[发明专利]基于大数据的政务信息化项目的查重管理方法

说明书

本发明涉及政务信息化项目查重管理技术领域，且公开了一种基于大数据的政务信息化项目的查重管理方法，通过获取政务信息化项目的标题，从标题中提取出核心特征词，采用核心特征词为检索依据，从存储有政务信息化项目的大数据网络中检索得到大数据项目，并提取出与核心特征词对应的关键词，对核心特征词与关键词的相似度进行评述，获得相似度值，计算得到用于评述政务信息化项目与大数据项目的综合相似度评价等级值，这使得在评述政务信息化项目与大数据项目的相似度时，不必依靠主观判断，而是拥有了客观科学的评述标准，该方法适用于跨计划项目查重领域。

技术领域

本发明涉及政务信息化项目查重管理技术领域，具体为一种基于大数据的政务信息化项目的查重管理方法。

背景技术

科技项目查重是避免重复立项、重复建设的重要措施之一，文献检索发现：姜韶华提出一种基于文本挖掘的科研项目管理原型系统，重点研究和解决科研项目文本的切分和特征建模等问题；左川提出一种基于非分词技术解决科技项目查重问题的方法，该方法不需要对文本进行分词处理，利用频繁闭项集构造向量空间模型对项目申请书进行建模并计算相似度；方延风提出将一种改进的TF-IDF方法用于科技项目查重，考虑了特征词的位置和长度两种因素；吴燕提出一种基于层次聚类的科技项目分类和查重方法，在计算科技项目相似性时综合考虑了应用领域、研究内容和技术来源等因素；林明才等提出一种改进的模糊聚类算法RM-FCM，在计算项目相似度时考虑了不同属性的特征项对科研项目的重要性；刘荫明等从科技查新实践、地区和部门多头管理、科研论文所依托的基金项目数量等方面研究我国科研的重复立项现象，通过对科研项目的申报与审批流程进行分析，提出避免重复立项的具体措施。

上述研究工作基本都是从项目申请书入手，对申请书进行分词或将其作为整体处理，然后提取特征向量，利用特征向量的相似度表示项目的相似度。一方面不同计划的申请书格式不同，学科领域差别较大，很难找到统一的描述模式；另一方面，项目申请书一般不对外公开，获取难度很大。因此，上述方法只是适应于在单个计划内部进行项目查重，而很难进行跨计划的项目查重。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供一种基于大数据的政务信息化项目的查重管理方法。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的政务信息化项目的查重管理方法，包括以下步骤：

步骤S1，获取需要查重政务信息化项目的标题，从标题中提取出核心特征词CFW_i；其中，i为核心特征词CFW的序列编号，i＝1，2，...，n₁；

步骤S2，建立政务信息化项目的相似度评价等级，并确定相似度评价等级标准的量值范围[m_Jd，m_Ju]；

其中，J为相似度评价等级的等级编号，J＝1，2，...，n₂；

步骤S3，采用至少包括其中一个核心特征词CFW_i为检索依据，从存储有政务信息化项目的大数据网络中检索得到若干个大数据项目；

获取大数据项目的标题、并提取出与所述核心特征词CFW_i对应的关键词Kd_j；其中，j为关键词Kd的序列编号，j＝1，2，...，n₃；

步骤S4，评述并给出核心特征词CFW_i与关键词Kd_j之间的相似度值SV_I；其中，I为相似度值SV的序列编号，I＝1，2，...，n₄；

步骤S5，构造用于表征相似度值SV_I的评价等级属于程度的关联度值函数δ(SV_I-J)；