CN111221971B - 一种基于科技词条的批量任务专家自动遴选方法 - Google Patents

一种基于科技词条的批量任务专家自动遴选方法 Download PDF

Info

Publication number
CN111221971B
CN111221971B CN202010013120.0A CN202010013120A CN111221971B CN 111221971 B CN111221971 B CN 111221971B CN 202010013120 A CN202010013120 A CN 202010013120A CN 111221971 B CN111221971 B CN 111221971B
Authority
CN
China
Prior art keywords
expert
task
selection
technological
scientific
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010013120.0A
Other languages
English (en)
Other versions
CN111221971A (zh
Inventor
汤德佑
霍晨鹏
张平健
刘朝刚
奚建清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010013120.0A priority Critical patent/CN111221971B/zh
Publication of CN111221971A publication Critical patent/CN111221971A/zh
Application granted granted Critical
Publication of CN111221971B publication Critical patent/CN111221971B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于科技词条的批量任务专家自动遴选方法，包括以下步骤：步骤S1、遴选任务重要性计算；步骤S2、筛选专家；步骤S3、基于科技词条建立批量任务专家自动遴选0‑1整数规划模型；步骤S4、使用gurobi求解批量任务专家自动遴选0‑1整数规划模型，得到专家候选集；步骤S5、将步骤S4得到的专家候选集返回给专家遴选系统。本发明基于科技词条的批量任务专家自动遴选算法，每次可针对多个遴选任务，将专家能力值在遴选任务集合上分配最优，实现科技项目与评审专家的精准匹配，提高专家遴选系统的准确性和遴选效率，有效保证科技专家遴选工作的科学性、准确性和公平性，降低相关管理机构遴选专家的工作量。

