第２４卷 第５期 ２０１５年１０月 运 筹 与 管 理 ＯＰＥＲＡＴＩＯＮＳ ＲＥＳＥＡＲＣＨ ＡＮＤ ＭＡＮＡＧＥＭＥＮＴ ＳＣＩＥＮＣＥ Ｖｏ１．２４，Ｎｏ．５ Ｏｃｔ．２０１５ 基于语义Ｃｈｏｑｕｅｔ积分的知识服务能力测评方法 陈希 ， 韩菁 ， 曹洪亮。 （１．西安电子科技大学经济与管理学院，陕西西安７１００７１；２．陕西师范大学国际商学院，陕西西安７１００６２；３．中山大学 哲学系，广东广卅Ｉ ５１０２７５） 摘要：针对知识服务中考虑模糊语言关联性信息的知识服务能力评价与提升策略问题，提出了一种评价方法。 为了解决该问题，首先构建了知识服务能力的评价指标体系和矩阵分析模型；然后，明晰了知识服务能力的语言 评价指标会在不同程度上存在关联的问题特征及二元语义信息处理方法的特征，并进行了形式化描述；同时，提 出并定义了二元语义Ｃｈｏｑｕｅｔ积分算子，给出了一种基于二元语义Ｃｈｏｑｕｅｔ积分算子评价知识服务能力的方法； 最后，通过算例分析说明了本文给出方法的可行性和实用性。 关键词：运筹学；知识服务；语义Ｃｈｏｑｕｅｔ积分；评价；关键要素 中图分类号：Ｆ２７０ 文章标识码：Ａ 文章编号：１００７—３２２１（２０１５）０５一Ｏ２１４—０８ ，Ａ Ｍｅｔｈｏｄ ｆｏｒ Ｋｎｏｗｌｅｄｇｅ Ｓｅｒｖｉｃｅ Ｃａｐａｂｉｌｉｔｙ Ｅｖａｌｕａｔｉｏｎ Ｂａｓｅｄ ｏｎ ｉｎｇｕｉｓｔｉｃ Ｃｈｏｑｕｅｔ Ｉｎｔｅｇｒａｌ ＣＨＥＮ Ｘｉ ，ＨＡＮ Ｊｉｎｇ ，ＣＡＯ Ｈｏｎｇ—ｌｉａｎｇ （１．Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ＆Ｍａｎａｇｅｍｅｎｔ，Ｘｉ Ｄｉａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ ７ １ ００７ １，Ｃｈｉｎａ；２．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｓｈａａｎｘｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ ７ １００６２，Ｃｈｉｎａ；３．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｐｈｉｌｏｓｏｐｈｙ，Ｓｕｎ Ｙａｔ—ｓｅｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ ５ １ ０２７５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｅｖａｌｕａｔｅ ａｎｄ ｅｎｈａｎｃｅ ｔｈｅ ｃａｐａｂｉｌｉｔｙ ｃｏｎｓｉｄｅｒｉｎｇ ｃｏｒｒｅｌａｔｅｄ ｆｕｚｚｙ ｌｉｎｇｕｉｓｔｉｃ ｉｎｄｅｘ ｉｎ ｋｎｏｗｌｅｄｇｅ ｓｅｒｖｉｃｅ．Ｔｏ ｓｏｌｖｅ ｔｈｉｓ ｐｒｏｂｌｅｍ，ａｎ ｅｖａｌｕａｔｉｏｎ ｉｎｄｅｘ ｓｙｓｔｅｍ ａｎｄ ａ ｍａｔｒｉｘ ｍｏｄｅｌ ａｒｅ ｍａｄｅ ｕｐ． Ｔｈｅｎ，ｉｔ ｇｉｖｅｓ ｔｈｅ ｃｈａｒａｃｔｅｒ ａｎｄ ｆｏｒｍａｌ ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｋｎｏｗｌｅｄｇｅ—ｓｅｒｖｉｃｅ ｃａｐａｂｉｌｉｔｙ ｅｖａｌｕａｔｉｏｎ ｐｒｏｂｌｅｍ ｃｏｎｓｉｄｅｒ— ｉｎｇ ｃｏｒｒｅｌａｔｅｄ ｌｉｎｇｕｉｓｔｉｃ ｉｎｄｅｘ．Ｍｅａｎｗｈｉｌｅ．ｔｈｅ ２一ｔｕｐｌｅ ｌｉｎｇｕｉｓｔｉｃ Ｃｈｏｑｕｅｔ ｉｎｔｅｇｒａｌ ｉｓ ｐｒｅｓｅｎｔｅｄ ａｎｄ ｔｈｅ ｋｎｏｗｌ— ｅｄｇｅ—ｓｅｒｖｉｃｅ ｃａｐａｂｉｌｉｔｙ ｃａｎ ｂｅ ｉｎｔｅｇｒａｔｅｄ ａｎｄ ｃａｌｃｕｌａｔｅｄ．Ｆｉｎａｌｌｙ，ａｎ ｉｌｌｕｓｔｒａｔｉｖｅ ｅｘａｍｐｌｅ ｉｓ ｕｓｅｄ ｔｏ ｓｈｏｗ ｔｈｅ ｐｒａｃｔｉｃａｌｉｔｙ ａｎｄ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ａｐｐｒｏａｃｈ． Ｋｅｙ ｗｏｒｄｓ：ｏｐｅｒａｔｉｏｎ ｒｅｓｅａｒｃｈ；ｋｎｏｗｌｅｄｇｅ ｓｅｒｖｉｃｅ；ｌｉｎｇｕｉｓｔｉｃ ｃｈｏｑｕｅｔ ｉｎｔｅｇｒａｌ；ｅｖａｌｕａｔｉｏｎ；ｋｅｙ ｅｌｅｍｅｎｔｓ ０ 引言 知识服务能力已成为考量企业核 ｆｉ，竞争力及竞争优势的重要因素，并受到来自企业界和学术界越来 越多的重视。许多企业倾向于通过更新硬件设施和搭建配套软件系统等方式来提升其知识服务能力，但 效果却非常有限，知识服务企业并不明晰自身知识服务水平的高低以及可提升的关键要素。因此，有效的 构建知识服务能力评价体系并提出相应的评价方法，对知识服务企业提升核心竞争力、减少资源损失，具 有重要的意义和价值。 伴随知识服务业的快速发展以及知识服务在经济体系中日益突显的地位，知识服务的相关研究引起 了国内外学者的关注，但已有的研究主要围绕知识服务的相关概念开展。Ｍｉｌｅｓ等人…研究了知识密集型 服务业（ＫＩＢＳ）的基本特征，指出其是向社会和用户提供以知识为基础的中问产品或服务的公司和组织， 收稿日期：２０１４—０３—１０ 基金项目：国家自然科学基金资助项目（７１１０１１１４，７１４７３１８８，７１４０３１５８）；中国博士后科学基金资助项目（２０１２Ｍ５１１９７９）；中央高校基本 科研业务费专项资金资助（Ｋ５０５１３０６００１）；教育部中国移动科研基金资助项目（ＭＣＭ２０１２２０３１） 作者简介：陈希（１９８２．），女，山东莒南人，副教授，研究方向：管理决策分析。 第５期 陈希，等：基于语义Ｃｈｏｑｕｅｔ积分的知识服务能力测评方法 ２１５ 并且在知识经济社会中扮演着主动且关键的角色。Ｍｕｌｌｅｒ和Ｚｅｎｋｅｒ 指出知识密集型服务活动是从客户 那里获取知识并反过来为客户提供特定解决方案及提升自身知识基础的过程，知识服务是客户创新的外 部知识来源，同时也给服务供应商带来内部创新和经济增长。李霞和樊治平等 指出了知识服务是一个 满足客户不同类型知识需求的服务过程，知识服务提供者在与客户交互的过程中，帮助客户获取知识、提 高客户解决问题的能力、帮助客户理性决策或直接帮助客户解决问题。已有的研究中，关于知识服务能力 的定量研究所见较少，同时由于知识服务要素的复杂性和人类思维的模糊性，使得对各要素指标进行评价 时很难用精确的数值来描述，而用语言信息则更为方便、合适 。知识服务能力的评价指标之问还往往 存在关联和交互，即一个评价指标可能会影响其他评价指标，指标之间通过互相影响共同产生作用，知识 服务能力的评价信息之间存在非可加性，即并不彼此独立，而是相互关联和影响。基于此，本文针对知识 服务能力测评中考虑语言关联性指标的情形，提出了一种新的基于二元语义Ｃｈｏｑｕｅｔ积分算子对知识服 务能力进行评价的方法，并建立了知识服务能力评价结果的矩阵分析模型，为有针对性地提升知识服务能 力提供了决策支持。 １ 考虑基础维和过程维的知识服务能力测评问题描述 为了构建知识服务能力评价的指标体系，首先分析和整理了相关文献［１，４—６］，提炼可用于测量两 个维度的指标，形成备选指标集合；然后，采用问卷调查方法，向知识服务领域具有行业经验和研究专长的 ３２位专家发放调查问卷，获得专家对备选指标集合的意见，依据专家意见，对备选指标集合进行筛选与修 正，建立了考虑基础维度和过程维度两个维度的知识服务能力评价指标体系，分别如表１和表２中所示。 ‘根据对指标的分析，可以看出知识服务能力的评价问题具有两个比较明显的特征：第一，评价指标多是定 性的指标，专家在评价的过程中给出语言形式的评价信息比较方便；例如，专家在对基础维度中组织文化 类的指标“愿景与目标”、“客户中心的理念”、“公平与信任”、“持续学习”、“团队合作”等进行评价时，通 常会给出好、非常好、较差、非常满意、非常不满意等语言形式的信息，使用语言信息能够较好的表达专家 对于相应指标的评价。第二，基础维度和过程维度内的各个评价指标并不是完全独立的而是存在着关联， 两个维度间的指标相对独立。例如，在基础维度下，针对基础知识存量的评价指标“基础理论知识”与“专 业知识”就是互相促进相互关联的，“专业知识”与“交叉学科知识”也存在着相互的关联和影响；在过程维 度下，针对知识获取与组织的指标“隐性知识挖掘与分析的能力”是“专家地图”构建的重要基础和保障， 两者之间也存在着关联性。基于上述的分析和相关的文献资料，本文给出了分别考虑基础维度和过程维 度两个维度的知识服务能力评价框架，如图１中所示。