P1 การผู้ประเมินเอกสาร p 2 การเพิ่มการประเมินของนักวิเคราะห์เอกสาร P3 ฟิลด์ผู้รู้ระดับ P4 ฟิลด์หมายเลขของการเชื่อมโยงเอกสาร P5 ฟิลด์หมายเลขของเอกสารที่เปิด ตามผลลัพธ์สำคัญ เอกสารทั้งหมดจะถูกเรียงลำดับ แล้ว docu รู้ดีที่สุดนี้ติดขัดจะอยู่บนด้านบน
6 แผนที่ความรู้ constructing
6.1 นิยาม
แคตตาล็อกสินค้าคงคลังเกี่ยวกับความรู้เป็นแผนผังความรู้ (เรียกว่าเป็นความรู้สมุดหน้าเหลือง) แหล่งความรู้ที่แสดงแผนที่ความรู้อาจจะชื่อแผนก ชื่อทีม ชื่อของผู้เชี่ยวชาญ re - lated ชื่อบุคคล ชื่อ bibliogra phy เหตุการณ์หมายเลข หมายเลขสิทธิบัตร หรือดัชนีฐานข้อมูลความรู้ อย่างไรก็ตาม เนื้อหาความรู้ไม่ได้รวม คู่มือการบันทึกเวลาในการติดตามแหล่งที่มา knowl ขอบได้ 6.2. เงื่อนไขในการสร้างแผนที่ความรู้
เมื่อมีแผนที่ความรู้ดี เพียงร้างความรู้จำเป็น โดยติดตามข้อมูล correlative น้ำพุของความรู้จะมีอยู่ตราบใดที่การทำงานที่ โดยลักษณะนี้มนุษย์หิมะ พนักงานไม่สามารถอุทิศเวลามากเกินไปเพื่อซื้อขอบ correlative knowl เมื่อต้องการความรู้ การ หรือ-ganization สามารถค้นหาความรู้อะไรจะปรับปรุง หรือพัฒนาและท่าน tered โดยใช้แผนที่ความรู้.
เพื่อสร้างแผนที่ความรู้ดี ต้องทำงานห้า.
1 การจำแนกสถานะของสำคัญ
ความรู้และทักษะ
2 เพื่อแยกระดับของ knowl-
ขอบและทักษะ
3 การตัดสินใจประเภทและระดับของ
ความรู้ที่ต้องการลงรายการบัญชีเฉพาะการ
4 การประเมินความสามารถของเจ้าหน้าที่
รู้
5 สร้างการเรียกแผนที่ความรู้
ระบบ
6.3 ระดับความรู้และประเมินมาตรฐานของซอฟต์แวร์ทดสอบความรู้
ซอฟต์แวร์ดีทดสอบเวทีจัดการความรู้ควรมีซอฟต์แวร์แข็งทดสอบการจัดประเภทความรู้ ตามประสบการณ์การปฏิบัติและวิธี SWEBOK [12], รู้ห้าฟิลด์จะเข้าทดสอบซอฟแวร์ พวกเขากำลังพัฒนาภาษา ฐานข้อมูล ระบบปฏิบัติการ ซอฟต์แวร์เครื่อง มือทดสอบ ความรู้ที่เกี่ยวข้องในโครงการทดสอบ ในแผนที่นี้รู้ ระดับความรู้ถูกแบ่งออกเป็นห้าระดับแต่ละยื่น จะทำความเข้าใจ ความใกล้ชิด mastership, conversance และผู้เชี่ยวชาญ อธิบายคำนิยามสำหรับแต่ละระดับอย่างชัดเจนและ ให้มีประเมินการ พนักงานทุกคน ' เป็นประเมินความสามารถตามเกณฑ์นี้ การประเมินควรจะทำ โดยนักวิเคราะห์พนักงาน ทีมงาน ผู้จัดการ และความรู้ cooperatively นิยาม 5 ระดับของความรู้จะได้รับเป็นดังนี้:
1 ทำความเข้าใจ พนักงานมีใช้เทคโนโลยีสำหรับครึ่งปี และนำมาเป็นส่วนหนึ่งในโครงการ พวกเขาสามารถอ้างอิง technol-ogy เอกสารหรือวิธีใช้แฟ้มต้องความต้องการของพวกเขา ทราบผลกระทบของเทคโนโลยี
2 ความใกล้ชิดกัน พนักงานสามารถเข้าใจมากกว่า 50% ของเทคโนโลยีที่สำคัญ และมีใช้สำหรับปี และมาเป็นส่วนหนึ่งในโครงการมากกว่าสองโดยมัน
3 Mastership การ พนักงานสามารถเข้าใจมากกว่า 60% ของเทคโนโลยีที่สำคัญได้ใช้เวลา 2 ปี และมาเป็นส่วนหนึ่งในโครงการมากกว่าสามโดยมัน
4 Conversance พนักงานสามารถเข้าใจมากกว่า 85% ของเทคโนโลยีที่สำคัญ และใช้เวลาห้าปี และนำ pare ในโครงการมากกว่าห้าโดยมัน
5 ผู้เชี่ยวชาญ พนักงานสามารถเข้าใจมากกว่า 95% ของเทคโนโลยีที่สำคัญ และมีใช้มาเจ็ดปี และนำส่วนหนึ่งในโครงการที่มากกว่าแปดโดยมัน
ตามงานวิจัยของเรา เมื่อ evaluat กำลังนำดีความรู้ระดับ ระดับอันดับ 3 สามารถปรับอัตโนมัติประสบการณ์การทำงานของพนักงานและเวลาที่โปรแกรมอรรถประโยชน์ได้ แต่ เมื่อจะมีประเมินบุคลากรเป็น conversance หรือผู้เชี่ยวชาญ โครงการซึ่งจะนำส่วนใน โดยพวกเขาเวลายูทิลิตี้และเป็นเงื่อนไขที่จำเป็นเท่านั้น แม้ว่าจะ tions เบาะ ๆ ว่าพวกเขา พวกเขามักไม่สามารถประเมินเป็น conversance หรือผู้เชี่ยวชาญ ระดับของพวกเขาต้องกำหนดรู้อนา lyst โดยมือ
7 กรณีศึกษา
ระบบปัจจุบันเป็นระบบย่อยของ QESuite2.0 ซึ่งเป็นซอฟต์แวร์แพลตฟอร์มการจัดการทดสอบพัฒนา โดยมหาวิทยาลัยเป่ยจิงหลงและแอสโทร-nautics (BUAA) ตอน โปรโตระบบได้ถูกสร้าง มีการใช้โมดูลและ func tions ยการ sys นี้เป็นไปตามแผนจัดการความรู้ดังกล่าว และมีการใช้งานจริงกับผลที่คาดว่าจะ
เครือข่าย spe-cialist ถูกสร้างขึ้นตามความรู้ classifica-สเตรชันและระดับความรู้ของบุคลากร เอกสารความรู้ที่สามารถกรองได้ โดยในฐานข้อมูลการสื่อสาร Knowl-ขอบเอกสารจะถูกรวมลงในฐานข้อมูลความรู้ในการสะสมความรู้ โดยใช้ความรู้ classifi cation ต้นไม้ เครื่องยนต์รับรู้ช่วยให้ผู้ใช้เพื่อดึงความรู้ที่จำเป็น เมื่อผู้ใช้ไม่สามารถค้นหาผลลัพธ์ appro priated ระบบนี้จะบอกที่รู้คำตอบ เพื่อให้ความรู้ร่วมกันสามารถดำเนินการ เพื่อความปลอดภัยของข้อมูล มากเข้าถึงบทบาทและสิทธิการเข้าถึงได้เดอ-ปรับ [13]สถาปัตยกรรมของระบบนี้จะแสดงเป็นรูปที่ 3.


รูปสถาปัตยกรรม 3...

