第三章、 研究方法
第二節、 推薦機制
3.2.2 顯性工作能力推論機
3.2.2.2 顯性工作能力相似度推論架構
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
22
(2) Sink：在此推論機制中，被進行顯性工作能力相似度推論的目標節點，即稱 之為 Sink 節點。
(3) Recommender：在此推論機制中，Source 節點與 Sink 節點之間所有人脈推薦 路徑中的節點，即稱之為 Recommender 節點。
圖 8 為各角色在顯性工作能力推論機制中的示意圖，在圖中的 Source 節點 到 Sink 節點之間有兩條人脈路徑，而在這兩條路徑上則有三個 Recommender 節 點分別為 R1、R2、R3。在本研究的顯性工作能力推論機制當中，Source 節點與 Sink 節 點 之 間 並 沒 有 直 接 的 連 結 ， 因 此 需 要 透 過 第 一 條 人 脈 路 徑 (Sink→R1→R2→Source)，將 R1 對 Sink 的顯性工作能力相似度透過 R2 傳回，
並與第二條人脈路徑 (Sink→R3→Source) 中，R3 對 Sink 的顯性工作能力相似 度作結合，得到最後推論出 Source 到 Sink 的顯性工作能力相似度。
圖 8、顯性工作能力推論機制中各個角色 資料來源：本研究整理
3.2.2.2 顯性工作能力相似度推論架構
進一步繼續解釋本顯性工作能力相似度的推論架構，圖 9 為本研究所提之顯 性工作能力的推論架構圖。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
23
圖 9、顯性工作能力的推論架構圖 資料來源：本研究整理
Step A 填寫顯性工作能力評價資料
推論機制開始於這個步驟，一開始推薦與信任推論系統會要求使用者為數個 網絡中的成員來作領域下的顯性工作能力評價。在此所提出之領域即為產業別，
這項評價將會作為推薦機制，判別該被評價成員在某產業別下的顯性工作能力。
這項步驟除了對被評價成員評價其顯性工作能力，而此評價也會被延伸至對該位 被評價成員曾經待過組織（畢業學校學群、工作經歷公司）在某產業別下的顯性 工作能力評價，評價等級如下表所示。
表 4、顯性工作能力評價等級 顯性工作能力評價等級 VG (Very Good)
G (Good) B (Bad) VB (Very Bad)
資料來源：本研究整理
Step B 推薦路徑搜尋
Step B 開始於推薦網絡中搜尋所有 Source 節點至 Sink 節點的推薦路徑，並 將此路徑儲存下來，以利後續成員顯性工作能力相似度的計算與推論。
Step C 成員顯性工作能力相似度計算
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
24
在這步驟當中，推薦機制便會對所有推薦路徑當中的相鄰成員，倆倆來作顯 性工作能力相似度 (WAS) 的計算。關於 A、B 兩位成員間的顯性工作能力相似 度主要是由兩部分所組成，一為成員 A 對成員 B 的學經歷相似度 (BS)，一為成 員 A 對自己和成員 B 所待過組織的顯性工作能力等級信賴度 (WLCO)。首先對 學經歷相似度 (BS) 作描述，在相似度上的計算本研究首先將成員的每筆學歷、
工作經歷資料轉換為樹狀結構，每筆學歷或者是工作經歷資料都會被轉換成一顆 樹，接著在對每棵樹的節點加上權重，如圖 10 所示。
圖 10、學歷、工作經歷資料權重樹
資料來源：本研究整理
參考 Bhavsar et al. (2003) 中對於加權樹的相似度計算演算法，接著開始對 學歷資料中的每筆學歷資料兩兩比對計算其相似度，如以下式子所示。
weightes Tree Similarity = si wi+ w′i /2 wi+ w′i 2
si：節點間資料的相似度，若兩節點值一樣的話則為 1，反之為 0 wi、w′i：相同名稱弧線的權重值
計算完兩兩的相似度過後，將其作帄均，接著對工作經歷資料作一樣的操作，
最後將兩筆帄均值再去作帄均，所得到之值稱為學經歷相似度 (BS)。
接下來繼續說明成員 A 對自己和成員 B 所待過組織的顯性工作能力等級信
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
25
賴度 (WLSO) 計算方式。在 Step A 中有提到，當成員 A 對成員 B 作評價時，同 時該評價也會被延伸至成員 B 曾經待過的組織（畢業學校學群、工作經歷公司）。
在本研究當中，組織（畢業學校學群、工作經歷公司）和每個顯性工作能力評價 等級在每個產業別當中會組成一＂組織－顯性工作能力等級矩陣＂，如下圖所示。
矩陣中的值即為該組織所累積的顯性工作能力等級評比次數，每當使用者對某位 成員作信任評價時，系統便會記錄在相對應的欄位。
圖 11、組織－顯性工作能力等級矩陣 資料來源：本研究整理
舉例來說，當 A 給 B 一個在「金融投顧及保險業」顯性工作能力評價－Very Good 時，這時系統就會自動修改該產業別的組織－顯性工作能力等級矩陣，
將 B 所有待過的組織在相對應欄位中的值加上 1。透過這樣的矩陣我們可以求 出在某產業下各個顯性工作能力等級的組織的顯性工作能力等級信賴度。首先 我們先求出該產業下某等級評比次數的百分位數，而該組織在該產業下某顯性 工作能力等級信賴度的計算公式如下。
WLSＯ = r/100 當該組織的評比累積次數之位置正好位於百分位 r 上 2r + 1 2 00 當該組織的評比累積次數之位置介於百分位 r 及 r + 1 間
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
26
當計算完 BS 及 WLSO之後，則可求出 WAS，式子如下。
WAS =1
2× WLSＯ+1 2× BS Step D 成員顯性工作能力相似度推論
當推薦路徑中，相鄰成員間的顯性工作能力相似度得到之後，便需要透過推 薦路徑上成員間 WAS 的傳遞，來得到被使用者評價的成員 (Source 節點) 至 Sink 節點間的顯性工作能力相似度 (WAS)。另外當使用者節點與 Sink 節點間存在有 多條路徑時，也需要整合每條推薦路徑以得到最後的 WAS。本論文參考了 Golbeck (2006) 裡所提出之信任推論公式，來計算最後整合的顯性工作能力相似 度，節點 i 至節點 s 的 WAS 計算請見下式。
WASis =
WASjs× WASij ,if WASij≥WAS TCij× TCij ,if WASij<𝑊𝐴𝑆 nj=0
WASij
nj=0
n：與ｉ節點在推薦路徑中相鄰節點的個數
Step E 依相似度決定顯性工作能力評價
當被使用者評價後的節點 (Source 節點) 到 Sink 節點之間的顯性工作能力 相似度都算好之後，最後一個步驟就是觀察哪一個信任等級的信賴度最高，選出 擁有最高相似度的顯性工作能力等級即為使用者節點對 Sink 節點的顯性工作能 力評價推論值，公式如下：
WASa = WAS1→sink, WAS2→sink, WAS, … … .
WASmax = max(WASa)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
27
顯性工作能力評價推論值 = 擁有WASmax的顯性工作能力等級 WASa：被使用者信任評價的節點至 Sink 節點的 WAS 集合向量
綜合以上對於人才推薦的討論，我們可以看出，本研究所提出的推薦機制包 含了以下幾個特性：
(1) 顯性工作能力是分領域的
(2) 當 A、B 兩成員學歷或者是工作經歷背景越相似者，系統有越大的信心（越 高的相似度）說 B 的顯性工作能力近似於 A
(3) 顯性工作能力評價決定於擁有最高 WAS 的顯性工作能力評價等級
(4) 顯性工作能力評價會隨著使用者對於系統中其他成員的評價資料的增加而 有所改變