基于研究问题的特点，下面给出了一种针对多指标 关联情形的知识服务能力测评方法。 表１ 考虑基础维度的知识服务能力评价指标体系 指标类别 评价指标 评价指标的描述 基础理论知识（，。） 企业员工已经具备的与所从事工作相关的知识 基础知识存量 专业知识（， ） 专业知识的掌握情况，发现和学习新专业知识的能力 交叉学科知识（，，） 从交叉学科领域内派生出的大量新知识 愿景与目标（Ｌ） 组织文化的一个重要组成部分，可以促使员工产生积极的参与意识，并愿 意为目标做出自己的贡献 客户中心的理念（ ） 树立面向为客户解决问题的客户中心理念 组织文化 公平与信任（ ） 透明、公平、信任的组织文化可以增加员工的忠诚度和归属感 持续学习（Ｌ） 培训员工的机会和员工自我学习的能力 团队合作（， ） 各部门间进行知识共享和交流的能力 员工薪酬福利与晋升（ ） 相应的薪酬福利与晋升制度对知识服务质量的直接影响程度 制度安排 员工交流与共享机制（Ｉ。０） 进行交流和共享的制度建设能力。企业构建的保证团队内部、团队间、部 门内部和部门之间信息、知识交流与共享的机制 培训制度（，。 ） 进行知识服务时的组织推动力和理念更新的能力 ２ｌ６ 运 筹 与 管 理 ２０１５年第２４卷 表２考虑过程维度的知识服务能力评价指标体系 指标类别 评价指标 评价指标的描述 隐性知识挖掘与分析（， ２） 通过数据准备、规律寻找和表示将存在于员工个体和组织内部各层级中 的内隐性知识进行表示，以及挖掘客户潜在需求的能力 知识获取与组织 知识目录与知识库（，对已有的知识资源进行梳理并形成分类目录。３） 逻辑关联的企业知识体系的能力 ，并与岗位、流程及项目进行 专家地图（， ） 对隐性知识的管理和调用能力 知识交流平台（ｊ ） 运用信息网络平台向客户和员工传递知识的能力 知识共享与创新 在线学习（，ｌ６） 通过网络平台提升员工理论素质和实践水平的能力 系统维护与更新（， ，） 系统运行维护与更新知识的能力 知识推送的内容（，。 ） 提供满足客户知识需求的服务的能力 知识应用与服务 知识推送的形式（， ） 知识服务是否符合客户偏好的方式和习惯的能力 知识定制（，２。） 为客户提供个性化知识服务的能力 ２基于语言关联性信息的能力测评方法 知识服务能力测评的过程中，设知识服务提供 者的集合为Ｐ＝｛Ｐ。，Ｐ：，…，Ｐ。｝，其中Ｐ 表示第ｔ个 知识服务提供者（ｔ＝１，２，…，Ｑ）；设知识服务能力评 价的指标集合为，＝｛， ，，２，…， ，‘＋ 一，， ｝，其中 图Ｉ 考虑基础维和过程维的知识服务 ， 表示第ｉ个指标（ｉ＝１，２，…， ），这里， ，，２，…， 能力矩阵分析方法 表示基础维度的测评指标，评价指标之间并不相互独立，存在着关联性；，。＋ 一，， 表示过程维度的测评 指标，评价指标之间并不相互独立，存在着关联性。针对知识服务能力测评的指标 设Ｌ＝｛Ｚ。，Ｚ 一，Ｚ ｝ 表示一个预先定义好的语言评价集，这里， 是由奇数个元素构成的有序集合，其中ｚ ∈Ｌ是第 个语言短 语， ＝｛０，…， ｝， 为 的粒度（ 中的元素个数）。本文考虑的集合三是一个由７个元素（即语言短语） 构成的集合，即Ｌ＝｛ｆ ＝Ｓ￡（非常不满意／非常差／非常不重要），ｆ ＝ＶＬ（很不满意／，１ｔ￣差／很不重要），ｚ：＝ Ｌ（不满意／差／不重要），ｆ１＝Ｍ（一般／一般／中等），ｚ ＝Ｈ（满意／好／重要），ｚ ＝ＶＨ（很满意／很好／很重 要）， ＝ＳＨ（非常满意／非常好／非常重要）｝。专家给出的评价指标的权重向量为Ｗ＝｛ ， ．…，Ｗ ｝， 其中加 ，埘 ．…， 表示基础维度指标的权重， ＋。，Ｗ ＋：，…， 表示过程维度的权重；设参与测评的专家 集合为Ｅ＝｛Ｅ。，Ｅ：，…，Ｅ ｝（ｍ ２），其中Ｅ 表示第个ｋ专家（ ＝１，２，…，ｍ）；专家Ｅ 给出具有语言变量 形式的评价矩阵Ｓ＝［ｓ ］ ，其中ｓ 表示专家Ｅ 针对， 的语言评价信息。 决策者在进行指标的定性描述时，使用语言评价信息往往更为方便、合适 。 。若三 是一个语言短 语，根据文献 ， ，可通过下面的转换函数 将语言短语三 转化为二元语义形式： ：￡一Ｌ×［一０．５，０．５） （１） （Ｚ ）＝（Ｚ ，０）， Ｚ Ｅ Ｌ （２） 设 ∈［０，Ｔ］为语言评价集 经过某种集结方法得到的实数，则卢可由如下的函数△表示为二元语义 信息： △：［０，Ｔ］－－－，Ｌ×［一０．