[發(fā)明專利]基于團(tuán)隊(duì)科研影響力及可持續(xù)性建模的推薦方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010566334.0
• 申請(qǐng)日: 2020-06-19
• 公開(kāi)（公告）號(hào): CN111831905B
• 公開(kāi)（公告）日: 2023-06-06
• 發(fā)明（設(shè)計(jì)）人: 于建軍;杜冠瑤;王月
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/35;G06F16/383;G06F16/335;G06N3/0442;G06N3/048;G06N5/01
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理有限公司 11200
• 代理人: 司立彬

1.一種基于團(tuán)隊(duì)科研影響力及可持續(xù)性建模的推薦方法，其步驟包括：

1)根據(jù)設(shè)置的科研影響力特征屬性類別，對(duì)科研影響力特征進(jìn)行分類；所述科研影響力特征按照屬性類別分為科研成果特征、網(wǎng)絡(luò)特征和時(shí)間特征；

2)設(shè)置一標(biāo)簽庫(kù)；對(duì)每一個(gè)科研成果特征，將其與該標(biāo)簽庫(kù)中的標(biāo)簽進(jìn)行相似度匹配，將匹配的標(biāo)簽作為對(duì)應(yīng)科研成果特征的屬性名Name、根據(jù)屬性名Name對(duì)應(yīng)的科研成果特征的特征值作為該屬性名Name對(duì)應(yīng)的屬性值；

3)通過(guò)設(shè)置的目標(biāo)函數(shù)和屬性值對(duì)屬性名進(jìn)行篩選，選取多個(gè)屬性名作為核心指標(biāo)，得到一最佳核心指標(biāo)集；

4)根據(jù)該最佳核心指標(biāo)集，獲取各科研團(tuán)隊(duì)對(duì)應(yīng)的指標(biāo)值，根據(jù)所獲取的指標(biāo)值計(jì)算對(duì)應(yīng)科研團(tuán)隊(duì)的一體化科研影響力；

5)計(jì)算各科研團(tuán)隊(duì)的科研可持續(xù)性，獲取對(duì)應(yīng)科研團(tuán)隊(duì)的下一個(gè)時(shí)刻科研影響力；然后結(jié)合各科研團(tuán)隊(duì)的一體化科研影響力和科研可持續(xù)性計(jì)算結(jié)果進(jìn)行科研團(tuán)隊(duì)的綜合推薦；

其中，根據(jù)所獲取的指標(biāo)值計(jì)算科研團(tuán)隊(duì)的一體化科研影響力的方法為：采用SVD模型進(jìn)行科研影響力建模，利用所得模型計(jì)算科研團(tuán)隊(duì)的一體化科研影響力；其中r_ui表示用戶u對(duì)特征i的評(píng)分，特征i對(duì)應(yīng)于當(dāng)前科研團(tuán)隊(duì)的指標(biāo)值i，b_ui＝μ+b_i+b_u為偏好因子，μ是全局評(píng)分均值，b_i表示特征i得分偏離平均分的程度，b_u表示用戶u評(píng)分偏離平均分的程度；q_i為特征i的特征向量，p_u為用戶u的特征向量；為隱式反饋因子，Y(u)為隱式反饋集，即用戶u表示過(guò)偏好的特征集合，y_k為隱式特征向量，β_k為相應(yīng)的特征權(quán)重；

當(dāng)特征i為文本特征時(shí)，特征i的特征向量用戶u的特征向量W(u,tx)表示文本特征中與用戶u相關(guān)的關(guān)鍵字tx的權(quán)重；y_tx(tx)為關(guān)鍵字tx的特征向量，K(u)表示為用戶u的文本特征關(guān)鍵字集合,K(i)表示為特征i的文本特征關(guān)鍵字集合；當(dāng)特征i為固定型網(wǎng)絡(luò)特征時(shí)，用戶u的特征向量N(u)表示用戶u具備固定型網(wǎng)絡(luò)特征的特征集合，λ為衰減因子，rd為用戶間的關(guān)系維度，y_j為指標(biāo)值j對(duì)應(yīng)的特征值，m為非零特征值個(gè)數(shù)；當(dāng)特征i為計(jì)數(shù)型網(wǎng)絡(luò)特征時(shí)，用戶u的特征向量α_u,j為用戶u對(duì)特征j的操作次數(shù)；A(u)為用戶u具備計(jì)數(shù)型網(wǎng)絡(luò)特征的特征集合。

2.如權(quán)利要求1所述的推薦方法，其特征在于，確定科研成果特征的屬性名Name的方法為：對(duì)于劃分為成果特征的各個(gè)特征值，根據(jù)預(yù)先設(shè)置的科研大數(shù)據(jù)的文本庫(kù)從各特征值中提取關(guān)鍵詞，然后利用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)提取的各關(guān)鍵詞進(jìn)行二分類學(xué)習(xí)，如果根據(jù)二分類學(xué)習(xí)結(jié)果判定其中n個(gè)關(guān)鍵詞是同一屬性A，則將該n個(gè)關(guān)鍵詞的屬性名均標(biāo)記為屬性A，將該n個(gè)關(guān)鍵詞的相關(guān)值之和作為屬性A的屬性值。

3.如權(quán)利要求1所述的推薦方法，其特征在于，獲取所述網(wǎng)絡(luò)特征的方法為：從發(fā)表論文的合著信息、從專利文獻(xiàn)的合著信息、從項(xiàng)目的共同參與信息中提取所述網(wǎng)絡(luò)特征；以及從獲取的文本中提取所述網(wǎng)絡(luò)特征，其方法為：1)從文本中找出至少兩個(gè)用戶名，并在兩個(gè)用戶名之間往前追溯N個(gè)字節(jié)，以及往后追溯N個(gè)字段，作為學(xué)習(xí)關(guān)系的限定文本；2)從該限定文本中提取預(yù)設(shè)的合作關(guān)鍵詞；3)通過(guò)TF-IDF文本相似度計(jì)算模型計(jì)算當(dāng)前合作關(guān)鍵詞與標(biāo)準(zhǔn)關(guān)系庫(kù)中的合作關(guān)鍵詞的相似度；4)將匹配的合作關(guān)鍵詞作為該文本中所找出用戶名的合作關(guān)系。

4.如權(quán)利要求1所述的推薦方法，其特征在于，通過(guò)啟發(fā)式學(xué)習(xí)方法獲取所述時(shí)間特征，并計(jì)算不同時(shí)間特征對(duì)成果特征、網(wǎng)絡(luò)特征的影響，保留對(duì)成果特征、網(wǎng)絡(luò)特征影響最大的時(shí)間特征。