Description

一种基于科技词条的批量任务专家自动遴选方法
技术领域
本发明涉及信息管理技术领域，特别涉及一种基于科技词条的批量任务专家自动遴选方法。
背景技术
科技专家是项目评审的主体，其在和项目有关的科技领域的能力值直接决定了评审结果的有效性。当前很多遴选系统均可以做到“大同行”，即专业方向基本贴近，但很难做到“小同行”，即评审专家和项目所涉及的具体研究主题难以一致，需要专业人员的参与才能选到最合适的专家。
基于此，发明人在专利一种科技主题的管理方法与系统(申请号CN201711174056.9)中提出了科技词条这一规范化术语。科技词条提供一种比学科、技术领域等分类更为精确，更能真实反映科技工作中理论和技术研究范畴的分类方法和管理模式，由科技人员主导完成词条的管理。在范畴划分中，若科技词条te1研究范畴是由科技词条te2的研究范畴细化而来，称te2强包含te1，记为te2→te1；若科技词条te1的研究范畴与科技词条te2的研究范畴存在交集，或te1的研究范畴在某种程度上也属于te2的研究范畴，称te2弱包含te1，记为
Figure BDA0002357870750000011
包含关系是传递的。
若以科技词条为顶点，词条间的强包含和弱包含关系表示为有向边，则所有科技词条构成有向无环树图。给定科技词条te，所有te传递包含或传递包含te的词条都是te的关联词，反映研究范畴的相关性。如某项研究对应到科技词条树图中是出度为零的顶点，说明该研究范畴是一个划分比较精确的分支。
科技词条之间存在关联，同时，科技词条关联了科研论文、科技人员。给定科技词条te，研究内容包含te的科研论文都是te的关联科研论文，研究范畴包含te的科技人员都是te的关联科技人员。
专利一种表征科技专家成果能力的科技词条抽取方法(申请号CN201810022753.0)中，计算出了专家在科技词条上的贡献系数(专家成果分占科技词条上总成果分的比值)，客观地反映了专家在各种粒度研究范畴上的成果能力。
专利一种基于科技词条的单任务专家自动遴选方法及配套系统(申请号CN201910253367.7)在对专家成果和项目内容分析的基础上，研究一种基于科技词条的单任务专家自动遴选方法实现专家的多种模式遴选，支持甄别大同行和小同行，支持基于专家成果能力综合评价或定域评价，有效保证科技专家遴选工作的科学性、准确性和公正性。
随着各类科技项目的立项、申报等活动日益增多，有时候单任务专家自动遴选方法不能满足一些企业/机构的需求，有可能同一时间，有多个遴选任务需要找同方向的评审专家。本发明基于科技词条模型，分析专家和项目涉及科技词条，提出了一种基于科技词条的批量任务专家自动遴选方法，每次可针对多个遴选任务，将专家能力值在遴选任务集合上分配最优，实现科技项目与评审专家的精准匹配，有效保证科技专家遴选工作的科学性、准确性和公平性，降低相关管理机构遴选专家的工作量。
发明内容
为了解决单任务耗时，且不能适用于在同一时间有多个遴选任务需要找同方向的评审专家的场景，本发明提出了一种基于科技词条的批量任务专家自动遴选方法，方法的实现基于科技词条，科技词条提供一种比学科、技术领域等分类更为精确，更能真实反映科技工作中理论和技术范畴的分类方法和管理模式；
基于科技词条，每次针对多个遴选任务，将专家能力值在遴选任务集合上分配最优。
本发明至少通过如下技术方案之一实现。
一种基于科技词条的批量任务专家自动遴选方法，包括以下步骤：
步骤S1、遴选任务重要性计算；
步骤S2、筛选专家；
步骤S3、基于科技词条建立批量任务专家自动遴选0-1整数规划模型；
步骤S4、使用gurobi求解批量任务专家自动遴选0-1整数规划模型，得到专家候选集；
步骤S5、将步骤S4得到的专家候选集返回给专家遴选系统。
进一步地，步骤S1是根据科技项目级别和经费计算遴选任务重要性，若经费到目前这个评审环节仍未确定，则只考虑项目级别，具体如下：
项目级别分为国家级项目、省级项目、市级项目、其他项目，所对应的项目级别的重要性系数不同，由用户设定，设遴选任务集合为Task，itemi代表第i个遴选任务的科技项目集合，fundij表示第i个遴选任务的第j个科技项目的经费，kij代表第i个遴选任务的第j个科技项目的项目级别的重要性系数，Taski代表第i个遴选任务，Taski∈Task，那么第i个遴选任务Taski的重要性ipti的公式为：
Figure BDA0002357870750000031
其中，ipti代表第i个遴选任务的重要程度。
进一步地，步骤S2是使用遴选条件过滤专家遴选系统中的专家库，挑选出专家库E中满足遴选条件的专家集，遴选条件包括回避专家列表、回避单位列表、专家所在地域限制、专家年龄限制，对于遴选任务Taski满足遴选条件的专家集为ESTaski。
进一步地，步骤S3基于科技词条建立批量任务专家自动遴选0-1整数规划模型，具体包括以下步骤：
步骤S301、遴选任务专家集求并，
Figure BDA0002357870750000032
步骤S302、基于科技词条计算专家和遴选任务匹配度，设第i个遴选任务的第m个科技项目的科技词条向量空间模型为VPim，第j个专家的科技词条向量空间模型为VEj，那么第i个遴选任务和第j个专家的匹配度Zij的公式为：
Figure BDA0002357870750000033
其中，itemi代表第i个遴选任务的科技项目集合；
步骤S303、建立目标函数，让专家能力值在遴选任务集合上分配最优，目标函数为：
Figure BDA0002357870750000034
其中，ipti代表第i个遴选任务的重要程度，由步骤S1得到，yij代表第j个专家是否满足第i个遴选任务的遴选条件，1代表满足，0表示不满足，xij代表第i个遴选任务是否选中了第j个专家，1表示取到，0表示未取到，Zij代表第i个遴选任务与第j个专家的匹配度，ES表示专家集。
步骤S304、约束条件建立，包括以下两个约束条件：
约束条件1、遴选任务专家数限制，其中numi代表第i个遴选任务所需专家数