ผลลัพธ์ (ไทย) 3:

5.3 . Capitalism ) - ใช้การค้นหาและเรียง - ไอเอ็นจีประกันชีวิตของความรู้เอกสาร
ซึ่งจะช่วยเป็นหลัก Capitalism )ทำหน้าที่เป็นความรู้ข้อมูลฐานในระบบการกู้คืนความรู้ โรงแรมจัดหมวดหมู่แนวความคิดของการทดสอบซอฟต์แวร์จะอธิบายถึงการจำกัดความสัมพันธ์ระหว่างแนวความคิดและการประกอบสร้างฐานข้อมูล knowl - edge ซึ่งมีความเกี่ยวข้องกับแนวความคิดแอตทริบิวต์คอนกรีตและความสัมพันธ์ในสถานการณ์ระหว่างแนวความคิด5.3 . Capitalism ) - ใช้การค้นหาและเรียง - ไอเอ็นจีประกันชีวิตของความรู้เอกสาร
ซึ่งจะช่วยเป็นหลัก Capitalism )ทำหน้าที่เป็นความรู้ข้อมูลฐานในระบบการกู้คืนความรู้ โรงแรมจัดหมวดหมู่แนวความคิดของการทดสอบซอฟต์แวร์จะอธิบายถึงการจำกัดความสัมพันธ์ระหว่างแนวความคิดและการประกอบสร้างฐานข้อมูล knowl - edge ซึ่งมีความเกี่ยวข้องกับแนวความคิดแอตทริบิวต์คอนกรีตและความสัมพันธ์ในสถานการณ์ระหว่างแนวความคิดเมื่อ retriev - ไอเอ็นจีประกันชีวิตความรู้แอตทริบิวต์หรือแนวความคิดมีความสัมพันธ์กันเท่านั้นที่จะได้พบตามคำขอของผู้ใช้ เริ่มจากที่นั่นจะมีข้อมูลเกี่ยวกับ - tology ที่จะได้รับการตรวจสอบเพื่อดูว่ามีความสัมพันธ์กับแอตทริบิวต์หรือแนวความคิดได้ การกู้คืนข้อมูลอัจฉริยะลอจิกจะทำได้แล้ว.
หลังจากการเรียกเราจำเป็นต้องค้นหาวิธีการในการจัดการเอกสารที่เรียกในลักษณะแบบต่อเนื่องเป็นลำดับปัจจัยจำนวนมากสามารถ fluence ขั้นตอนการเรียงลำดับใน - จากการวิจัยของเรามี 5 ปัจจัยที่สำคัญที่จะมีผลต่อผลการเรียงลำดับเช่นการทดสอบใช้งานของผู้ใช้ของเอกสารการประเมินผลของนักวิเคราะห์ต่อความรู้ของ ประสิทธิภาพ เชิงสถิต( static efficiencies )ระดับความรู้ของผู้ใช้ Num Lock - เหาะของการเชื่อมโยงเอกสารและจำนวนของการเปิดเอกสาร ยกน้ำหนักที่ห้าปัจจัยที่อยู่ในใบสั่งซื้อจากมากไปหาน้อยน้ำหนักโครงเครื่องทุกครั้งจะคำนวณโดยการใช้สูตรคำนวณน้ำหนักจากมากไปหาน้อย สูตรที่เป็นไปตาม:
PS = 2 ( N - S 1 )/ N ( N 1 )
ซึ่งเป็นพารามิเตอร์การเรียงลำดับ N เป็นหมายเลขป่า - rameter และ ∑ps S = 1 เพื่อไปยัง N = 1 ในขณะที่ N = 5 P 1 = 0.33 P 2 = 0.27 P 3 = 0.2 P 4 = 0.13 P 5 = 0.07 ∑ps S = 1 ถึง 5 = 1 .
ความสำคัญของเอกสารความรู้จะคำนวณดังนี้:
ความสำคัญของความรู้ต่อ - การ= P 1 ×ของผู้ใช้การประเมินผลของเอกสาร P 2 ×ความรู้นักวิเคราะห์ของการประเมินผลของเอกสาร P 3 ×ของผู้ใช้ความรู้ระดับ P 4 ×จำนวนของการเชื่อมโยงเอกสาร P 5 ×จำนวนเปิดเอกสารได้ ตามผลที่สำคัญเอกสารทั้งหมดจะอยู่ในแบบเรียงจากมากไปหาน้อยการสั่งซื้อแล้วมีคุณค่ามากที่สุดความรู้ต่อ - การจะอยู่ด้านบน.