５，０．５） （３） △（卢）＝（ｚ ， ）＝｛ ：卢一 ，ｉ ＝ ∈ｒｏｕ［ｎ—ｄ。（￣．５），。．５） （４） 其中Ｒｏｕｎｄ是四舍五入取整算子。 为 中第ｉ个元素；Ｏｔ 为符号转移值，它表示 与信息卢的偏 差。反之，若（￡ ，仅。）是一个二元语义， ；∈［一０．５，０．５），则存在一个逆函数△～，可以将二元语义（Ｌ ， ） 转化为相应的数值 ∈［０，Ｔ］，即： 第５期 陈希，等：基于语义Ｃｈｏｑｕｅｔ积分的知识服务能力测评方法 △～：Ｌ×［一０．５，０．５）一［０，Ｔ］ △ （Ｌ ， ）＝ｉ＋ ＝ ２１７ （５） （６） １９５４年，法国著名数学家Ｃｈｏｑｕｅｔ首先提出了容度的相关理论，这是最早对于非可加性测度的系统研 究。Ｓｃｈｍｅｉｄｌｅｒ 开创性地将Ｃｈｏｑｕｅｔ积分应用于解决基于关联信息的决策分析问题。随后，学者 们¨卜 将Ｃｈｏｑｕｅｔ积分作为一种灵活的集结算子应用于多准则决策分析问题。现实问题中，事物的指标 或属性往往相互依赖、相互关联，并不相互独立。下面，将对Ｃｈｏｑｕｅｔ积分的基本概念进行简要介绍。 定义１ ¨ 设Ｘ＝｛ 。， ，…， ｝为非空经典集合，其中 表示第ｉ个元素；函数 是从 的幂集 Ｐ（Ｘ）到［０，１］上的函数，若满足： （ （ ）＝０， （ ）＝１； ②Ｖ Ａ，Ｂ∈Ｐ（Ｘ），Ａ Ｂ且有 （Ａ）≤ （Ｂ），则称 是 上的模糊测度。如果 是无限的，则要加上 一个连续性条件。 定义２¨ 对于任意的Ａ，Ｂ∈Ｐ（Ｘ），ＡｎＢ＝ ，如果模糊测度／ｘ满足 （Ａ ｕ Ｂ）＝ （Ａ）＋ （Ｂ）＋Ａ （Ａ） （Ｂ），Ａ∈（一１，。。） （７） 则称 为Ａ模糊测度。 Ａ＝０表示 （Ａ）和 （ ）具有可加性，即Ａ和Ｂ之间没有关联；Ａ≠０表示／．ｔ（Ａ）和 （Ｂ）具有非可加 性，即Ａ和曰之间存在关联。具体地，当Ａ＞０时，有 （ＡｕＢ）＞／ｘ（Ａ）＋ （Ｂ），即Ａ和 具有相乘作用， 是超可加的；当Ａ＜０时，有／ｚ（Ａ ｕ Ｂ）＜ （Ａ）＋ （Ｂ），说明Ａ和Ｂ具有替代作用， 是次可加的，二者的作 用会相互重复。 如果有限集合Ｘ＝（ 。， ：，…， ），对任意的ｉ，．『＝１，２，…，ｎ且ｉ≠ ， ｎ ，＝咖，那么ｕ ＝Ｘ。此时，Ａ 模糊测度肛满足 （ ）：』 ｎ；。 ＋Ａ 一 ＇Ａ≠。 （８） 【∑ （ ），Ａ＝０ 由式（８）可知，对任意的Ａ∈Ｐ（Ｘ），有 ）：』．÷ 职Ｅ １＋Ａｒｔ（ｉ） ０ （９） 【∑ （ ），Ａ＝０ 对于单个元素 ， （ ｉ）称为 的模糊密度函数，它表示元素 的重要程度，此时可简记为 ： （ ）。因为 （Ｘ）＝１，根据式（８）和（９），可由如下方程式来确定唯一的参数Ａ Ａ＋１＝ｎ（１＋Ａ／ｚ ） （１０） 定义３ ¨ 设 是一个非空经典集合，Ｘ＝（ ， 一， ） 是定义在 上的非负实值函数，肛是 上 的一个模糊测度，函数／关于 的离散Ｃｈｏｑｕｅｔ积分算子定义为 ｃ‘（，）＝（ｃ） ＝∑厂（ ㈤）／ｔ￣ＥＡ（ｘ㈤）］一 ［Ａ（ ））］｝ （１１） 其中，（。）表示函数 在Ｘ上的一个转置，使得 （。）） （：）） …≤ （ ））且Ａ（ （ ））＝｛ （ …， （ ）｝， （０） ０。 定义４设（Ｓ，Ｏ／）＝｛（ｓ ， ），（ｓ：， ：），…，（ｓ ， ）｝是一个二元语义短语评价集合， 是定义在 上 的Ａ模糊测度，二元语义Ｃｈｏｑｕｅｔ积分函数２－Ｔｕｐｌｅ ＬＣ可以定义为： ２－ＴｕｐｌｅＬＣ［（ｓ・，０ｃ ），（ｓｚ， ：），…，（ｓ ， ）］＝△｛∑△ （ｓ（ ），Ｏ／（ ）［ （ （ ）一／ｚ（Ａ（‰ ）］｝＝（ｓ， ） （１２） 式中，（‘）表示为｛（ｓ ，Ｏｔ ），（ｓ：，１９ｌ ），…，（ｓ ， ）｝上的一个转置，使得△Ｉ１（ｓ（ ），Ｏ／（ ））≤△－１（ｓ（２］， （ ）） ２１８ … 运 筹 与 管 理 ２０１５年第２４卷 △ （ （ ）， （ ）），且Ａ（ ）＝｛（ｉ），（ｉ＋１），…，（ｎ）｝，Ａ（ ＋１）＝ 。 命题１ 设／是定义在 上的非负实值函数， 是Ｘ上的一个Ａ模糊测度，如果Ａ≠０，那么 ｃｃ（ＪＯ：∑ｆ（ｘ ） （ ）１７［１＋Ａ￣（ｘｊ）］ 如果Ａ＝０，那么 （１３） ｃ （，）＝∑ｆ（ｘ ） （ ） ｉｌｉ＠ 当Ａ≠０时，因为 （ ）＝｛（ ），（ ），…，（ ）｝，Ａ（ 。）