科技項(xiàng)目評(píng)審專家智能檢索與推薦系統(tǒng)的研究及實(shí)現(xiàn).pdf

1、隨著科技項(xiàng)目申報(bào)數(shù)量的快速增長(zhǎng),科技專家在項(xiàng)目立項(xiàng)評(píng)審、中期檢查、結(jié)題驗(yàn)收等環(huán)節(jié)發(fā)揮著重要作用。目前,科技專家一般由管理部門人為指派或根據(jù)研究領(lǐng)域機(jī)械隨機(jī)地選取,無(wú)法快速準(zhǔn)確篩選出專家,從而導(dǎo)致專家由于不熟悉項(xiàng)目技術(shù)領(lǐng)域得出評(píng)審結(jié)果不客觀不公正的現(xiàn)象。因此,利用信息手段進(jìn)行專家智能檢索和推薦技術(shù)的研究是十分重要的。本文以浙江省科技項(xiàng)目全過(guò)程管理系統(tǒng)中的項(xiàng)目庫(kù)信息和專家?guī)煨畔閷?shí)驗(yàn)數(shù)據(jù),主要通過(guò)研究關(guān)鍵詞提取、知識(shí)表示模型、相似度計(jì)算等來(lái)

2、實(shí)現(xiàn)專家信息智能檢索和推薦系統(tǒng)。本文具體研究工作如下:
　　(1)針對(duì)科技項(xiàng)目申請(qǐng)書和評(píng)審專家信息文本的“半結(jié)構(gòu)化”的特征,研究提出一種基于可拓學(xué)物元模型、向量空間模型的物元知識(shí)表示模型。首先,將科技項(xiàng)目信息、專家信息主要文本進(jìn)行分詞,對(duì)分詞結(jié)果進(jìn)行停用詞過(guò)濾得到詞語(yǔ)集合。其次,構(gòu)建項(xiàng)目詞語(yǔ)信息的詞語(yǔ)網(wǎng)絡(luò),基于統(tǒng)計(jì)特征和聚集特征提取項(xiàng)目信息關(guān)鍵詞;專家信息較為精簡(jiǎn),直接將過(guò)濾后得到的詞語(yǔ)集合作為專家信息關(guān)鍵詞。最后,結(jié)合關(guān)鍵詞所在

3、字段和權(quán)值構(gòu)建項(xiàng)目和專家的物元知識(shí)表示模型,并建立相關(guān)信息索引。
　　(2)針對(duì)目前專家檢索通過(guò)機(jī)械匹配檢索詞實(shí)現(xiàn),缺乏考慮語(yǔ)義理解、檢索結(jié)果無(wú)法按檢索相關(guān)度進(jìn)行排序等問(wèn)題,在物元知識(shí)表示模型的基礎(chǔ)上,研究提出一種基于語(yǔ)義的專家信息智能全文檢索方法。該方法基于語(yǔ)義等信息計(jì)算檢索關(guān)鍵詞和專家信息間的相關(guān)度,根據(jù)匹配度從高到低列出相關(guān)專家。實(shí)驗(yàn)表明該方法能夠比較準(zhǔn)確地快速檢索出與科技項(xiàng)目相匹配的專家。
　　(3)在物元知識(shí)表示模

4、型的基礎(chǔ)上,研究提出一種基于語(yǔ)義的科技項(xiàng)目評(píng)審專家智能推薦方法,為一個(gè)(或一組)項(xiàng)目自動(dòng)推薦生成候選專家列表。首先,基于語(yǔ)義二部圖最大匹配算法計(jì)算專家信息與科技項(xiàng)目信息的語(yǔ)義相似度。其次,設(shè)定閥值截?cái)喈a(chǎn)生初始推薦專家列表。最后,借鑒回歸分析的思想,構(gòu)建基于層次分析法AHP的科研能力評(píng)分模型優(yōu)化專家推薦排列順序。針對(duì)一組項(xiàng)目的專家推薦,則先要對(duì)各項(xiàng)目的知識(shí)表示特征合并為一個(gè)項(xiàng)目組的知識(shí)表示模型。
　　根據(jù)上述研究成果開(kāi)發(fā)了科技專家信