[發明專利]一種用于為文檔匹配評議專家的系統以及方法

在審

• 申請號: 202110856600.8
• 申請日: 2021-07-28
• 公開（公告）號: CN113516094A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 梁英;謝小杰;劉政君;王梓森
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

1.一種用于為文檔匹配評議專家的系統，其特征在于，包括：

專家特征提取模塊，其利用神經網絡根據專家描述文本和專家學術專長信息獲取專家特征表示；

文檔特征提取模塊，其利用神經網絡根據待評議文檔的文檔描述、學科分類信息和關鍵詞信息獲取文檔特征表示；

專家匹配模塊，其利用神經網絡根據專家特征表示和文檔特征表示計算專長匹配度，并基于專長匹配度生成候選專家列表。

2.根據權利要求1所述的系統，其特征在于，所述專家特征提取模塊包括：

專家文本特征提取單元，用于提取專家描述文本的特征以生成專家文本特征表示；

學術專長特征提取單元，用于根據專家學術專長信息提取其中每種學術專長的向量表示，并通過向量加法進行池化融合，生成學術專長特征表示；

專家特征融合單元，用于拼接專家文本特征表示和學術專長特征表示，對拼接得到的向量進行線性變換，生成專家特征表示。

3.根據權利要求2所述的系統，其特征在于，所述專家文本特征提取單元包括全連接網絡和卷積神經網絡，并被配置為根據單詞嵌入表和全連接網絡將專家描述文本中的每個單詞轉換為單詞向量，根據卷積神經網絡對所有單詞向量進行卷積操作得到每個單詞的特征映射向量，根據池化函數對所有特征映射向量進行池化操作，得到專家文本特征表示。

4.根據權利要求2所述的系統，其特征在于，所述學術專長特征提取單元包括全連接網絡，并被配置為根據學術專長嵌入表和全連接網絡將學術專長信息中的每種學術專長轉換為學術專長向量，利用向量加法對所有學術專長向量進行池化融合，得到學術專長特征表示。

5.根據權利要求2所述的系統，其特征在于，專家特征融合單元包括全連接網絡，并被配置為利用全連接網絡對專家文本特征表示、學術專長特征表示進行融合，經過非線性變換后，得到專家特征表示。

6.根據權利要求1至5任一項所述的系統，其特征在于，所述文檔特征提取模塊包括：

評議文本特征提取單元，用于提取待評議文檔的描述文本的特征以生成評議文本特征表示；

學科分類特征提取單元，用于提取學習學科分類信息中每個學科節點的向量表示，并通過向量加法進行池化融合，生成學科分類特征表示；

關鍵詞特征提取單元，用于提取關鍵詞信息中每個關鍵詞的向量表示，并通過向量加法進行池化融合，生成關鍵詞特征表示；

文檔特征融合單元，用于拼接評議文本特征表示、學科分類特征表示和關鍵詞特征表示，并對拼接得到的向量進行線性變換，生成文檔特征表示。

7.根據權利要求6所述的系統，其特征在于，所述評議文本特征提取單元包括全連接網絡和卷積神經網絡，并被配置為：根據單詞嵌入表和全連接網絡將待評議文檔的描述文本中的每個單詞轉換為單詞向量，根據卷積神經網絡對所有單詞向量進行卷積操作得到每個單詞的特征映射向量，根據池化函數對所有特征映射向量進行池化操作，得到評議文本特征表示。

8.根據權利要求6所述的系統，其特征在于，所述學科分類特征提取單元包括全連接網絡，并被配置為根據學科分類嵌入表和全連接網絡將學科分類信息中的每種學科分類轉換為學科分類向量，利用向量加法對所有學科分類向量進行池化融合，得到學科分類特征表示。

9.根據權利要求6所述的系統，其特征在于，所述關鍵詞特征提取單元包括全連接網絡，并被配置為：根據關鍵詞嵌入表和全連接網絡將關鍵詞信息中的每種關鍵詞轉換為關鍵詞向量，利用向量加法對所有關鍵詞向量進行池化融合，得到關鍵詞特征表示。

10.根據權利要求6所述的系統，其特征在于，所述文檔特征融合單元包括全連接網絡，并被配置為：利用全連接網絡對評議文本特征表示、學科分類特征表示、關鍵詞特征表示進行融合，經過非線性變換后，得到文檔特征表示。