＝｛（ ），（ （１４） ），…，（ ）｝；所以 ） Ｉ））＝÷｛ 。［１＋ ］－１｝一÷｛ ［１＋ （ｘｊ）］ ÷｛［ ＋ （ ）＿， ［ ＋ （ ）］＿ ［ ＋ （ ）］ ＝÷｛［Ａ （ ）］１－Ｉ［１＋ （ 川｝ （ ）ＩＩ［１＋Ａ （ ）］ ＝ 根据式（１ １），所以，ｃ （ ＝∑ｆ（ｘ ） （ ）１７［１＋Ａ （ ）］，如果Ａ：０，则 ［Ａ（（ ㈤）］一 ［Ａ（（ （ ））］＝ （ ），那么ｃ‘（，）＝∑ｆ（ｘ ） （ 。）。证毕。 命题２设（Ｓ， ）＝｛（ｓ。， ），（ｓ ， ：），…，（ｓ ， ）｝是二元语义评价集合，其中（ｓ ， ）∈（Ｓ， ）。由 式（６），卢 ＝△Ｉ１（ ， ）。 是定义在Ｓ上的Ａ模糊测度，２－Ｔｕｐｌｅ ＬＣ［（ｓ ， ），（ｓ ， ），…，（ｓ ， ）］＝ （ ， ），由命题１可知： 如果Ａ≠０，那么 （ｓ， ）＝△｛∑卢（ ） （ ）ＩＩ［１＋Ａ （ ）］｝ ｉ＝１ ＝ｉ＋１ （１５） 女口果Ａ＝０，习 么 （ｓ， ）＝△∑ＪＢ㈤ （ｆ） 式中，“（・）”表示函数 ｉ上的一个转置，使得卢（１） 卢（２） …≤卢（ ）且 （ｉ）＝｛ （ …， （ ）｝。 下面给出使用二元语义Ｃｈｏｑｕｅｔ积分方法评价知识服务能力的具体计算步骤： （１６） 步骤１ 将每位专家对所有关键要素的评价结果转化为二元语义形式的评价信息，评价矩阵 Ｓ＝［ｓ ］… 被转化为二元语义形式的评价矩阵Ｓ＝［； ］ ，其中； ＝（ｓ ０），卢 ＝△ （ｓ ）。 步骤２确定评价指标集合中各关键要素的模糊密度函数ｇ（Ｅ ）（ ：１，２，…，ｎ），根据式（１０）分别确 定知识基础维度和过程维度上相应的参数Ａ ，Ａ 。 步骤３ 确定专家集合Ｅ中专家的模糊密度函数ｇ（， ）（ｉ＝１，２，…，ｍ），根据式（１０）确定其相应的参 数Ａ ３。 步骤４ 利用２－Ｔｕｐｌｅ ＬＣ算子将ｍ位专家给出的关键要素， 的二元语义评价信息进行集结，得到， 的专家综合评价值（ｓ ， ｉ），其中 ＝△ （ｓ ， ），计算公式如下： （ｓ ， ）＝２－Ｔｕｐｌｅ Ｌｃ［（ｓ ， ），（ｓ ， ），…，（ｓ ， ）］＝△｛∑ （Ｅ ）１－Ｉ［１＋Ａ。 （ ）］｝ （１７） 步骤５根据式（１５），将专家综合评价值集结为基础维度的综合评价值（ｓ ， 删 ）和过程维度的综 合评价值（ｓ ， ），其计算公式分别为： ｇ （ ， 埘 ）＝２－Ｔｕｐｌｅ Ｌｃ［（ｓ ， ），（ｓ ， ：），…，（ｓ ， ）］＝△｛∑卢 （，１）ＩＩ［１＋Ａ （ ）］｝ （１８） 第５期 陈希，等：基于语义Ｃｈｏｑｕｅｔ积分的知识服务能力测评方法 ２１９ （ｓ…，ＯＩＫＭＰ）＝２－Ｔｕｐｌｅ Ｌｃ［（ｓ ， 川），（ｓ ， ），…，（ｓ ， ）］＝ａ｛∑／３￣（１ ）Ｈ［１＋Ａ （ ）］｝（１９） ｉ＝ｑ＋１ ＝ｉ＋１ 式中ｓｘＩｌｆＢ，ｓＫ肘Ｐ∈Ｌ， ｘｊｌｆＢ， ＫＭＰ∈［一０．５，０．５）。 ３ 实例分析 ｙ公司是中国西安高新区的一家信息运营服务提供商，该公司的服务客户覆盖了本省和西北五省地 区，公司计划将其客户关系管理的咨询调查工作外包，为了更好的对承包方进行考核，ＬＹ公司邀请了６位 专家（Ｅ。，Ｅ ，Ｅ ， ，Ｅ ，Ｅ ）对拟候选的３家公司（Ｐ ，Ｐ：，Ｐ，），根据表１和表２中的评价指标体系进行了 全面考察和评价。知识服务能力测评的基础维度及过程维度等各个维度内的指标之间并不是完全独立 的，会存在相互关联的情形，如针对基础知识存量的评价指标基础理论知识（， ）、专业知识（１２）是存在关 联的评价指标。评价工作的组织者邀请了６位专家针对３家公司依据表１和表２所示的评价指标体系进 行评价，所采用的语言评价短语集分别为Ｌ＝ ＝ｓ （非常不满意／非常差／非常不重要），ｚ ＝ＶＬ（很不满 意／很差／很不重要），如＝Ｌ（不满意／差／不重要），ｚ，＝Ｍ（一般／一般／中等），ｚ ：Ｈ（满意／好／重要）， ｚ ＝馏（很满意／很好／很重要）， ＝ＳＨ（非常满意／非常好／非常重要）｝，评价信息如表３和表４中所示。 针对评价指标集，＝｛， ，，２，…，Ｌ，，。＋ ，…，， ｝，组织者给出的知识服务能力评价基础维度的模糊密度为 （， ）＝｛０．１０，０．０５，０．１５，０．３０，０．１０，０．２０，０．２５，０．０５，０．１０，０．１０，０．