我国高校院所等科研机构拥有大量的科研人才,但是由于信息“不对称”、缺乏需求-人才精准匹配服务,企业缺少有效途径快速精准匹配特定技术需求的专家。随着大数据与人工智能技术的兴起,科技成果等数据资源的开发和利用将有效解决上述的这些问题,对有效促进科技成果转化具有重要意义。本文主要研究科技成果文档向量和科技专家的语义化表示,以及面向特定技术需求的专家精准推荐方法及系统。本文主要研究工作包括:1)研究提出一种基于PV-DM改进的文档向量表示模型,解决半结构化文档中不同位置语义特征信息提取的问题。通过大量的学术论文、发明专利、科研项目三类科技文档对模型进行训练,得到这些科技文档的语义化向量表示并形成向量库。2)研究提出一种面向技术需求的专家评分模型。基于相关科技文档对专家进行特征建模;以技术需求语义向量为中心,计算科技文档向量到中心的径向基函数值作为该文档的相关性权重;综合考虑文档质量、发表时间、文档-技术需求的相关度、专家贡献度等多种特征,依据该文档计算专家与技术需求匹配的得分;对专家的所有相关文档与技术需求匹配得分加权求和计算最终评分。3)基于上述模型,研究提出一种面向特定技术需求的专家在线推荐方法。该方法采用推荐系统中典型的二阶段推荐方式,首先针对特定技术需求,利用语义相似度和K近邻搜索得到相关科技文档,根据这些文档对应的专家划定推荐候选范围;然后基于上述专家评分模型,计算得到每个候选专家的得分,按照得分对候选专家进行排名实现Top N专家推荐。上述研究成果进行了实验验证,并开发实现了基于语义的科技专家推荐系统,根据企业提交的需求文本实时推荐合适的专家,从而实现高效精准的在线匹配,有效提高科技成果转化效率。