[发明专利]一种基于知识组织语义关系的科技专家信息聚合方法

说明书

技术领域

本发明涉及信息科学与知识工程技术领域，尤其涉及一种基于知识组织语义关系的科技专家信息聚合方法。

背景技术

专家是指对某一门学问有专门研究或者擅长某项技术的人员，是我国最为宝贵的人才资源，在科学研究、项目评审、成果转化、决策咨询等方面发挥着举足轻重的作用。科研项目特别是国家重大科研项目，通常具有学科跨度大、影响面宽、专业性和创新性强等重要特点，往往需要依靠具有更高学术权威性、专业相关性和研究活跃度的同行评审专家，并通过专家更新机制和回避机制实现客观评审。

目前，科技专家的选取一般采用如下两种方式：一种是专家自行申报、形成专家库，这种方式由于申报人对申报信息的自主控制力和主观性比较强，难以对专家信息进行逐一核实和及时更新，影响专家选取的公正性；另一种是通过对专家发表的文献进行统计，根据其文献数量等信息辅助判断其是否可以作为专家，这种方式主要是从文献数量的角度进行评选，但对专家信息的描述框架和知识关联性有待深入，以便从语义角度更为准确的选取出学术权威性、专业相关性和研究活跃度的同行评审专家。同时，上述两种方式，在实现专家更新机制和回避机制方面还需要进一步完善，从而保证选取的专家更加客观和准确。

发明内容

本发明的目的在于提供一种基于知识组织语义关系的科技专家信息聚合方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于知识组织语义关系的科技专家信息聚合方法，包括如下步骤：

S1，根据科技文献数据在细分领域内筛选出具有较高影响力的候选专家；

S2，将与所述候选专家对应的关键词与知识组织工具概念术语进行近似关联，实现所述候选专家与所述知识组织工具的关联，建立预选专家关系图谱；

S3，根据专家信息约束条件，对所述预选专家关系图谱进行调整，形成最终的专家关系图谱；

S4，根据专家信息与知识组织工具和文献资源之间的关联关系，进行专家信息的动态更新和维护；

S5，对所述专家关系图谱进行多维度语义可视化展示与监测。

优选地，S1包括如下步骤：

S101，从文献，包括论文、专利、科技报告中抽取专家信息并规范化处理，以文献作者为核心，分别建立<作者,机构>、<作者,关键词>、<中文关键词,英文关键词＞对之间的对应关系，以三元组方式对专家的机构、关键词进行描述，形成候选专家，并对专家姓名进行消歧和归并处理；

S102，以文献中的范畴号、关键词和引文信息为基础，通过同义词计算、引用频次、引用链、学科范畴信息，对所述候选专家设定权重和阈值，在细分领域内筛选出具有较高影响力的候选专家。

优选地，S2具体为：采用同义词计算和/或范畴映射的方式进行关键词与知识组织工具的对应和关联，将具有语义相关性的关键词映射到知识组织系统，并根据语义关系对专家信息的学术关联性进行判定，在文献引用链、作者承担项目信息的支持下，按范畴确定高影响力专家。

优选地，S3中，所述专家信息约束条件包括：专家的自然信息、科研信息和教育信息，以及与其关联的机构信息、成果信息和项目信息。

优选地，S3中，对所述预选专家关系图谱进行调整，具体为，基于知识组织语义关系，进行如下的调整：对同义关系的词族和范畴进行合并，形成具有更高一致性的专家描述信息；对具有上下位关系的专业术语进行扩展，构建更细相关性的小同行专家群体；对具有相关关系的专家群体，采用社会关系网络SNA进行分析；在知识组织工具的引导下，对专家的研究方向和学科范畴进行映射，监测科学研究的整体布局和演化方向，揭示个体专家的科研兴趣演变。

优选地，S4包括如下步骤：

S401，从文献中快速挖掘专家的动态信息，包括研究兴趣和学术影响力信息，通过语义关系，以三元组形式对专家信息进行推理和判断；

S402，根据S401的方式，以三元组形式，使用Jena开源项目建立专家的RDF形式化语义模型；

S403，根据所述RDF形式化语义模型，使用SparQL进行专家RDF语义查询；

S404，根据RDF三元组的信息进行语义推理，将具有语义关联的专家进行精准聚合和推荐。

优选地，S5包括如下步骤：

S501，将专家群体、合作关系、研究主题在同一个画布下进行可视化呈现和分析，得到可视化专家关系图谱；