１０｝（ｉ：１，２，…，１１）；组织者给出的 过程维度的模糊测度密度为肛（， ）＝｛０．０５，０．１０，０．０５，０．２０，０．１０，０．０５，０．１０，０．２０，０．０５｝（ｉ＝１２，１３…， ２０）；组织者给出专家的模糊密度函数 （Ｅ ）：｛０．２０，０．２０，０．１０，０．１０，０．２０，０．１０｝ 表３ 专家针对知识服务能力的语言评价信息 Ｅ１ Ｅ２ Ｅ３ Ｅ４ Ｅ５ Ｅ６ １ Ｅ２ Ｅ３ Ｅ４ Ｅ５ Ｅ６ Ｅ１ ２ Ｅ３ Ｅ４ Ｅ５ Ｅ６ Ｐ１ 尸２ Ｐ３ ，１ ５Ｈ Ｍ 日 日 肼 Ⅲ Ｍ ＶＬ 村 Ｈ ＶＬ ，２ Ｍ Ｍ Ⅲ Ｍ Ⅲ Ｍ Ｍ Ｈ Ｌ 儿 工 ＳＨ Ｖｔｆ Ｈ ，３ 日 肘 明 日 日 日 肘 Ｍ 日 Ｌ Ｌ ，ｄ Ｈ ｆＩｆ Ｍ 日 ｊｌｆ Ｌ Ⅲ ＶＬ ＶＬ ＳＨ 』Ｉｆ ＳＨ Ｖｌｔ Ⅲ Ｈ ，５ Ｓ日 Ｈ Ｈ ＶＩＩ ＳＨ ￡ ＶＬ 日 Ｈ Ｈ 日 Ｍ Ｈ ，６ ＶＩＩ Ｍ Ｓ日 Ｓ ＳＨ Ⅲ Ｈ 日 工 吖 日 ＳＨ 日 阳 ，７ Ｖｆｆ ＳＨ ＳＨ ｊＩｆ Ｓ日 Ｈ Ｈ Ⅲ Ｈ Ｍ ｊｌｆ Ｌ Ｍ 』ｌｆ Ｌ 』ｌｆ Ｍ ，８ Ｍ Ｍ 肘 Ｌ 日 日 肘 Ｈ ｌ９ Ⅲ ＳＨ 工 ＶＬ 儿 Ｍ Ｌ Ｌ ，ｌ０ ｊＩｆ Ｈ Ｈ Ｍ Ｈ Ｈ Ｌ 妇 Ｖｔｆ Ｍ Ｌ Ｌ Ｈ ＶＩｔ ｙＨ ｊｌｆ Ｍ Ｍ ，ｌ１ 日 Ｌ Ｌ 肘 Ⅳ Ｍ 日 Ｍ ＶＬ 肼 ，Ｉ２ Ｍ Ｍ ＶＬ ￡ ＳＬ Ｍ ＶＬ Ⅲ 肼 Ｍ 日 日 Ⅲ Ⅷ Ｊ１３ Ｈ Ｈ 州 Ｊｌｆ 日 哪 Ⅲ Ｈ Ｈ Ｈ Ｍ Ｌ Ｍ Ｌ Ｌ ＶＬ ，１４ ｓＨ Ｈ Ⅲ ＳＨ 日 Ｈ 附 肘 Ｍ ＶＬ ＶＬ ￡ 肘 肘 ，ｌ５ Ｈ 日 肼 日 Ｈ ＶＩ１ 日 １／Ｉ１ Ｖｔｔ Ｍ Ｍ Ｍ ｊｌ６ Ｈ Ｈ Ｗ， Ｗ Ｓ日 Ｓ日 丑 ＳＨ Ｈ Ｓ日 埘 Ｌ ＶＬ Ｍ ＶＬ 肘 Ｍ 日 日 日 口 三 ｓＨ Ｈ ，ＩＲ 日 ｓＨ 日 旧 日 Ｈ 日 Ｖｔｆ 日 Ｍ 日 工 ，１９ Ｓ日 日 Ｍ ￥１ｔ 肘 Ｍ Ｍ Ｈ 肘 Ⅲ 日 日 ，２０ Ｈ Ｍ Ⅲ 日 Ⅲ Ｓ Ｌ Ｌ Ｈ 日 日 Ｓ日 村 日 使用二元语义Ｃｈｏｑｕｅｔ积分方法对专家给出的针对知识服务能力的评价信息进行转化和集结，具体 步骤如下： 步骤１依据式（１）将专家对所有知识服务能力关键要素的语言评价信息转化为二元语义形式。 步骤２ 基于各关键要素的模糊密度函数，使用式（１０）分别确定在基础维度和过程维度上相应的参 数，可得到Ａ，＝一０．４；Ａ ＝０．３。 步骤３基于专家集合中专家的模糊密度函数，使用式（１０）确定相应的参数：Ａ ＝０．２５。 步骤４使用式（１７）将６位专家给出的针对各关键要素的二元语义评价信息进行集结，分别得到专 ２２０ 运 筹 与 管 理 ２０１５年第２４卷 家针对Ｐ 、Ｐ：、Ｐ，的综合二元语义评价值，如表４、表５和表６中所示。 步骤５分别使用式（１８）和（１９）将专家综合评价值集结为基础维度的综合评价值（ｓ ，ＯＩＫＭ ）和过 程维度的综合评价值（ｓ ， ， （ＶＨ， ０．４７） ，ｌ】 （肘， ０．０ｌ ），如表７所示。 表４专家对Ｐ 的知识服务能力综合评价信息 Ｌ ，４ （Ｍ． 一０．３１） ，ｌ４ （ＶＨ， 一０．３４１ 、 Ｉ （Ｍ， 一０．２８） ，１８ （ＶＨ， 一０．４３） ｌ ５ （ＶＨ， 一０．３５） ，１５ （日， 一０．２０） ，６ （ＶＨ， ０．０９） ，ｌ６ （附， 一０．２３） ｌ１ （ＶＨ， ０．１０） ，ｌ７ ｆ日． ０．Ｏ０） ，ｌｏ （Ｈ， 一０．４１） ｆ２ｏ （Ｈ， ０．２２） ｐｌ 一（Ｍ， ０．４６） ，１２ （ ， 一０．２１） （Ｈ， 一０．４４） ，ｌ３ （Ｈ． ０．３４） （ ． ０．３４） ，ｌ９ （ＶＨ， 一０．０２） 表５ 专家对Ｐ 的知识服务能力综合评价信息 ，１ （．】Ｉｆ， 一０．４３１ ，ｌｌ ，２ （Ｍ， ０．２７） ，ｌ２ ，３ （Ｈ， 一０．４９） ，ｔ３ ‘ （ ， ０．１１） ，１４ Ｉ ｓ （Ｌ， ０．４６） ，ｌ５ ，６ （日． 一０．４６） ，１６ ，１ （ ， ０．４３） ，ｌ７ ，８ （Ｍ， ０．３３） ，１８ ，９ （Ｍ， ０．０４） ，ｌ９ ，１０ （ ， 一０．２２） ０ Ｐ２ 一（上， ０．３５） （ 。 一０．３５） （ ， ０．