Figure BDA0002357870750000041
约束条件2、保证每个专家只被选择一次，ES表示专家集:
Figure BDA0002357870750000042
进一步地，步骤S4使用gurobi求解批量任务专家自动遴选0-1整数规划模型，得到专家候选集，包括以下步骤：
步骤S401、使用gurobi求解器对模型求解，得到解x，xij代表第i个遴选任务是否选中了第j个专家，1表示选中，0表示未选中；
步骤S402、根据步骤S401得到的解x，遍历x，如果xij＝1，那么在ES中选择第j个专家加入到第i个遴选任务的专家候选集candidatei中，最终会得到每个遴选任务的专家候选集，对每个遴选任务，按专家与该遴选任务的匹配度对该遴选任务的专家候选集降序排序。
进一步地，步骤S5将步骤S4得到的专家候选集返回给专家遴选系统，以提高专家遴选系统的准确性和效率。
本发明与现有技术相比，具有以下优点和有益效果：
基于科技词条的批量任务专家自动遴选算法，相比单任务专家自动遴选算法，更符合应用场景，每次可针对多个遴选任务，将专家能力值在遴选任务集合上分配最优，实现科技项目与评审专家的精准匹配，有效保证科技专家遴选工作的科学性、准确性和公平性，降低相关管理机构遴选专家的工作量。
附图说明
图1为本实施例一种基于科技词条的批量任务专家自动遴选方法的流程图。
具体实施方式
为了使本发明的目的，技术方案和优点更加清楚，下面将结合附图和具体实施例对本发明作进一步的详细描述。
如图1所示，一种基于科技词条的批量任务专家自动遴选方法，包括以下步骤：
步骤S1、遴选任务重要性计算；
所述遴选任务重要性计算，分为项目级别和经费两部分，若经费到目前这个评审环节仍未确定，则只考虑项目级别，项目级别分为国家级项目、省级项目、市级项目，其他项目，所对应的项目级别系数不同，由用户设定，设遴选任务集合为Task，itemi代表第i个遴选任务的科技项目集合，fundij表示第i个遴选任务的第j个科技项目的经费，kij代表第i个遴选任务的第j个科技项目的项目级别的重要性系数，Taski代表第i个遴选任务，Taski∈Task，那么第i个遴选任务Taski的重要性ipti的公式为：
Figure BDA0002357870750000051
其中，ipti代表第i个遴选任务的重要程度。
举例说明，遴选任务集合中有三个遴选任务Task1,Task2,Task3，其对应的科技项目集合分别为item1＝{(200,省级)，(100,省级)，(20,市级)}，item2＝{(100,省级)，(100,省级)，(50,省级)}，item3＝{(300,国家级)，(100,国家级)，(50,省级)}，经费单位为万，国家级、省级、市级、其他科技项目的项目级别重要性系数分别为1.0、0.8、0.6、0.4，那么遴选任务Task1的重要性ipt1的计算公式为：
Figure BDA0002357870750000052
同理，可得ipt2＝0.224,ipt3＝0.493。
步骤S2、筛选专家。使用遴选条件过滤专家遴选系统中的专家库，挑选出专家库E中满足遴选条件的专家集，遴选条件包括回避专家列表、回避单位列表、专家所在地域限制、专家年龄限制等，对于遴选任务Taski满足遴选条件的专家集为ESTaski。
步骤S3、基于科技词条建立批量任务专家自动遴选0-1整数规划模型；
具体包括以下步骤：
步骤S301、遴选任务专家集求并，
Figure BDA0002357870750000053
步骤S302、基于科技词条计算专家和遴选任务匹配度，设第i个遴选任务的第m个科技项目的科技词条向量空间模型为VPim，第j个专家的科技词条向量空间模型为VEj，那么第i个遴选任务和第j个专家的匹配度Zij的计算公式为：
Figure BDA0002357870750000061
其中，itemi代表第i个遴选任务的科技项目集合；
步骤S303、建立目标函数，让专家能力值在遴选任务集合上分配最优，目标函数为：
Figure BDA0002357870750000062
其中，ipti代表第i个遴选任务的重要程度，由步骤S1得到，yij代表第j个专家是否满足第i个遴选任务的遴选条件，1代表满足，0表示不满足，xij代表第i个遴选任务是否选中了第j个专家，1表示取到，0表示未取到，Zij代表第i个遴选任务与第j个专家的匹配度。
步骤S304、约束条件建立，包括以下两个约束条件：
约束条件1、遴选任务专家数限制，其中numi代表第i个遴选任务所需专家数
Figure BDA0002357870750000063
约束条件2、保证每个专家只被选择一次，ES表示专家集:
Figure BDA0002357870750000064
步骤S4、使用gurobi求解批量任务专家自动遴选0-1整数规划模型，得到专家候选集，包括以下步骤：
步骤S401、使用gurobi求解器对模型求解，得到解x，xij代表第i个遴选任务是否选中了第j个专家，1表示选中，0表示未选中；
步骤S402、根据步骤S401得到的解x，遍历x，如果xij＝1，那么在ES中选择第j个专家加入到第i个遴选任务的专家候选集candidatei中，最终会得到每个遴选任务的专家候选集，对每个遴选任务，按专家与该遴选任务的匹配度对该遴选任务的专家候选集降序排序；
举例说明，对于第2个遴选任务，得到的解中x2,5,x2,8,x2,10,x2,15,x2,30＝1，那么将ES中的第5,8,10,15,30个专家构成第2个遴选任务的专家候选集，与第2个遴选任务的匹配度分别为0.5,0.7,0.9,0.95,0.85，按匹配度对候选专家集进行排序，得到第2个遴选任务的最终专家候选集为candidate2＝{ES15,ES10,ES30,ES8,ES5}，同理可得其他遴选任务的专家候选集。
步骤S5、将步骤S4得到的候选专家集返回给专家遴选系统，以提高专家遴选系统的准确性和效率。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (3)

