随着信息技术的迅速发展,信息量的不断增加给用户的相关信息发现带来了巨大的挑战,一个通用方法是找到具有特定专业知识的专家来帮助完成一项任务或解决一个问题。例如,在科学研究领域中,推荐外部专家进行研究项目选择和指派审稿人进行论文审稿是同行评议的两项基本任务。然而,组织高质量的同行评议工作遇到了多方面的挑战。在同行评议过程中,评议者的意见在决定论文是否被录用方面起着重要作用。因此,选择合适的审稿人是保证审稿质量的关键步骤。然而目前普遍采用的同行评议人的遴选过程主要是半人工的,这种半人工选择方法具有随机性和主观性,这就可能会导致评审结果的不公平。此外,半人工方法还存在遴选效率问题,在当前剧增的海量数据中遴选出合适的专家困难较大。因此本文从构建异构的文献信息网络出发,基于元路径探索文献信息网络中蕴含的丰富语义信息,挖掘真正与待审稿件研究领域相似的专家,同时考虑审稿专家的权威性,以确保审稿专家具有一定的科研水平,并引入熟人规避机制使得同行评议的结果更为公平、公正、权威。这种同行评议人的自动遴选过程可以使论文评议的指派任务更加高效,最大限度地确保评审结果的客观公平,保证审稿意见的高质量。本文结合同行评议人遴选准则,从异构信息网络中节点相关性度量、节点重要性评分及熟人关系回避三个方面构建统一的同行评议人推荐模型。在节点相关性度量方面,结合本课题研究问题给出了基于元路径选择与融合的异构信息网络中不同类型节点相关性测量方法。在节点重要性排名方面,结合异构信息网络中多种元路径融合思想运用多路径迭代方法对作者的重要性值进行计算。在熟人关系提取方面,考虑作者之间的同事关系与合作关系,据此形成同行评议的回避规则。最后,根据上述三个要素建模为一个统一的评分框架,该框架可针对待审论文进行同行评议专家的推荐,生成推荐人集合。最后通过实验在真实数据集中对本文提出的推荐模型进行验证,实验结果表明,与另两种基准方法相比,本文构建的模型在同行评议专家推荐中表现出更高的准确性。本论文为国家自然科学基金项目“专利引证网络中创新节点的浮现与长期演化研究”的研究成果,项目编号:71673106。