２４） （Ｍ， 一０．２０） （ ， ０．１３）・ （ＶＨ， 一０．１３） （ 。 ０．２３） （ ， 一０．２１） （Ｍ， 一０．２０） （Ｍ， ０．０３） 表６ 专家对Ｐ，的知识服务能力综合评价信息 ，ｌ （Ｍ， ０．３３ ，２ （Ｈ， ０．０７） ，３ （Ｍ， 一０．１０） 厶 （ＶＨ， 一０．３７） ｌ ５ （Ｈ， 一０．１９） ｌ６ （ＶＩＩ， 一０．４７） ｌ１ （Ｍ， 一０．４１ ，８ （ ， ０．４７） ，ｑ （Ｊ已， 一０．０６、 ，１０ （Ｈ， 一０．２３） Ｐ３ 一，ｌ１ （村， ０．０６） ｌ２ （ ． ０．１１） ，１３ （Ｌ， ０．１４） ，１４ （Ｌ， 一０．０９） ，ｌ５ （ ， 一０．３３） ，ｌ６ （Ｌ， ０．０２） ，１７ （ ， 一０．０２） ，１８ （Ｍ， ０．１３） ，Ｉ９ （Ｈ， 一０．４４１ ，２０ （Ｈ， 一０．３７ 表７ 专家针对知识服务能力两个维度的综合评价信息 进一步的，这里考虑基础维度和过程维度具有相同的重要 性，根据表７中的数据，可以得到专家针对３个公司的综合评价 结果，针对Ｐ．的综合评价结果为（ＶＨ，一０．４９），针对Ｐ 的综合评 价结果为（Ｈ，一０．２６），针对Ｐ 的综合评价结果为（日，一０．３６）， 这样Ｐ。＞Ｐ：＞Ｐ ，Ｐ 为优先选择的发包商。 依据图１中给出的分析模型可对评价结果可以进行直观的 识别与分析，如图２所示。从图２中可以看出，公司Ｐ 和Ｐ 落在 区域Ｉ，说明其知识服务能力总体水平均较高，Ｐ。所在的等效用 曲线 ，高于Ｐ：所在的等效用曲线 ，其中Ｐ 在基础维度和过 程维度上的知识服务水平是最高的，Ｐ 是ＬＹ公司优先选择的知 识服务提供商，Ｐ 、Ｐ 公司可以分别有针对性的进行基础维度和 过程维度的服务能力提升。 图２针对Ｐ１、Ｊｐ２、Ｐ３公司的 矩阵分析结果 第５期 陈希，等：基于语义Ｃｈｏｑｕｅｔ积分的知识服务能力测评方法 ２２１ ４ 结论 本文针对考虑模糊关联性信息的知识服务能力测评问题，给出了一种基于二元语义Ｃｈｏｑｕｅｔ积分的 决策分析方法。该方法可以用来解决实际企业的知识服务能力指标存在关联、相互影响、并不具备可加性 的问题。实例分析表明该方法具有可操作性和实用性，对于知识服务能力测评问题具有重要的理论指导 价值。需要指出的是，目前对于知识服务能力的评价与提升策略的研究尚处于起始阶段，相关研究尚处于 理论思想涌现中，随着ＩＴ技术的迅猛发展和人们对知识服务需求的增加，因此该领域的研究无论在定性 分析还是定量研究上都具有广阔的空间。 参考文献： ［１］Ｍｉｌｅｓ Ｉ，Ｋａｓｔｒｉｎｏｓ Ｎ，Ｂｉｌｄｅｒｂｅｅｋ Ｒ．Ｋｎｏｗｌｅｄｇｅ—ｉｎｔｅｎｓｉｖｅ ｂｕｓｉｎｅｓｓ ｓｅｒｖｉｃｅｓ：ｔｈｅｉｒ ｒｏｌｅ ａｓ ｕｓｅｒｓ，ｃａｒｒｉｅｒｓ ａｎｄ ｓｏｕｒｃｅｓ ｏｆ ｉｎｎｏｖａｔｉｏｎ［Ｒ］．Ｒｅｐｏ￣ｔｏ ｔｈｅ ＤＧ１３ Ｓｐｒｉｎｔ—ＥｌＭＳ Ｐｒｏｇｒａｍ，Ｌｕｘｅｍｂｏｕｒｇ，１９９５． ［２］ Ｍｕｌｌｅｒ Ｅ，Ｚｅｎｋｅｒ Ａ．Ｂｕｓｉｎｅｓｓ ｓｅｒｖｉｃｅｓ ａｓ ａｃｔｏｒｓ ｏｆ ｋｎｏｗｌｅｄｇｅ ｔｒａｎｓｆｏｒｍａｔｉｏｎ：ｔｈｅ ｒｏｌｅ ｏｆ ＫＩＢＳ ｉｎ ｒｅｇｉｏｎａｌ ａｎｄ ｎａｔｉｏｎａｌ ｉｎｎｏｖａｔｉｏｎ ｓｙｓｔｅｍｓ［Ｊ］．Ｒｅｓｅａｒｃｈ Ｐｏｌｉｃｙ，２００１，（９）：１５０１—１５１６． ［３］李霞，樊治平，冯博．知识服务的概念、特征与模式［Ｊ］．情报科学，２００７，２５（１０）：１５８３－１５８７． ［４］Ｆａｎ Ｚ Ｐ，Ｆｅｎｇ Ｂ，ＳｕｎＹ Ｈ，Ｏｕ Ｗ．Ｅｖａｌｕａｔｉｎｇ ｋｎｏｗｌｅｄｇｅ ｍａｎａｇｅｍｅｎｔ ｃａｐａｂｉｌｉｔｙ ｏｆ ｏｒｇａｎｉｚａｔｉｏｎｓ：ａ ｆｕｚｚｙ ｌｉｎｇｕｉｓｔｉｃ ｍｅｔｈｏｄ ［Ｊ］．Ｅｘｐｅ￣Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ，２００９，３６（２）：３３４６・３３５４． ［５］Ｃｈｉｎｇ Ｃｈｙｉ Ｌｅｅ，Ｊｉｅ Ｙａｎｇ．Ｋｎｏｗｌｅｄｇｅ ｖａｌｕｅ ｃｈａｉｎ［Ｊ］．Ｔｈｅ Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｄｅｖｅｌｏｐｍｅｎｔ，２０００，１９（９）：７８３－７９４． ［６］Ｈｕａｎｇ Ｙ Ｈ，Ｃｈｏｕ Ｓ Ｃ，Ｔｚｅｎｇ Ｇ Ｈ．