1.一种基于科技词条的批量任务专家自动遴选方法，其特征在于，包括以下步骤：
步骤S1、遴选任务重要性计算；
步骤S2、筛选专家；
步骤S3、基于科技词条建立批量任务专家自动遴选0-1整数规划模型；
步骤S4、使用gurobi求解批量任务专家自动遴选0-1整数规划模型，得到专家候选集；
步骤S5、将步骤S4得到的专家候选集返回给专家遴选系统；
所述步骤S1是根据科技项目级别和经费计算遴选任务重要性，若经费到目前这个评审环节仍未确定，则只考虑项目级别，具体如下：
项目级别分为国家级项目、省级项目、市级项目、其他项目，所对应的项目级别的重要性系数不同，由用户设定，设遴选任务集合为Task，itemi代表第i个遴选任务的科技项目集合，fundij表示第i个遴选任务的第j个科技项目的经费，kij代表第i个遴选任务的第j个科技项目的项目级别的重要性系数，Taski代表第i个遴选任务，Taski∈Task，第i个遴选任务Taski的重要性ipti的公式为：
Figure FDA0004086757470000011
其中，ipti代表第i个遴选任务的重要程度；
所述步骤S2是使用遴选条件过滤专家遴选系统中的专家库，挑选出专家库E中满足遴选条件的专家集，遴选条件包括回避专家列表、回避单位列表、专家所在地域限制、专家年龄限制，对于遴选任务Taski满足遴选条件的专家集为
Figure FDA0004086757470000012
所述步骤S3基于科技词条建立批量任务专家自动遴选0-1整数规划模型，具体包括以下步骤：
步骤S301、遴选任务专家集求并，
Figure FDA0004086757470000013
步骤S302、基于科技词条计算专家和遴选任务匹配度，设第i个遴选任务的第m个科技项目的科技词条向量空间模型为VPim，第j个专家的科技词条向量空间模型为VEj，那么第i个遴选任务和第j个专家的匹配度Zij的公式为：
Figure FDA0004086757470000021
其中，itemi代表第i个遴选任务的科技项目集合；
步骤S303、建立目标函数，让专家能力值在遴选任务集合上分配最优，目标函数为：
Figure FDA0004086757470000022
其中，ipti代表第i个遴选任务的重要程度，由步骤S1得到，yij代表第j个专家是否满足第i个遴选任务的遴选条件，1代表满足，0表示不满足，xij代表第i个遴选任务是否选中了第j个专家，1表示取到，0表示未取到，Zij代表第i个遴选任务与第j个专家的匹配度；ES表示专家集；
步骤S304、约束条件建立，包括以下两个约束条件：
约束条件1、遴选任务专家数限制，其中numi代表第i个遴选任务所需专家数
Figure FDA0004086757470000023
约束条件2、保证每个专家只被选择一次，ES表示专家集:
Figure FDA0004086757470000024
2.根据权利要求1所述的一种基于科技词条的批量任务专家自动遴选方法，其特征在于，步骤S4使用gurobi求解批量任务专家自动遴选0-1整数规划模型，得到专家候选集，包括以下步骤：
步骤S401、使用gurobi求解器对模型求解，得到解x，xij代表第i个遴选任务是否选中了第j个专家，1表示选中，0表示未选中；
步骤S402、根据步骤S401得到的解x，遍历x，如果xij＝1，那么在ES中选择第j个专家加入到第i个遴选任务的专家候选集candidatei中，最终会得到每个遴选任务的专家候选集，对每个遴选任务，按专家与该遴选任务的匹配度对该遴选任务的专家候选集降序排序。
3.根据权利要求1所述的一种基于科技词条的批量任务专家自动遴选方法，其特征在于，步骤S5将步骤S4得到的专家候选集返回给专家遴选系统，以提高专家遴选系统的准确性和效率。
CN202010013120.0A 2020-01-07 2020-01-07 一种基于科技词条的批量任务专家自动遴选方法 Active CN111221971B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010013120.0A CN111221971B (zh) 2020-01-07 2020-01-07 一种基于科技词条的批量任务专家自动遴选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010013120.0A CN111221971B (zh) 2020-01-07 2020-01-07 一种基于科技词条的批量任务专家自动遴选方法

