随着Internet技术在各个应用领域的广泛普及,网络中的信息量呈指数性增长。对于论文评审专家推荐,传统意义上的论文评审专家推荐方式——由人工筛选,存在推荐效率低下等问题。因此,利用海量专家论文数据建立自动化的论文评审专家推荐模型,推荐合适的专家对论文进行评审,能够提高论文评审专家推荐的效率,同时保证专家推荐的准确性以及科学性。本文从待评审论文与评审专家出发,通过挖掘评审专家权威度和评审专家领域活跃度,进而对论文推荐合适的专家进行评审。论文主要研究工作如下:(1)研究了评审专家领域权威度计算方法。利用专家发表论文数、论文引用频次,计算专家G指数;利用PageRank算法通过建立专家引用网络计算专家权威度,通过实验对比发现利用PageRank算法计算专家权威度结果更准确,并利用PageRank算法计算专家权威度并对结果进行排序得到专家权威度排名;(2)研究了专家领域活跃度预测方法,提出一种带有时间周期的评审专家领域活跃度预测方法。利用专家论文的论文发表时间、论文关键词等信息构建带有时间周期的关键词共现矩阵,并对矩阵做平滑处理;利用梯度下降法求解最优分解矩阵并进行归一化操作,最终得到关键词预测矩阵。关键词预测矩阵的值作为专家领域活跃度。通过进行对比试验,结果证明该方法具有更好的效果;(3)提出了一种融合评审专家权威度、领域活跃度的专家推荐方法。通过建立待评审论文向量空间模型和评审专家向量空间模型,利用相似度计算方法计算向量的相似度并对结果排序得到相似度排名。对专家权威度排名和相似度排名进行加权平均得到最终排名结果,取最终排名结果的top(10)专家作为最终推荐的评审专家,通过对比试验验证该方法推荐结果更加准确。