[发明专利]一种基于多数据源的专家推荐方法及系统

说明书

本发明实施例提供一种基于多数据源的专家推荐方法及系统，该方法包括：获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。本发明实施例通过对来自多数据源的专家数据添加score字段，并根据score字段对应的数值对专家数据进行排序，使得基于多数据源的专家数据排序更为合理，提高了专家数据排序的准确性，以使得后续的专家推荐结果更为全面。

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于多数据源的专家推荐方法及系统。

背景技术

专家推荐是在学术搜索中非常重要的功能，可应用于不同情境下，例如，企业专家对接、学术评审或学术交流等，因此，专家推荐需要具有高效、准确的专家推荐算法，从而构建稳定和可靠的专家推荐系统。目前，基于单数据源的专家推荐受到单数据源的局限性，导致专家推荐效果与数据源的质量紧密相关，当数据源不完整时，专家推荐效果较差，另外，单数据源的专家推荐，经常会面临数据覆盖度不大，完整性不高的问题，导致搜索不到特定的专家信息。

现有的专家推荐多采用多数据源的专家推荐，通过整合多源数据库的内容，避免单源数据查找出现的数据覆盖面不大与专家推荐效果较差的问题。然而，现有基于多数据源的专家推荐也面临很多问题，在不能直接对多数据库进行合并的前提条件下，需要针对不同数据源的专家数据进行多源排序，而现有多数据源的专家推荐系统中存在专家数据排序不合理，排序准确率较低等问题。

因此，现在亟需一种基于多数据源的专家推荐方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于多数据源的专家推荐方法及系统。

第一方面，本发明实施例提供了一种基于多数据源的专家推荐方法，包括：

获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；

对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。

进一步地，所述专家数据还包括：论文信息、专利信息、合作者信息和项目信息。

进一步地，所述对每个专家数据添加score字段，包括：

判断专家数据中是否存在h-index，若存在，则获取专家数据的h-index；

将h-index作为score，为对应的专家数据添加score字段。

进一步地，所述判断专家数据中是否存在h-index，还包括：

若专家数据中不存在h-index，则判断专家数据中是否存在论文信息，若存在，则根据论文信息对应的论文引用次数，对论文进行排序，并根据论文排序结果，计算专家数据对应的score字段。

进一步地，所述根据论文信息对应的论文引用次数，对论文进行排序，并根据论文排序结果，计算专家数据对应的score字段，包括：

根据论文引用次数，从高到低对专家数据中的论文进行排序，并按1至N的序号为每个论文按标记序号，N表示正整数；

若标记序号n大于对应论文的被引用次数，则将n-1作为专家数据的score字段，n∈N。

进一步地，在所述对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序之前，所述方法还包括：

获取存在专家姓名字段和专家所属机构字段相同的多个专家数据，并获取多个专家数据论文信息中最高引用次数对应的论文；