论文部分内容阅读
目前,产学研合作主要是由相关机构人工采集供需信息,并组织企业和高校科研院所人才到现场对接等方式进行撮合。这种模式存在信息不透明、交流不通畅、规模范围有限等问题,难以改变产学研衔接低效、成果转化率低下的现状。而各地政府或中介机构建立的众多网上技术交易平台,只是简单地汇总了技术需求和科技成果,依然不能解决技术需求与人才之间的智能匹配和时效便利问题。因此,亟需一种针对技术需求的智能专家推荐系统来解决这一困境。为了促进产学研有效合作,本文主要通过科技领域词典构建、技术需求和专家知识模型构建、基于潜在语义的文本相似度计算等研究来实现专家推荐系统。本文具体研究工作如下:(1)科技领域词典的构建。科学技术的迅速发展,新词汇、新概念、新关系不断的涌现,通用词典和传统词汇分析已不能满足科技领域的语义分析,因此,科技词典的构建是实现专家语义建模和准确推荐的基础。首先,利用主题搜索爬取科技数据,利用统计分析方法等整理提取科技新词汇,然后在传统科技词典基础上更新加入新词汇形成本文的科技领域词典。(2)科技专家知识表示模型的研究。首先,针对专家的特点建立专家物元知识表示模型;基于科技词典和TF-IDF方法构建专家向量模型;进而利用大量的专家数据,提出一种基于潜在语义的专家概念模型;同时通过机器学习挖掘词项之间的研究相关性语义关系,并基于潜在语义模型实现专家的聚类。(3)基于语义相似度计算的专家推荐方法研究。针对技术需求,首先基于语义相似度计算确定最相近的专家聚类簇,然后计算该簇中各专家向量与技术需求向量间的文本相似度;考虑专家对技术需求的实践能力,对上述专家推荐算法进一步优化,并采用线性加权组合的方式最终推荐出topN个专家。实验表明,新方法具有更优的准确性。根据上述研究成果开发产学研专家推荐系统,包括Web管理服务器、手机APP和专家推荐服务器,系统的逐步推广使用必将有效促进科技成果转化的效果。