CN104700190B - 一种用于项目与专业人员匹配的方法和装置 - Google Patents

Abstract

本发明公开了一种用于项目与专业人员匹配的方法和装置，对项目信息进行解析，获取领域词；基于隐性语义标引LSI的向量空间模型生成关于领域词的项目领域矩阵；进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序。本发明的用于项目与专业人员匹配的方法和装置，基于项目、专家的关键词数据分析不同关键词之间的相关度，建立关键词相关度网络，量化项目和专家关联程度，将难以联系的项目和专家进行相关程度量化，并可通过自定义直接联系和间接联系的权重，实现推荐培育专家和评审专家等不同匹配。

Description

一种用于项目与专业人员匹配的方法和装置

技术领域

本发明涉及计算机管理技术领域，尤其涉及一种用于项目与专业人员匹配的方法和装置。

背景技术

项目评审或咨询在科研活动中发挥着不可替代的作用，如何选择合适的专家及有关专业技术人员将直接影响到相关工作的质量，正确选择专家对于保证评审结果的公正、准确、合理是至关重要的。现阶段选择专家一般都是采用计算机简单查询辅助人工选择的方式，计算机辅助程度比较低，只是针对数据库查询，没有提高比较好的智能辅助。目前的匹配方法大多是基于关键字的方法，从数据库中查询相关的关键字进行项目与专家的匹配，但这种方法匹配的准确程度不高。因此需要一种针对科技项目全过程的多指标综合评估方法，能够在项目的不同阶段采用不同的指标综合方法，适应于不同阶段的项目评价需要。

发明内容

有鉴于此，本发明要解决的一个技术问题是提供一种用于项目与专业人员匹配的方法，实现专业人员与项目的匹配。

一种用于项目与专业人员匹配的方法，包括：对项目信息进行解析，获取领域词；基于隐性语义标引LSI的向量空间模型生成关于所述领域词的项目领域矩阵；进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序。

根据本发明的一个实施例，进一步的，根据预设的关键词分词规则对项目信息解析，获取领域词；所述项目信息包括：项目名称、项目说明；遍历项目记录，计算与所述领域词相对应的领域中包含的所有关键词的个数；计算领域的相关度，对专业人员的信息进行归一化计算并设置参数值，所述专业人员的信息包括：专家度、专家等级、专家指数；遍历所述项目领域矩阵，计算领域关键词的条件概率；构建所述项目领域矩阵，所述项目领域矩阵为奇异矩阵，为所述项目领域矩阵的对角线的每项为单个领域中的关键词集合，所述项目领域矩阵的非对角线的每项是分别位于横向和纵向的两个领域同时具有的关键词集合；基于所述项目领域矩阵与所述专业人员的信息进行专业人员与项目的相似度匹配计算。

根据本发明的一个实施例，进一步的，对专业人员设置专业领域及技术领域；所述专业人员与项目的相关度＝领域权重*领域相关度*(专家度参数值+专家等级参数值+专家指数参数值)+(单跳权重*单跳路径值+双跳路径值)；根据所述项目领域矩阵计算所述领域相关度；其中，所述领域相关度＝所述技术领域与项目领域的条件概率＝所述项目领域矩阵中的技术领域与项目领域的交集/(所述项目领域矩阵中的技术领域的集合+所述项目领域矩阵中的项目领域的集合－所述项目领域矩阵中的技术领域与项目领域的交集)；当所述项目领域矩阵中的技术领域的集合和所述项目领域矩阵中的项目领域的集合具有相同的关键词时，单跳＝1，否则单跳等于0；双跳路径值为:在所述项目领域矩阵中，技术领域的集合中的关键词x和项目领域的集合中的关键y存在关键词z，使得E(x,z)≠0，E(y,z)≠0，则双跳路径值+＝双跳权重*Pro(y|x)。

根据本发明的一个实施例，进一步的，设置领域权重为2，单跳权重为1。

本发明要解决的一个技术问题是提供一种用于项目与专业人员匹配的装置，实现专业人员与项目的匹配。

一种用于项目与专业人员匹配的装置，包括：分词单元，用于对项目信息进行解析，获取领域词；矩阵生成单元，用于基于隐性语义标引LSI的向量空间模型生成关于所述领域词的项目领域矩阵；匹配计算单元，用于进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序。

