1、雖然現(xiàn)在網(wǎng)上有海量的信息，例如Google能檢索出成千上萬的網(wǎng)頁，但是仍然有很多信息沒有辦法被搜索到。很多知識不能存儲于文檔或者數(shù)據(jù)庫中，而僅存在于人的腦子中，這些知識被稱為隱性的知識(Tacit Knowledge)。正是由于有很多知識并不能用書面形式表達，所以我們需要一種方法，能找到掌握這些知識的專家。通過與專家面對面的交流或者發(fā)送電子郵件詢問的方式，得到更多原本不可能得到的知識。
　　專家主要分成兩類，一類是企業(yè)內(nèi)部的，還有

2、一類是學術界。本文關注的重點是學術界的專家尋找。雖然都是尋找專家，但是在學術界和在企業(yè)里，尋找的方式還是有些不同的。在企業(yè)，尋找專家主要通過每個人在企業(yè)內(nèi)公開的資料，個人簡介，通信的郵件等，并且尋找的范圍也相對小且固定，都是集中在一個企業(yè)內(nèi)部。而在學術界，主要通過每個學者的主頁（Homepage），發(fā)表過的論文，參加過的會議等信息來尋找專家，并且尋找的范圍更廣，幾乎涉及全世界所有的大學和研究所。
　　本文提出了一個專家尋找的通用模

3、型框架，可以將很多模型融合到框架中并結合不同的方法，提高專家尋找的精確度和魯棒性。該框架通過文檔作為中間參數(shù)對查詢主題與候選專家之間的關聯(lián)度進行打分。我們將專家尋找的過程分為三部分，分別是文檔重要性打分，文檔與查詢主題關聯(lián)性打分和文檔與候選專家間關聯(lián)性的打分。每一部分都可以使用不同的方法對其進行打分，并且還能有效的結合多種打分方法。接著我們在實驗中使用了多種方法為專家尋找模型框架的各部分進行打分，并且使用了不同類型的數(shù)據(jù)集，例如計算機數(shù)