随着地区经济增长速度放缓,区域创新与转型已成为突破区域发展瓶颈的重要方向。而专家作为掌握最新学术知识与人才渠道的人,能够对政府及企业进行指导建议,输送人才,是区域创新中的重要角色。在实际的推动区域创新过程中,政府企业面对的主要问题就是如何在大量的学术数据中,定位满足需求的专家信息。由于缺少可靠准确的信息源支持,政府与企业不能准确找到所需的专家人才,阻碍了区域创新发展。而专家信息的主要体现就是学术成果,通过获取专家发表的学术论文数据,分析专家的领域特征,构建出专家搜索引擎,就能够帮助政府企业定位专家,推动区域创新发展。为了设计并实现专家搜索引擎,本文首先从知网获取专家论文数据作为文本语料数据,主要的研究工作包括:根据专家论文数据特征,研究专家检索方法,引入作者主题模型,建立作者主题关系,并结合传统的语言查询模型,确定专家相关性的混合查询模型;使用改进的PageRank网页排序方法,进行专家重要性的排序;综合相关性查询模型和重要性排序模型,作为专家搜索引擎的检索模型;处理专家论文数据,并依照专家查询模型,分别计算生成了语言模型倒排索引和作者主题模型倒排索引,存储索引数据,为专家搜索引擎提供检索数据;详细设计专家搜索引擎的工作流程与每个子模块,使搜索引擎能快速准确得到检索结果。本文用python开发搜索引擎各模块,并与查询模型和索引数据相结合,最终完成搜索引擎的整体开发实现;其中,专家检索结果由两部分构成,专家相关性得分代表专家与查询词的关联度,专家重要性得发代表专家的专业可靠性。同时设计实验,对搜索引擎的查询准确性、查询速度进行验证,用相关查询指标来验证专家搜索引擎的查询效果与性能。本文结合文本聚类方法和传统的检索模型,并应用于人物搜索引擎,同时引入相关性和重要性两个检索指标,避免了传统人物检索的单一性,使专家搜索引擎在提供检索结果时,能够更贴合实际。