[发明专利]一种面向多领域跨学科的专家遴选方法

说明书

本发明的目的在于提供一种面向多领域跨学科的专家遴选方法，将专家的多领域跨学科研究方向关键词作为专家特征，根据论文与专家研究方向关键词的匹配度，解决了由于论文内容涉及多领域跨学科无法匹配到合适专家的难题。该算法首先基于word2vec将论文与专家的研究方向关键词词语向量化，利于定量度量关键词之间的关系；其次，根据论文与专家的研究方向关键词词向量使用欧氏距离计算论文与专家之间的相似度；最后基于论文与专家的相似度计算专家匹配度，从而实现专家遴选。

技术领域

本发明涉及信息管理技术领域，具体为一种面向多领域跨学科的专家遴选方法。

背景技术

随着科学技术的进步，许多新兴学科和交叉学科不断涌出，选出合适的评审专家不仅能够将论文准确匹配到适合的专家，还能够节省专家以及送审论文的时间。目前在单一学科中已经能匹配到符合需求的同行评审专家。但是在多领域跨学科中专家遴选仍然具有挑战性，在论文领域划分方面、专家研究方向方面存在一定难度，并且由于论文内容涉及跨学科，传统方法通过专家所属学科判断论文送审结果的正确性，不能较好地解决跨学科性问题，最终导致论文送审结果出现偏差。

基于此，本发明提出了将专家的多领域跨学科研究方向关键词作为专家特征，根据论文与专家研究方向关键词的匹配度，解决了由于论文内容涉及多领域跨学科无法匹配到合适专家的难题。因此，本发明提供了面向多领域跨学科的专家遴选算法，达到了多领域中匹配对应研究方向评审专家的目的，极大节省专家以及送审论文的时间。

发明内容

本发明为了解决在多领域跨学科中的专家遴选任务，提出的方法首先基于Word2vec将论文与专家的研究方向关键词词语向量化。其次，根据论文与专家的研究方向关键词词向量基于欧氏距离计算论文与专家之间的相似度。最后基于论文与专家的相似度计算专家匹配度，从而实现专家遴选。

一种面向多领域跨学科的专家遴选方法，包括以下几个步骤：

(1)对论文进行特征提取得到论文研究方向关键词；

(2)使用Word2vec将论文及专家的研究方向关键词向量化；

(3)对论文与专家的研究方向关键词词向量之间进行欧氏距离计算得到相似度矩阵；

(4)对上个步骤得到的词向量相似度矩阵分析得到专家遴选列表。

附图说明

图1为本发明一种面向多领域跨学科的专家遴选方法的流程图。

图2为本发明Word2vec技术中构建的CBOW模型图。

图3为欧氏距离与余弦相似度对比结果图。

图4在本发明在不同Seed参数下的结果图。

图5为本发明在不同Windows参数下的结果图。

图6为本发明在最优Word2vec模型参数下的结果图。

图7为本发明在不同论文总数下的结果图。

具体实施方式

为了使本发明的目的，技术方案和优点更加清楚，下面将结合附图和具体实施例对本发明作进一步的详细描述。

本发明涉及信息管理技术领域，具体为一种面向多领域跨学科的专家遴选方法。如图1所示，一种面向多领域跨学科的专家遴选方法，包括以下步骤：

(1)数据预处理：对论文进行特征提取得到论文研究方向关键词；

(2)词语向量化：使用Word2vec将论文及专家的研究方向关键词向量化；

(3)词向量相似度计算：对论文与专家的研究方向关键词词向量之间进行欧氏距离计算得到相似度矩阵；