Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Determining expertise from indirect evidence: Expert search in an enterprise setting
KTH, School of Computer Science and Communication (CSC).
2013 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Att avgöra expertis utifrån indirektainformationskällor (Swedish)
Abstract [en]

In large organizations, quickly finding the right expert is important. An expert finding system can help users with this by letting them search for experts matching expertise queries. Automatic expert finders, which are the focus of this report, accomplish this by analyzing indirect expertise evidence contained in documents, for instance those stored on an organization’s internal network. The goal of this report is to discover the best way to construct such a system, and analyze how its performance compares to that of a system based on manually supplied expertise information. To determine this, several expert finding algorithms were implemented, and evaluated on two different corpora. It was found that the best approach, both in terms of performance and ease of implementation, is to use documentbased algorithms, i.e algorithms that work by first searching for documents related to a query, and then analyzing the retrieved documents to find presumably relevant persons. Furthermore, the best of the implemented expert finders was compared to an existing manually curated system. The automated expert finder outperformed the manual one substantially in terms of recall, while maintaining high precision. It was concluded that automatic expert finders perform well enough to be useful in practice, and that the workload needed to implement such a system is small. As such, they can provide either a feasible alternative, or a valuable complement, to manual systems.

Abstract [sv]

I stora organisationer är det viktigt att snabbt kunna hitta rätt expert. Ett sätt att hjälpa användare med detta är expertsökarsystem, vilka låter användare söka efter personer matchande en given expertis. I fokus för denna rapport är automatiska expertsökarsystem, vilka bygger upp expertismodeller från indirekta källor, så som dokument lagrade på ett intranät. Vi undersöker hur ett sådant system bäst konstrueras, samt hur dess prestanda förhåller sig jämfört med ett system baserat på manuellt skapad expertisinformation.

För att utröna detta implementerades ett antal olika expertsökare vars prestanda testades på två olika dataset. Det visade sig att s.k dokumentbaserade algoritmer fungerar bäst, både med hänsyn till kvalitén på sökresultaten och till mängden arbete som krävs för implementation av systemet. I en dokumentbaserad expertsökare används en klassisk dokumentsökmotor för att skapa en lista av dokument relevanta för en expertissökfrågan, varpå dessa dokument analyseras för att hitta potentiella experter. Den bästa av de implementerade expertsökarna jämfördes med ett existerande system baserat på manuellt ifylld expertisinformation. Det visade sig att det automatiska systemet kunde lokalisera en betydligt större andel av de faktiska experterna än det manuella systemet, med bibehållen hög precision. Vi drar slutsatsen att automatiska expertsökarsystem fungerar bra i praktiken, samtidigt som arbetsbördan för implementationen av ett sådant system är liten. Således kan de fungera antingen som ett värdefullt komplement eller som ett realistiskt alternativ till manuella system.

Place, publisher, year, edition, pages
2013.
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-142450OAI: oai:DiVA.org:kth-142450DiVA: diva2:702220
Educational program
Master of Science in Engineering - Computer Science and Technology
Supervisors
Examiners
Available from: 2014-03-11 Created: 2014-03-04 Last updated: 2014-03-11Bibliographically approved

Open Access in DiVA

fulltext(925 kB)170 downloads
File information
File name FULLTEXT01.pdfFile size 925 kBChecksum SHA-512
f58dbfbb5b87bdbb5e1caa0df7d0734787fb523ce60d7fd2ed0423c2410e800e561df58de5881130bf0b02382090e6339409762a9b1c0f04e1aa1d2696a7bfa5
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 170 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 945 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf