在该方面的取值为 在该方面的取值为6 4和4在方面4上的方面相似度记为3111 （ ,?）。不同的方面类型具有不同的测度特征，因此知识方面相似度的测度方法因不同的方面类型而有差异。下面就不同方面特征，分别讨论之。

①政务知识方面为简单数值型。当所要测度的方面七为简单数值型（如税率）时，给定该方面的值域为…],则两个知识对象在方面七上的方面相似度计算如下：

51爪₀‘（尺卜    -~

叫；）&!'    1 0抑『

当知识方面为日期型时，其方面相似度也可按上式计算。此时，知识方面的值域[ ,    表征了最大可能时间跨度〈通常以“天”计〉，&和尺₂在

该方面的距离亦以“天”计。

②政务知识方面为字符型、布尔型或简单枚举型。当所要测度的知识方面七为简单字符型、布尔型或枚举型时，如部门名称、婚姻状况4    员工政治面貌〔群众、共青团员、共产党员、其他党派人士〉，不同知识在该方面上的可能值之间不存在实际意义上的比较关系，只能采用较为粗糖的相似度计算方法，即

‘1。， I 外

③政务知识方面为次序枚举型。与简单枚举型方面不同，次序枚举型方面各可能值之间具有一定的比较关系，表现为可测但模糊的语义距离〔如不同的员工知识贡献等级之间的差异度〉。不过，通常次序枚举型方面的实际取值为模糊值，如员工工作业绩的可能取值为“优、良、中、可、差”，通常将发展速度定性描述为“不动、非常慢、很慢、较慢、慢、快、较快、很快、非常侠”等。对次序枚举型方面相似度，陈鸿给出了如下算法：

³¹'认，仏）二¹--0 （0-

其中，表示值6在值域集合中的序数， （七）为测度方面的基数。

需要补充地是，某些简单枚举型方面的可能取值表面上无明显次序关系，但仔细分析仍可以在不同取值之间发现能够细分的语义距离。比如，“颜色”方面的值域为（白，红，橙，黄，绿，蓝，靛，紫，黑〉，表面上看，各值之间无明显次序关系，但仔细推敲，发现彼此间还是呈现出可细分的语义距离的一显然，绿色和蓝色要比白色和蓝色更接近；在前面提到的简单枚举型方面“员工政治面貌”的值域中，“共青团员”与“共产党员”之间的语义距离显然也要比