6มันเป็นคู่มือที่ช่วยประหยัดเวลาในการตรวจสอบแหล่งที่มา knowl - ขอบ 6.2 . เงื่อนไขในการสร้างความรู้เกี่ยวกับแผนที่
เมื่อมีแผนที่ความรู้ที่ดีไม่ว่าจะร้างผู้คนความรู้ที่จำเป็นโดยมีการติดตามข้อมูลมีความสัมพันธ์กันเท่านั้นน้ำพุที่มีความรู้จะได้พบที่ทำให้การทำงาน โดยมีผลบังคับใช้สโนว์บอลแห่งนี้สร้างแผนที่ความรู้
6.1 High Definition
ความรู้แผนที่(หน้าสีเหลืองเรียกว่าเป็นความรู้)เป็นแคตตาล็อกหุ้นเกี่ยวกับความรู้ แหล่งความรู้ที่ได้แสดงไว้ในแผนที่ความรู้ความสามารถเป็นชื่อของผู้เชี่ยวชาญด้านชื่อทีมงานชื่อแผนกอีกครั้ง - พฤศจิกายนชื่อของบุคคลดัชนีฐานข้อมูลความรู้หรือชื่อแฟ้ม bibliogra - Integrated (เซาธ์บริดจ์ระดับหมายเลขเหตุการณ์หมายเลขสิทธิบัตร แต่ถึงอย่างไรก็ตามเนื้อหาความรู้ที่ไม่ได้รวมอยู่ความชำนาญและขอบ.
3 การตัดสินใจระดับและ ประเภท ของ
ความรู้ตามความต้องการเฉพาะที่ทำการไปรษณีย์.
4 ในการประเมินความสามารถของพนักงานที่มีความรู้
.
5 ในการสร้างแผนที่ความรู้,การเรียกข้อมูลจากระบบ
.
6.3 มาตรฐานและการประเมินระดับความรู้ในการใช้ซอฟต์แวร์การทดสอบความรู้
ซอฟต์แวร์ที่ดีที่การทดสอบแพลตฟอร์มการจัดการความรู้ควรจะจัดให้บริการการจัด ประเภท ความรู้การทดสอบซอฟต์แวร์ Strong ยังพนักงานไม่สามารถอุทิศเวลามากเกินไปในการรับ knowl คู่กัน - ขอบเมื่อพวกเขาต้องการความรู้ หรือ - ganization สามารถพบกับออกมาว่าความรู้จะได้เพิ่มหรือที่พัฒนาและแผนที่ scat - tered โดยการใช้ความรู้.
ในการสั่งซื้อในการสร้างแผนที่ความรู้ที่ดีที่ห้าการทำงานจะต้องได้รับความสำเร็จ. N 1 ในการจัด ประเภท ข้อมูลสถานะของความสำคัญ
ซึ่งจะช่วยพัฒนาทักษะและความรู้.
2 ในการสร้างความแตกต่างของระดับที่ knowl -
ผู้เชี่ยวชาญด้าน IT และ. ความละเอียดสำหรับแต่ละระดับได้อธิบายไว้และได้อย่างง่ายดายในการประเมินได้ว่าได้อย่างชัดเจน "พนักงานทุกคนสามารถได้รับการประเมินโดยใช้เกณฑ์นี้ ขั้นตอนการประเมินผลซึ่งควรดำเนินการโดยพนักงานที่ผู้จัดการทีมงานและนักวิเคราะห์กอบกู้ความรู้ คำนิยามของห้าระดับของความรู้จะได้รับเป็นดังนี้:
1 ความเข้าใจ.ตามเพื่อรับประสบการณ์ที่ใช้ได้จริงและวิธีการ swebok [ 12 ]ในฟิลด์ถึงห้าความรู้จะถูกเพิ่มลงในการทดสอบซอฟต์แวร์ ห้องพักได้รับการพัฒนา ภาษา ระบบฐานข้อมูลการทำงานเครื่องมือการทดสอบความรู้ที่เกี่ยวข้องกับซอฟต์แวร์สำหรับโครงการการทดสอบ ในแผนที่ความรู้นี้ระดับความรู้ที่จะแบ่งออกเป็น 5 ระดับในแต่ละครั้งที่ฟ้อง ห้องพักมีความเข้าใจความสนิทสนมคุ้นเคยตำแหน่งเป็นครูพนักงานได้ใช้เทคโนโลยีสำหรับครึ่งปีและได้มีส่วนในโครงการ พวกเขาสามารถอ้างอิง,เทคโนโลยี - ogy เอกสารหรือไฟล์ข้อความวิธีใช้เพื่อต้องการความต้องการของพวกเขารู้ว่าผลของเทคโนโลยี.
