Team Formation

  現代社會中,專案的分工日趨專業化與特異化 (specialization),各種為了不同目標的工作小組 (taskforce) 也被設立,以適應更多樣的任務需求。這種分工方式的特點除了工作小組彼此間的任務目標可能有極大差異外、組內成員的技能要求也極為多元,因成員間溝通不良、或無法找到適合人選而導致專案失敗的案例時有所聞,因此,如何有效地找尋適合特定專案的參與者便成為了重要的課題。

  另外,由於近年社群網路興起,專業人才間的社群網路服務 (如 LinkedIn) 逐漸取代傳統人力資源部門尋找專才的方式,愈來愈多的工作機會得以透過此類社群服務媒合。然而,學術界中舊有的媒合方式大多僅考慮團隊成員間的技能需求與溝通成本,而未考慮各成員的聘僱成本 (personnel cost) 與分工效益等;本實驗室針對此類日益成熟的需求,提出了完整的社群網路中成員聚合 (Team Formation) 問題之解決方案,我們所提出的演算法,以更全面的觀點考量執行專案時的種種因子,並透過更完善的個人特徵模型 (personal attribute model)評估個人的技能貢獻,使得我們的演算法能更精準與有效地自社群網路中找到適合特定專案的成員。

Hierarical Tean formation

  近年來,許多研究從不同角度探討了基於社群網路的組隊問題;然而在過去的研究中,大多 僅考量少數影響組隊的因素。另外,這些研究中所使用的能力模型僅允許使用與專案需求相同技能的人才;而不考慮相近技能之人才。為了能更貼近現實生活中的組隊需求,我們的研究中除了考量兩項影響組隊結果最大的因素:溝通及人力成本外,更比起過往之研究探討更多可能影響組隊結果的因素。

  我們也提出了階層式能力模型,該能力模型允許團隊中擁有與專案需求相近技能的人才、而非只能選入專案所需技能的專家,以提高組隊的彈性。我們更提出了基於多目標最佳化理論的演算法,該演算法可根據使用者在單一目標下給定的預算,找出在另一目標下最佳化的團隊。這樣的演算法可解決在現實生活中,溝通成本與人力成本常常必須有所取捨的情況,並提供不同預算下的組隊建議。在實驗中不但證明了我們的問題假設是合理的,同時所提出的演算法也能比過去的研究找到成本更低且符合專案需求的團隊。

Group Team Formation

  組隊問題是一個在社群網路分析中值得探討的一個議題。之前的許多研究對於組隊問題提出了各種隊伍結構,然而卻發現這些結構有一些不彈性的缺陷。此外,為了以最低的溝通成本建立團隊,隊伍內總是包含一些缺乏專業技能溝通者。

  因此我們提出了一個自定義的建立隊伍方式,除了改進以前不彈性的隊伍結構外,計劃發起人可以在不用先定義好固定隊伍結構的條件下,根據技能需求選擇專家來自動建立出理想的隊伍。在文章內,我們提出了精確擴展貪婪演算法,即以最接近現實的找尋專家方式、可以節省許多預先處理時間,並減少降低隊伍專業度的非專家人數。最後,我們也利用了現實應用的數據集進行實驗,並在實驗結果上呈現了有效降低溝通成本、隊伍人數與提升隊伍專業度的效率。

 Back