面向產(chǎn)學研合作的專家推薦方法研究.pdf

1、目前，產(chǎn)學研合作主要是由相關(guān)機構(gòu)人工采集供需信息，并組織企業(yè)和高校科研院所人才到現(xiàn)場對接等方式進行撮合。這種模式存在信息不透明、交流不通暢、規(guī)模范圍有限等問題，難以改變產(chǎn)學研銜接低效、成果轉(zhuǎn)化率低下的現(xiàn)狀。而各地政府或中介機構(gòu)建立的眾多網(wǎng)上技術(shù)交易平臺，只是簡單地匯總了技術(shù)需求和科技成果，依然不能解決技術(shù)需求與人才之間的智能匹配和時效便利問題。因此，亟需一種針對技術(shù)需求的智能專家推薦系統(tǒng)來解決這一困境。為了促進產(chǎn)學研有效合作，本文主要通

2、過科技領(lǐng)域詞典構(gòu)建、技術(shù)需求和專家知識模型構(gòu)建、基于潛在語義的文本相似度計算等研究來實現(xiàn)專家推薦系統(tǒng)。本文具體研究工作如下：
　?。?）科技領(lǐng)域詞典的構(gòu)建?？茖W技術(shù)的迅速發(fā)展，新詞匯、新概念、新關(guān)系不斷的涌現(xiàn)，通用詞典和傳統(tǒng)詞匯分析已不能滿足科技領(lǐng)域的語義分析，因此，科技詞典的構(gòu)建是實現(xiàn)專家語義建模和準確推薦的基礎(chǔ)。首先，利用主題搜索爬取科技數(shù)據(jù)，利用統(tǒng)計分析方法等整理提取科技新詞匯，然后在傳統(tǒng)科技詞典基礎(chǔ)上更新加入新詞匯形成本文

3、的科技領(lǐng)域詞典。
　　（2）科技專家知識表示模型的研究。首先，針對專家的特點建立專家物元知識表示模型；基于科技詞典和TF-IDF方法構(gòu)建專家向量模型；進而利用大量的專家數(shù)據(jù)，提出一種基于潛在語義的專家概念模型；同時通過機器學習挖掘詞項之間的研究相關(guān)性語義關(guān)系，并基于潛在語義模型實現(xiàn)專家的聚類。
　?。?）基于語義相似度計算的專家推薦方法研究。針對技術(shù)需求，首先基于語義相似度計算確定最相近的專家聚類簇，然后計算該簇中各專家向量