[發明專利]一種基于群組匹配的專家推薦方法及系統

在審

• 申請號: 201410680306.6
• 申請日: 2014-11-24
• 公開（公告）號: CN104361102A
• 公開（公告）日: 2015-02-18
• 發明（設計）人: 肖賀;李振華;劉云浩
• 申請（專利權）人: 清華大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

本發明公開了一種基于群組匹配的專家推薦方法及系統，屬于互聯網技術領域，所述方法包括：S1：通過網絡爬蟲獲取專家列表中各專家的網頁信息；S2：對所述網頁信息進行提取，以獲得各專家的專家學術信息；S3：根據所述專家學術信息計算各專家與待匹配項目之間的匹配度；S4：根據所述匹配度及群組匹配模型通過動態規劃算法確定為所述待匹配項目所推薦的專家。本發明通過群組匹配的方式實現專家推薦，提高了專家推薦效率，大幅降低時間開銷，另外，計算各專家與待匹配項目之間的匹配度時，還考慮了各專家與待匹配項目之間的社會關系匹配度，從而在實現專家推薦時，還有效避免或預防了學術腐敗問題。

技術領域

本發明涉及互聯網技術領域，特別涉及一種基于群組匹配的專家推薦方法及系統。

背景技術

科研項目的評審效率和評審質量對一個單位甚至一個國家的科研發展水平有重要影響。作為一種快捷、先進的評審方式，網絡評審貫穿一個科研或工程項目從立項、申請、組織、論證、評估、驗收、獎勵到備案等各個階段的全生命周期，其宗旨是利用計算機和網絡系統替代傳統的人工操作，從而低評審成本、提高工作效率和評審質量，并利用電子信息系統來規范評審過程。

近年來，云計算、大數據、推薦系統、深度學習、社會網絡等新型信息技術的迅速發展使得智能化的網絡評審成為可能，其中智能化的專家推薦系統是整個網絡評審過程的核心與難點。這里智能化的含義是：系統不僅能對內部信息(基于代碼、精確化、結構化)進行處理和提煉，還能不斷匯聚外部信息(基于語義、模糊化、非結構化)，通過數據積累對專家本身進行分類和評價，生成更具指導意義的智能專家庫，從而構造更為合理的推薦模型和算法，但現有的專家推薦系統存在專家推薦效率過低的問題，導致時間開銷過大。

發明內容

鑒于上述問題，本發明提供了一種基于群組匹配的專家推薦方法，所述方法包括：

S1：通過網絡爬蟲獲取專家列表中各專家的網頁信息；

S2：對所述網頁信息進行提取，以獲得各專家的專家學術信息；

S3：根據所述專家學術信息計算各專家與待匹配項目之間的匹配度；

S4：根據所述匹配度及群組匹配模型通過動態規劃算法確定為所述待匹配項目所推薦的專家，所述群組匹配模型為所有待匹配項目推薦專家的匹配度之和達到最大時，所述待匹配項目和推薦的專家之間的對應關系。

其中，步驟S1中，根據所述專家列表中的專家姓名通過網絡爬蟲獲取專家列表中各專家的網頁信息。

其中，步驟S2具體包括：

S201：從所述網頁信息中搜索與當前專家的專家姓名及工作單位相匹配的網頁信息，若未搜索到，則執行步驟S202，否則從搜索到的第一個網頁信息中提取出專家學術信息，并執行步驟S203，所述專家列表包括：各專家的專家姓名及工作單位；

S202：從所述網頁信息中搜索與當前專家的專家姓名相匹配的網頁信息，從搜索到的第一個網頁信息中提取專家學術信息；

S203：將所述專家列表中未提取專家學術信息的專家作為當前專家，并返回步驟S201。

其中，所述專家學術信息包括：專家姓名、工作單位、研究領域關鍵詞、論文名稱及論文作者。

其中，步驟S3中，根據所述專家學術信息通過下式計算各專家與待匹配項目之間的匹配度，

Mi,j＝α*MKi,j+β*MJi,j+γ*MLi,j-δ*MSi,j