[發(fā)明專利]一種面向科技項(xiàng)目的評審專家智能推薦方法

有效

• 申請?zhí)枺?/td>: 201310509358.2
• 申請日: 2013-10-24
• 公開（公告）號: CN103631859B
• 公開（公告）日: 2017-01-11
• 發(fā)明（設(shè)計）人: 徐小良;吳仁克;林建海;陳秋
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙)33240
• 代理人: 杜軍

1.一種面向科技項(xiàng)目的評審專家智能推薦方法，其特征在于該方法包括以下步驟：

步驟1.把科技項(xiàng)目和專家信息中的通用詞和慣用詞作為專業(yè)停用詞庫；把標(biāo)點(diǎn)符號、非漢字作為切分標(biāo)記庫；

步驟2.對科技項(xiàng)目信息、專家信息進(jìn)行分詞：根據(jù)科技項(xiàng)目信息中切分標(biāo)記，將項(xiàng)目名稱、主要研究內(nèi)容、技術(shù)指標(biāo)切分成子串序列；根據(jù)評審專家信息中切分標(biāo)記，抽取專家信息、獲獎情況、發(fā)明情況、發(fā)表論文情況、課題承擔(dān)過的項(xiàng)目及完成情況、研究方向切分成子串序列，一個子串序列即一個字段信息；利用中科院ICTCLAS對子串序列進(jìn)行分詞；

步驟3.科技項(xiàng)目特征詞語提?。豪猛ㄓ猛Ｓ迷~庫和專業(yè)停用詞庫對分詞進(jìn)行停用詞過濾，所述的通用停用詞庫采用哈工大停用詞表，把去除停用詞的分詞結(jié)果作為一個詞語集合；

專業(yè)停用詞庫的構(gòu)建是一個自學(xué)習(xí)不斷完善的過程，在信息分詞過程中不斷統(tǒng)計詞語的詞頻，詞語在文本出現(xiàn)的概率大于一定閥值，將它納入到停用詞庫；

科技項(xiàng)目信息量較大，對詞語集合進(jìn)行詞語間語義相似度計算，根據(jù)詞的語義關(guān)系和詞的共現(xiàn)關(guān)系構(gòu)建詞語網(wǎng)絡(luò)，計算網(wǎng)絡(luò)中的詞語聚集特征值；然后結(jié)合詞語的統(tǒng)計特征值，計算詞語的關(guān)鍵度來提取出科技項(xiàng)目特征詞語；科技項(xiàng)目的特征詞語就是提取綜合文本的統(tǒng)計特征信息和語義特征信息，更加準(zhǔn)確地提取出特征詞語；

步驟4.評審專家特征詞語提?。焊鶕?jù)通用停用詞庫和專業(yè)停用詞庫進(jìn)行停用詞過濾，提取每個專家的特征詞集合；

步驟5.構(gòu)建科技項(xiàng)目、評審專家的分字段知識表示模型：通過對空間向量模型和物元知識集模型進(jìn)行擴(kuò)展，依據(jù)科技項(xiàng)目中的不同字段信息建立文本表示模型PRO＝(id,F,WF,T,V),其中id表示在項(xiàng)目庫中的標(biāo)識字段；F表示科技項(xiàng)目中字段類別集合；WF為字段的權(quán)重；T為特征詞語；V表示字段所對應(yīng)的詞語及其權(quán)重集合即V_i={v_i1,f(v_i1),v_i2,f(v_i2),...,v_in,f(v_in)}，v_ij表示第i個字段中的第j個特征詞語，f(v_ij)表示v_ij關(guān)鍵詞所對應(yīng)的頻數(shù)；科技項(xiàng)目信息的知識表示如下：

同理，根據(jù)專家中的不同字段信息建立知識表示模型TM＝(id,F,WF,T,V)；其中，id表示在專家?guī)熘械臉?biāo)識字段；F表示評審專家中字段類別集合；WF為字段的權(quán)重集合；T為特征詞語；V表示字段所對應(yīng)的特征詞語及其權(quán)重集合即V_i={v_i1,f(v_i1),v_i2,f(v_i2),...,v_in,f(v_in)}，v_ij表示第i個字段中的第j個特征詞語，f(v_ij)表示v_ij特征詞語在所對應(yīng)的字段內(nèi)的出現(xiàn)頻率；評審專家信息的知識表示為：

步驟5.評審專家信息索引庫構(gòu)建：待評審專家知識表示模型構(gòu)建完成后，將信息索引入庫：首先從專家?guī)熘凶x取一個評審專家的內(nèi)容項(xiàng)信息；基于分詞結(jié)果建立詞語語義網(wǎng)絡(luò)并提取評審專家所包含的特征詞；依據(jù)知識表示模型并利用Apache?Lucene對其建立索引；將建立好的索引按所屬類別加至對應(yīng)的索引庫中，直到所有的評審專家索引入庫；

步驟6：根據(jù)項(xiàng)目的個數(shù)，推薦方式分為單一待審項(xiàng)目推薦專家和分組待審項(xiàng)目推薦專家；分組推薦專家對步驟5的待審項(xiàng)目知識表示模型做相應(yīng)的字段間和項(xiàng)目間的特征合并操作，單一待審專家推薦只做相應(yīng)的字段間特征合并操作；同時，對步驟5的評審專家的知識表示模型進(jìn)行字段間特征合并；依據(jù)知識表示模型并利用Apache?Lucene對合并后的特征信息建立索引；其中，科技項(xiàng)目索引構(gòu)建在進(jìn)行項(xiàng)目推薦時進(jìn)行；

科技項(xiàng)目申報管理系統(tǒng)中待審項(xiàng)目往往是需要分組推薦的，上述特征合并操作不但確保不會消除步驟5中知識表示模型設(shè)置不同字段權(quán)重對相似度計算產(chǎn)生推薦的貢獻(xiàn)差異；

步驟7.經(jīng)過步驟6的評審專家和科技項(xiàng)目的知識表示模型的字段間特征進(jìn)行合并，假設(shè)評審專家信息向量若表示為P={s₁,f(s₁),s₂,f(s₂),...,s_n,f(s_n)}，科技項(xiàng)目信息向量表示為Q={t₁,f(t₁),t₂,f(t₂),...,t_n,f(t_n)}，基于最大匹配算法計算待審科技項(xiàng)目向量與評審專家的語義相似度；

步驟8.設(shè)置相似度截斷，依據(jù)相似度的大小產(chǎn)生推薦指數(shù)，產(chǎn)生最終的推薦評審專家列表。