Ｋｎｏｗｌｅｄｇｅ ｍａｎａｇｅｍｅｎｔ ａｄｏｐｔｉｏｎ ａｎｄ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ ＳＭＥｓ ｂｙ ａ ｎｏｖｅｌ ＭＣＤＭ ａｐｐｒｏａｃｈ ［Ｊ］．Ｄｅｃｉｓｉｏｎ Ｓｕｐｐｏｒｔ Ｓｙｓｔｅｍｓ，２０１１，５１（２）：２７０—２９１． ［７］Ｆａｎ Ｚ Ｐ，Ｍａ Ｊ，Ｚｈａｎｇ Ｑ．Ａｎ ａｐｐｒｏａｃｈ ｔｏ ｍｕｌｔｉｐｌｅ ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｐｒｅｆｅｒｅｎｃｅ ｉｎｆｏｒｍａｔｉｏｎ Ｏｉｌ ａｌｔｅｒｎａｔｉｖｅｓ［Ｊ］．Ｆｕｚｚｙ Ｓｅｔｓ ａｎｄ Ｓｙｓｔｅｍｓ，２００２，１３１（１）：１０１—１０６． ［８］Ｄｅｌｇａｄｏ Ｍ，Ｈｅｒｒｅｒａ Ｆ，Ｈｅｒｒｅｒａ—Ｖｉｅｄｍａ Ｅ．Ａ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｔｈｅ ２－ｔｕｐｌｅ ｆｕｚｚｙ ｌｉｎｇｕｉｓｔｉｃ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｆｏｒ ａ ｄｉｓｔｒｉｂｕｔｅｄ ｉｎｔｅｌｌｉｇｅｎｔ ａｇｅｎｔ ｓｙｓｔｅｍ ｏｎ ｌｎｔｅｒｎｅｔ［Ｊ］．Ｓｏｆｔ Ｃｏｍｐｕｔｉｎｇ—Ａ Ｆｕｓｉｏｎ ｏｆ Ｆｏｕｎｄａｔｉｏｎｓ，Ｍｅｔｈｏｄｏｌｏｇｉｅｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ， ２００２，６（５）：３２０—３２８． ［９］王欣荣，樊治平．基于二元语义信息处理的一种语言群决策方法［Ｊ］．管理科学学报，２００３，６（５）：１．５． ［１０］Ｓｃｈｍｅｉｄｌｅｒ Ｄ．Ｉｎｔｅｇｒａｌ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｗｉｔｈｏｕｔ ａｄｄｉｔｉｖｉｔｙ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｍａｔｈｅｍａｔｉｃａｌ Ｓｏｃｉｅｔｙ，１９８６，９７： ２５５—２６１． ［１１］Ｇｒａｂｉｓｃｈ Ｍ．Ｆｕｚｚｙ ｉｎｔｅｇｒａｌ ｉｎ ｍｕｌｔｉｃｒｉｔｅｒｉａ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［Ｊ］．Ｆｕｚｚｙ Ｓｅｔｓ ａｎｄ Ｓｙｓｔｅｍｓ，１９９５，６９（３）：２７９－２９８． ［１２］Ｇｒａｂｉｓｃｈ Ｍ．Ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｆｕｚｚｙ ｉｎｔｅｇｒａｌｓ ｉｎ ｍｕｌｔｉｃｒｉｔｅｒｉａ ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ［Ｊ］．Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ，１９９６，８９（３）：４４５—４５６． ［１３］Ｇｒａｂｉｓｃｈ Ｍ，Ｌａｂｒｅｕｃｈｅ Ｃ．Ａ ｄｅｃａｄｅ ｏｆ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｃｈｏｑｕｅｔ ａｎｄ ｓｕｇｅｎｏ ｉｎｔｅｇｒａｌｓ ｉｎ ｍｕｌｔｉ－ｃｒｉｔｅｒｉａ ｄｅｃｉｓｉｏｎ ａｉｄ［Ｊ］． Ａｎｎａｌｓ ｏｆ Ｏｐｅｒａｔｉｏｎｓ Ｒｅｓｅａｒｃｈ，２０１０，１７５（１）：２４７・２８６． ［１４］王熙照．模糊测度和模糊积分在分类技术中的应用［Ｍ］．北京：科学出版社，２００８． ［１５］武建章，张强．非可加测度论与多准则决策［Ｍ］．北京：科学出版社，２０１４． ［１６］Ｓｕｇｅｎｏ Ｍ．Ｔｈｅｏｒｙ ｏｆｆｕｚｚｙ ｉｎｔｅｇｒａｌ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎｓ［Ｄ］．Ｔｏｋｙｏ：Ｔｏｋｙｏ Ｉｎｓｔｉｔｕｔｅ ｏｆＴｅｃｈｎｏｌｏｇｙ，１９７４．