根据本发明的一个实施例，进一步的，所述分词单元根据预设的关键词分词规则对项目信息解析，获取领域词；所述项目信息包括：项目名称、项目说明；所述矩阵生成单元还用于遍历项目记录，计算与所述领域词相对应的领域中包含的所有关键词的个数；计算领域的相关度，对专业人员的信息进行归一化计算并设置参数值，所述专业人员的信息包括：专家度、专家等级、专家指数；遍历所述项目领域矩阵，计算领域关键词的条件概率；构建所述项目领域矩阵，所述项目领域矩阵为奇异矩阵，为所述项目领域矩阵的对角线的每项为单个领域中的关键词集合，所述项目领域矩阵的非对角线的每项是分别位于横向和纵向的两个领域同时具有的关键词集合；所述匹配计算单元基于所述项目领域矩阵与所述专业人员的信息进行专业人员与项目的相似度匹配计算。

根据本发明的一个实施例，进一步的，所述匹配计算单元还用于对专业人员设置专业领域及技术领域；所述专业人员与项目的相关度＝领域权重*领域相关度*(专家度参数值+专家等级参数值+专家指数参数值)+(单跳权重*单跳路径值+双跳路径值)；所述匹配计算单元还用于根据所述项目领域矩阵计算所述领域相关度；其中，所述领域相关度＝所述技术领域与项目领域的条件概率＝所述项目领域矩阵中的技术领域与项目领域的交集/(所述项目领域矩阵中的技术领域的集合+所述项目领域矩阵中的项目领域的集合－所述项目领域矩阵中的技术领域与项目领域的交集)；其中，当所述项目领域矩阵中的技术领域的集合和所述项目领域矩阵中的项目领域的集合具有相同的关键词时，单跳＝1，否则单跳等于0；双跳路径值为:在所述项目领域矩阵中，技术领域的集合中的关键词x和项目领域的集合中的关键y存在关键词z，使得E(x,z)≠0，E(y,z)≠0，则双跳路径值+＝双跳权重*Pro(y|x)。

根据本发明的一个实施例，进一步的，所述匹配计算单元设置领域权重为2，设置单跳权重为1。

本发明的用于项目与专业人员匹配的方法和装置，基于项目、专家的关键词数据分析不同关键词之间的相关度，建立关键词相关度网络，量化项目和专家关联程度，将难以联系的项目和专家进行相关程度量化，并可通过自定义直接联系和间接联系的权重，实现推荐培育专家和评审专家等不同匹配。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明的用于项目与专业人员匹配的方法的一个实施例的流程图；

图2为根据本发明的用于项目与专业人员匹配的方法的一个实施例中获取关键词的示意图；

图3为根据本发明的用于项目与专业人员匹配的方法的一个实施例中项目领域矩阵的示意图；

图4为根据本发明的用于项目与专业人员匹配的装置的一个实施例的示意图。

具体实施方式

下面参照附图对本发明进行更全面的描述，其中说明本发明的示例性实施例。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为根据本发明的用于项目与专业人员匹配的方法的一个实施例的流程图，如图1所示：

步骤101，对项目信息进行解析，获取领域词。

步骤102，基于隐性语义标引LSI的向量空间模型生成关于领域词的项目领域矩阵。

步骤103，进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序。

在一个实施例中，隐性语义标引LSI(Latent Semantic Indexing)首先生成一个标引项-文档矩阵，该矩阵的每个分量为整数值，代表某个特定的标引项出现在某个特定文档中次数。然后将该矩阵进行奇异值分解，较小的奇异值被剔除。结果奇异向量以及奇异值矩阵用于将文档向量和查询向量映射到一个子空间中，在该空间中，来自标引项-文档矩阵的语义关系被保留，同时标引项用法的变异被抑制。

在一个实施例中，根据预设的关键词分词规则对项目信息解析，获取领域词。项目信息包括：项目名称、项目说明等。遍历项目记录，计算与领域词相对应的领域中包含的所有关键词的个数。

计算领域的相关度，对专业人员的信息进行归一化计算并设置参数值，专业人员的信息包括：专家度、专家等级、专家指数；遍历项目领域矩阵，计算领域关键词的条件概率。

构建项目领域矩阵，项目领域矩阵为奇异矩阵，为项目领域矩阵的对角线的每项为单个领域中的关键词集合，项目领域矩阵的非对角线的每项是分别位于横向和纵向的两个领域同时具有的关键词集合；基于项目领域矩阵与专业人员的信息进行专业人员与项目的相似度匹配计算。

对专业人员设置专业领域及技术领域。专业人员与项目的相关度＝领域权重*领域相关度*(专家度参数值+专家等级参数值+专家指数参数值)+(单跳权重*单跳路径值+双跳路径值)；根据项目领域矩阵计算领域相关度。

