[发明专利]融合专家信息关联关系的卷积神经网络评审专家推荐方法

摘要

本发明涉及融合专家信息关联关系的卷积神经网络评审专家推荐方法，属于数据处理技术领域。本发明通过构造多名专家信息之间的关联关系矩阵，并与已经转化为向量的专家信息向量拼接成为专家相关性矩阵，最后通过卷积神经网络构建融合专家关联关系的评审专家推荐模型。通过项目与专家之间的得分关系，从而训练出来专家推荐模型。实验结果表明本发明提出的专家推荐模型在实际任务中取得了较好的效果，相较于不考虑专家关系的方法在推荐效果上有一定的提升。

主权项

1.融合专家信息关联关系的卷积神经网络评审专家推荐方法，其特征在于：方法的具体步骤如下：Step1、收集专家的信息，项目信息，并将两者的信息通过embeding分别转化为专家信息隐向量和项目信息隐向量；Step2、利用马尔可夫网络的思想，使专家信息之间的关系表示成为专家信息之间的关联关系矩阵；Step3、将Step1中得到的专家信息隐向量与Step2中的专家信息关联关系矩阵合并，组合为专家信息相关性矩阵；Step4、将Step3中的专家信息相关性矩阵通过卷积神经网络进行卷积和池化操作，提取多名专家中关系特征隐向量，把输出的隐向量再与Step1中的项目信息隐向量合并，并将合并后的矩阵向量输入到多层感知机MLP层，学习得到专家对评审项目的匹配度得分，从而训练出模型。