Publications (2)

Publication Number Publication Date
CN111221971A CN111221971A (zh) 2020-06-02
CN111221971B true CN111221971B (zh) 2023-04-21

Family

ID=70810952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010013120.0A Active CN111221971B (zh) 2020-01-07 2020-01-07 一种基于科技词条的批量任务专家自动遴选方法

Country Status (1)

Country Link
CN (1) CN111221971B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021628A (zh) * 2017-11-22 2018-05-11 华南理工大学 一种科技主题的管理系统
CN109992642A (zh) * 2019-03-29 2019-07-09 华南理工大学 一种基于科技词条的单任务专家自动遴选方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108021628A (zh) * 2017-11-22 2018-05-11 华南理工大学 一种科技主题的管理系统
CN109992642A (zh) * 2019-03-29 2019-07-09 华南理工大学 一种基于科技词条的单任务专家自动遴选方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡斌 ; 徐小良 ; .科技项目评审专家推荐系统模型.电子科技.2012,(07),全文. *

Also Published As

Publication number Publication date
CN111221971A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
Karasakal et al. A multicriteria sorting approach based on data envelopment analysis for R&D project selection problem
Nasab et al. An improvement of quantitative strategic planning matrix using multiple criteria decision making and fuzzy numbers
Lowry Seven models of urban development: a structural comparison
Hsu Using a decision-making process to evaluate efficiency and operating performance for listed semiconductor companies
Yang et al. SMAA-PO: project portfolio optimization problems based on stochastic multicriteria acceptability analysis
Ustinovichius Determination of efficiency of investments in construction
Das et al. A decision making model using soft set and rough set on fuzzy approximation spaces
Piersiala The usage pattern of development method to assess the functioning of special economic zones: the case of Poland
Oukil Selecting material handling equipment through a market weight scheme based DEA cross-efficiency approach
Söderman Industrial location planning: an empirical investigation of company approaches to the problem of locating new plants
CN111221971B (zh) 一种基于科技词条的批量任务专家自动遴选方法
CN116342074B (zh) 一种工程项目咨询专家库人才匹配服务系统
Wang et al. A new method on decision-making using fuzzy linguistic assessment variables and fuzzy preference relations
Nijkamp et al. An informal introduction to multicriteria evaluation
CN115775140A (zh) 一种城市人才规划与人力资源智能调配系统及方法
CN114493027A (zh) 一种基于马尔可夫模型的未来人才需求预测方法及系统
KR101853555B1 (ko) Sw 시장 정보 서비스 시스템
Podvezko et al. Use and choice of preference functions for evaluation of characteristics of socio-economical processes
Forghani et al. Contractor selection based on SWOT analysis with VIKOR and TOPSIS methods in fuzzy environment
Chen et al. A flexible group decision-making method for green supplier selection integrating MABAC and CRITIC method under the linguistic Z-numbers environment
CN114331304A (zh) 一种综合招聘难度模型的构建方法及招聘难度的评估方法
Zamani The position of multiobjective programming methods in fuzzy data envelopment analysis
Shao et al. Research on Financial Software Selection Decisions Based on a Fuzzy Evaluation Model
CN111222925B (zh) 能源到岸价格计算的方法及装置
Afijal et al. Decision Support System Determination for Poor Houses Beneficiary Using Profile Matching Method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant