[发明专利]多项目卷积神经网络评审专家推荐方法

说明书

本发明涉及多项目卷积神经网络评审专家推荐方法，属于数据处理技术领域。本发明分别对项目信息数据之间及专家项目信息数据之间存在的多种关联关系进行分析，把多个项目信息数据内容和与项目相关的多名专家信息数据内容表示成向量，并通过无向图模型构造项目信息数据之间与专家信息数据之间的关联关系并分别与其内容向量连接成矩阵。然后采用卷积神经网络，建立融合项目信息数据关联关系和专家信息数据关联关系的评审专家推荐模型，该模型可学习项目信息数据之间与专家信息数据之间的得分关系，从而用于评审专家推荐，该推荐方法取得了较好的效果。

技术领域

本发明涉及多项目卷积神经网络评审专家推荐方法，属于数据处理技术领域。

背景技术

近年来，我国科技项目的申报、立项等活动日益增多，我国各级科技项目和科技人才管理也陆续实现了信息化系统，而专家在评审工作中一直发挥着关键的作用。为了保证项目评审工作的客观性、公平性以及公正性，评审专家的遴选工作显得尤为重要。专家推荐是基于丰富的专家库信息，利用数据挖掘、机器学习等技术找到与待推荐任务相匹配的专家。从待推荐任务上看，专家推荐可以看作是基于内容过滤的个性化推荐中的一种特殊形式。在电子商务领域，推荐算法和技术的研究比较多，这为专家推荐提供了充分的理论基础。目前，在推荐方法研究当中，主要提出了以下几种方法，1.基于内容的方法；2.基于协同过滤的方法；3.基于深度学习的方法。

如何在大量的科技项目申报、立项等活动中公平公正地自动遴选符合要求的评审专家，一直都是项目评审工作的关键，如给出多个项目评审工作，就能够直接遴选这些项目评审工作的评审专家，有着非常重要的应用前景。在针对多项目评审的专家推荐问题上，不仅是评审项目内容和专家匹配的紧密性，专家之间存在的各种各样的社会关系也同样会影响最终评审专家人选的确定，而这同时也是以往的方法中考虑较少的因素。因此，利用多个待评审项目的内容、多个专家的内容以及专家之间的关联关系，通过人工智能技术，如何针对多个项目自动推荐评审专家成为任务的难点和关键技术之一。

发明内容

本发明提供了多项目卷积神经网络评审专家推荐方法，该方法把多个项目数据内容和与项目相关的多名专家数据内容表示成向量，并通过无向图模型构造项目信息数据之间与专家信息数据之间的关联关系并分别与其内容向量连接成矩阵；然后采用卷积神经网络，建立融合项目信息数据关联关系和专家信息数据关联关系的评审专家推荐模型，来应用于评审专家推荐。

本发明的技术方案是：多项目卷积神经网络评审专家推荐方法，所述方法的具体步骤如下：

Step1、数据收集及向量化表示：收集项目和专家信息数据，将项目内容信息和专家内容信息用向量表示；

作为本发明的优选方案，所述步骤Step1中，收集得到项目和专家结构化的内容数据，通过one-hot编码将项目内容信息和专家内容信息表征成为计算机可识别和处理的向量表示，并通过Embedding层将向量表示映射成为密集的隐向量表示。

Step2、项目信息数据关系及专家信息数据关系构建：提取项目信息数据之间和专家信息数据之间存在的关联关系并构建其关联关系矩阵；

作为本发明的优选方案，所述步骤Step2使用Markov网络的无向边来表征推荐过程中项目信息数据之间和专家信息数据之间的相关性，通过其相关性构建Markov网络，得到项目信息数据之间和专家信息数据之间的关联关系矩阵。

Step3、融合关联关系矩阵：在步骤Step1、Step2的基础上，将项目信息数据矩阵和专家信息数据矩阵分别与其关联关系矩阵连接；

作为本发明的优选方案，所述步骤Step3将步骤Step1得到的隐向量分别垂直连接成项目信息数据矩阵和专家信息数据矩阵，然后将得到的项目信息数据矩阵、专家信息数据矩阵分别与步骤Step2得到的项目信息数据关联关系矩阵、专家信息数据关联关系矩阵水平连接为融合了项目信息数据关联关系的项目矩阵和融合了专家信息数据关联关系的专家矩阵。