领域相关度＝技术领域与项目领域的条件概率＝在项目领域矩阵中的技术领域与项目领域的交集/(在项目领域矩阵中的技术领域的集合+在项目领域矩阵中的项目领域的集合－在项目领域矩阵中的技术领域与项目领域的交集)。

当在项目领域矩阵中的技术领域的集合和在项目领域矩阵中的项目领域的集合具有相同的关键词时，单跳＝1，否则单跳等于0；双跳路径值为:在项目领域矩阵中，技术领域的集合中的关键词x和项目领域的集合中的关键y存在关键词z，使得E(x,z)≠0，E(y,z)≠0，则双跳路径值+＝双跳权重*Pro(y|x)。其中，Pro(y|x)表示存在x时y的条件概率，E(x,z)为x和z同时出现的权重值，E(y,z)为y和z同时出现的权重值。

根据本发明的一个实施例，得到所有项目领域，类似项目关键词。对项目领域数据处理，split分词，然后使用set去重，例如，得到领域词16个，如企业信息化、新能源发电、水利发电等，如图2所示。

构建项目领域图，图的节点为项目领域，遍历数据库中项目记录，记录每个领域包含的所有关键词。图2中记录了处理后得到的16个项目领域，生成如图3的16*16的矩阵，对角线是每个领域的关键词数，非对角线是两领域关键词集合个数。如“企业信息化”包含233个关键词，“新能源发电”包含304个关键词。

计算领域相关度，例如，领域A和领域B的相关度＝AB包含关键词交集/AB包含关键词并集。如图3所示，非对角线上元素即为两个领域关键词交集中词的个数，如“企业信息化”包含关键词233个，“新能源发电”包含关键词304个，二者交集个数为59个，并集个数为233+304-59＝478，那么二者相关度＝59/478＝0.1234。

归一化专家社会影响力：归一化专家度＝专家度/最大专家度；归一化专家PageRank(等级)＝专家PageRank/最大专家PageRank；归一化专家H-index(指数)＝专家H-index/最大专家H-index。

专家列表中记录有专家姓名、专家度、介数、专家PageRank、专家H-Index等，取出最大专家度用归一化公式计算归一化专家度。例如，专家：徐志强；归一化专家度：0.5，归一化专家PageRank：0.2，归一化专家H-index：0.4。

构建关键词图，图的节点为关键词，遍历数据库中记录，当关键词x和关键词y同时出现在一条记录中，这两个节点之间权重E(x,y)+＝1,E(y,x)+＝1。

计算条件概率，即记录中如果有关键词x，那么出现关键词y的概率。Pro(y|x)＝E(x,y)/sum(E(x,:))。例如，如图3所示，关键词“750kV”和关键词“1100kV”，(750kV对应第37行，1100kV对应第二列)，那么E(x,y)＝2，sum(E(x,:))＝第37行的和＝46，那么Pro(y|x)＝2/46＝0.0435

计算每一个专家和项目计算相关度，公式为：项目和专家之间相关度＝领域相关度值+关键词相关度＝领域权重*领域相关度*(归一化专家度+归一化专家PageRank+归一化专家H-index)+(单跳权重*单跳+双跳)。其中，当专家和项目有一个关键词相同，则单跳＝1，否则单跳＝0。双跳路径为:专家有关键词x，项目有关键词y，存在关键词z使得E(x,z)≠0，E(y,z)≠0，则双跳+＝双跳权重*Pro(y|x)。

例如：有如下的项目，名称为：广域智能保护系统研究。关键词为：保护、广域、智能、研究、系统。领域为：电力系统及其自动化。有如下的专家，专家：徐志强；归一化专家度：0.5，归一化专家PageRank：0.2，归一化专家H-index：0.4；关键词为：保护、机组、电站；领域为：水力发电。领域权重和单跳权重为自己赋值，令领域权重＝2，单跳权重＝1。

领域相关度值：查图3可得“电力系统及其自动化”和“水力发电”关键词交集18个，“电力系统及其自动化”关键词757个，“水力发电”关键词20个，则“电力系统及其自动化”和“水力发电”相关度＝18/(20+757-18)＝0.0237。那么，领域相关度＝2*0.0237*(0.5+0.2+0.4)＝0.0522。

关键词相关度:单跳路径：由于专家和项目都有相同的关键词“保护”，存在单跳路径，单跳＝1。双跳路径：专家关键词“机组”、“电站”分别对项目各个关键词计算相关度，假设,Pro(“智能”|“机组”)＝0.01，Pro(“智能”|“电站”)＝0.03，其他关键词之间权重均为0，那么，关键词相关度＝单跳权重*单跳+双跳＝1*1+0.01+0.03＝1.04。则有，项目和专家之间相关度＝领域相关度+关键词相关度＝0.0522+1.04＝1.0922。

在一个实施例中，本发明的用于项目与专业人员匹配的方法，首次提出了针对科技项目全过程的多指标综合评估方法，在项目的不同阶段采用不同的指标综合方法，适应于不同阶段的项目评价需要。通过分析专家的合作项目和合作科研等多种合作关系构建的社交网络，来确定专家专业能力和评审信用，将大大提高评审的公平性和客观性。提出了项目与专家的优化匹配技术，所有项目都能得到最适合的专家评审，相比于当前手工分配项目评审实现智能专家分配。

在一个实施例中，本发明的用于项目与专业人员匹配的方法，项目基于MDS最优距离度量+高维空间拓扑映射，对专家能力项目和项目进行量化分析，再根据多维数据相适度计算模型+匹配排序的方式，在专家库中进行专家与项目的相似度匹配，计算出每位专家对项目库中所有项目的匹配评分，以此实现专家库中专家与项目的匹配排序；同时在项目库中进行项目与专家相似度匹配计算，实现项目库中项目与专家的匹配排序。最后通过二分图优化分配+多目标优化算法结合的方式，得到多项目多专家的优化分配结果。

如图4所示，本发明提供一种用于项目与专业人员匹配的装置41，包括：分词单元411、矩阵生成单元412和匹配计算单元413。分词单元411对项目信息进行解析，获取领域词。矩阵生成单元412基于隐性语义标引LSI的向量空间模型生成关于领域词的项目领域矩阵。匹配计算单元413进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序。

在一个实施例中，分词单元411根据预设的关键词分词规则对项目信息解析，获取领域词。项目信息包括：项目名称、项目说明；矩阵生成单元412遍历项目记录，计算与领域词相对应的领域中包含的所有关键词的个数；计算领域的相关度，对专业人员的信息进行归一化计算并设置参数值，专业人员的信息包括：专家度、专家等级、专家指数；遍历项目领域矩阵，计算领域关键词的条件概率；构建项目领域矩阵，项目领域矩阵为奇异矩阵，为项目领域矩阵的对角线的每项为单个领域中的关键词集合，项目领域矩阵的非对角线的每项是分别位于横向和纵向的两个领域同时具有的关键词集合；匹配计算单元413基于项目领域矩阵与专业人员的信息进行专业人员与项目的相似度匹配计算。

在一个实施例中，匹配计算单元413对专业人员设置专业领域及技术领域；专业人员与项目的相关度＝领域权重*领域相关度*(专家度参数值+专家等级参数值+专家指数参数值)+(单跳权重*单跳路径值+双跳路径值)；匹配计算单元还用于根据项目领域矩阵计算领域相关度。

领域相关度＝技术领域与项目领域的条件概率＝在项目领域矩阵中的技术领域与项目领域的交集/(在项目领域矩阵中的技术领域的集合+在项目领域矩阵中的项目领域的集合－在项目领域矩阵中的技术领域与项目领域的交集)；其中，当在项目领域矩阵中的技术领域的集合和在项目领域矩阵中的项目领域的集合具有相同的关键词时，单跳＝1，否则单跳等于0；双跳路径值为:在项目领域矩阵中，技术领域的集合中的关键词x和项目领域的集合中的关键y存在关键词z，使得E(x,z)≠0，E(y,z)≠0，则双跳路径值+＝双跳权重*Pro(y|x)。

本发明的用于项目与专业人员匹配的方法和装置，基于项目、专家的关键词数据，分析不同关键词之间的相关度，建立关键词相关度网络，量化项目和专家关联程度，使用条件概率反映关键词的联系程度，并将难以联系的项目和专家进行相关程度量化。可通过自定义直接联系和间接联系的权重，实现推荐培育专家和评审专家等不同匹配。

本发明的用于项目与专业人员匹配的方法和装置，主要针对大量科技项目的题目、摘要、关键词、参与人员等内容分析其所属类别和多维属性，从统计分析、机器学习等方面入手，研究设计合理的数学模型来刻画科研活动和科技成果培育的特征和规律，对基于复杂网络构建的专家知识库中的信息进行再处理，分析专家信息与项目信息的关联度，进而建立准确的专家-项目关联集合。

可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (6)

1.一种用于项目与专业人员匹配的方法，其特征在于，包括：

对项目信息进行解析，获取领域词；

基于隐性语义标引LSI的向量空间模型生成关于所述领域词的项目领域矩阵；

其中，遍历项目记录，计算与所述领域词相对应的领域中包含的所有关键词的个数；计算领域的相关度，对专业人员的信息进行归一化计算并设置参数值，所述专业人员的信息包括：专家度、专家等级、专家指数；遍历所述项目领域矩阵，计算领域的条件概率；构建所述项目领域矩阵，所述项目领域矩阵为奇异矩阵，为所述项目领域矩阵的对角线的每项为单个领域中的关键词集合，所述项目领域矩阵的非对角线的每项是分别位于横向和纵向的两个领域同时具有的关键词集合；

进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序；

其中，对专业人员设置技术领域；所述专业人员与项目的相关度＝领域权重*领域相关度*(专家度参数值+专家等级参数值+专家指数参数值)+(单跳权重*单跳路径值+双跳路径值)；根据所述项目领域矩阵计算所述领域相关度，其中，所述领域相关度＝所述技术领域与项目领域的条件概率＝所述项目领域矩阵中的技术领域与项目领域的交集/(所述项目领域矩阵中的技术领域的集合+所述项目领域矩阵中的项目领域的集合－所述项目领域矩阵中的技术领域与项目领域的交集)；

当所述项目领域矩阵中的技术领域的集合和所述项目领域矩阵中的项目领域的集合具有相同的关键词时，单跳＝1，否则单跳等于0；双跳路径值为:在所述项目领域矩阵中，技术领域的集合中的关键词x和项目领域的集合中的关键y存在关键词z，使得E(x,z)≠0，E(y,z)≠0，则双跳路径值+＝双跳权重*Pro(y|x)。

2.如权利要求1所述的方法，其特征在于：

根据预设的关键词分词规则对项目信息解析，获取领域词；所述项目信息包括：项目名称、项目说明。

3.如权利要求2所述的方法，其特征在于：

设置领域权重为2，单跳权重为1。

4.一种用于项目与专业人员匹配的装置，其特征在于，包括：

分词单元，用于对项目信息进行解析，获取领域词；

矩阵生成单元，用于基于隐性语义标引LSI的向量空间模型生成关于所述领域词的项目领域矩阵；

其中，所述矩阵生成单元还用于遍历项目记录，计算与所述领域词相对应的领域中包含的所有关键词的个数；计算领域的相关度，对专业人员的信息进行归一化计算并设置参数值，所述专业人员的信息包括：专家度、专家等级、专家指数；遍历所述项目领域矩阵，计算领域关键词的条件概率；构建所述项目领域矩阵，所述项目领域矩阵为奇异矩阵，为所述项目领域矩阵的对角线的每项为单个领域中的关键词集合，所述项目领域矩阵的非对角线的每项是分别位于横向和纵向的两个领域同时具有的关键词集合；

匹配计算单元，用于进行专业人员与项目的相似度匹配计算，并根据匹配计算的结果生成与项目对应的专业人员排序；

其中，所述匹配计算单元还用于对专业人员设置技术领域；所述专业人员与项目的相关度＝领域权重*领域相关度*(专家度参数值+专家等级参数值+专家指数参数值)+(单跳权重*单跳路径值+双跳路径值)；

所述匹配计算单元还用于根据所述项目领域矩阵计算所述领域相关度；其中，所述领域相关度＝所述技术领域与项目领域的条件概率＝所述项目领域矩阵中的技术领域与项目领域的交集/(所述项目领域矩阵中的技术领域的集合+所述项目领域矩阵中的项目领域的集合－所述项目领域矩阵中的技术领域与项目领域的交集)；其中，当所述项目领域矩阵中的技术领域的集合和在所述项目领域矩阵中的项目领域的集合具有相同的关键词时，单跳＝1，否则单跳等于0；双跳路径值为:在所述项目领域矩阵中，技术领域的集合中的关键词x和项目领域的集合中的关键y存在关键词z，使得E(x,z)≠0，E(y,z)≠0，则双跳路径值+＝双跳权重*Pro(y|x)。

5.如权利要求4所述的装置，其特征在于：

所述分词单元根据预设的关键词分词规则对项目信息解析，获取领域词；所述项目信息包括：项目名称、项目说明。

6.如权利要求4所述的装置，其特征在于：

所述匹配计算单元设置领域权重为2，设置单跳权重为1。