2 การรู้จักกัน. พนักงานสามารถที่จะทำความเข้าใจมากกว่า 50% ของเทคโนโลยีหลักและมีใช้งานได้ในปีที่แล้วได้มีส่วนในมากกว่าทั้งสองโครงการโดยใช้. N 3 ตำแหน่งเป็นครู.พนักงานสามารถที่จะทำความเข้าใจได้มากกว่า 60% ของเทคโนโลยีหลักและได้ใช้งานได้สำหรับสองปีและได้มีส่วนในมากกว่าสามโครงการโดยใช้. N 4 คุ้นเคย. พนักงานสามารถที่จะทำความเข้าใจมากกว่า 85% ของเทคโนโลยีหลักและได้ใช้งานได้ห้าปีและได้แพร:ในมากกว่าห้าโครงการโดยใช้. N 5 ผู้เชี่ยวชาญด้าน IT .โครงการและเวลายูทิลิตีที่จะได้เป็นส่วนหนึ่งในนั้นเป็นเพียงเงื่อนไขที่จำเป็น แม้ว่าพวกเขาพบกับ condi - ใช้งานที่พวกเขาไม่ได้จะได้รับการประเมินและคุ้นเคยหรือผู้เชี่ยวชาญเฉพาะด้านระดับของพวกเขาจะต้องมีการปรับเปลี่ยนให้เหมาะสมกับขั้นตอนโดยความรู้ ANA - lyst ด้วยมือได้
7
ซึ่งจะช่วยให้ระบบมีกรณีศึกษามีคณะอนุกรรมการ - ระบบของ qesuite 2.0พนักงานสามารถที่จะทำความเข้าใจมากกว่า 95% ของเทคโนโลยีหลักและได้ใช้งานได้สำหรับเจ็ดปีและได้มีส่วนในมากกว่าแปดโครงการโดยใช้.
จากการวิจัยของเราเมื่อ evaluat - ไอเอ็นจีประกันชีวิตระดับความรู้พนักงานระดับบนสุดที่สามารถทำการอัพเกรดโดยอัตโนมัติในด้านของพนักงานในยูทิลิตีและรับประสบการณ์การทำงาน แต่เมื่อพนักงานจะประเมินได้ว่าเป็นคุ้นเคยหรือผู้เชี่ยวชาญเฉพาะด้านซึ่งเป็นแพลตฟอร์มการจัดการการทดสอบซอฟต์แวร์ที่พัฒนาขึ้นโดยมหาวิทยาลัยเขตพื้นที่ทาง - ร้านจิวเวลรี่ของความชำนาญและช่องสัญญาณ Astro - nautics ( buaa ) โดยในตอนนี้.อันนี้เป็นระบบที่ได้รับการสร้างขึ้น โมดูลและ func - ใช้งานทั้งหมดได้รับการนำมาใช้ SYS , - (ประธาน)ชั่วคราวนี้มีพื้นฐานมาจากแผนที่การจัดการความรู้ดังกล่าวข้างต้นและมีการใช้จริงในการทำงานและมีผลคาดว่า.
ตามระดับความรู้ของความรู้ classifica - การและพนักงานที่เครือข่าย SPE Bar and Restaurant - cialist เป็นการสร้าง เอกสารความรู้ที่สามารถกรองโดยการประชุมในฐานข้อมูลการสื่อสาร เอกสาร knowl - edge แบบอินทิเกรตที่จะได้เข้าไปในฐานข้อมูลความรู้เพื่อทำการสะสมความรู้โดยการใช้ไม้ความรู้ classifi - ประจุลบเครื่องยนต์การกู้คืนความรู้ทำให้ผู้ใช้ได้อย่างง่ายดายเพื่อดึงข้อมูลความรู้ที่จำเป็น เมื่อผู้ใช้ไม่สามารถค้นหาผลลัพธ์ appro - priated ระบบนี้จะบอกได้ว่าใครทราบคำตอบแล้วว่าการใช้ร่วมกันความรู้สามารถนำไปปรับใช้ เพื่อที่ได้รับอนุญาตของข้อมูลบทบาทและสิทธิการเข้าระบบการเชื่อมต่อจำนวนมากการรักษาความ ปลอดภัย ได้รับการ de - ปรับ[ 13 ].สถาปัตยกรรมของระบบนี้จะแสดงเป็นรูปที่ 3 .


รูปที่ 3 สถาปัตยกรรม.....