面向智能任务的专家遴选与推荐研究

目录 前言 第1章 绪论 1 1.1 研究背景 1 1.1.1 发展历程 1 1.1.2 需要专家推荐的任务 2 1.2 面临的挑战 4 1.3 问题定义 4 1.4 专家推荐的两种模式 6 1.5 本书的研究内容及组织结构 7 1.5.1 研究内容 7 1.5.2 组织结构 9 第2章 相关研究的发展及应用 12 2.1 经典信息检索模型在专家发现方面的应用 12 2.2 语言模型在专家发现上的应用 13 2.3 主题模型在专家发现方面的应用 15 2.3.1 主题模型简介 15 2.3.2 LDA简介 16 2.3.3 主题模型的变体 17 2.4 网络模型在专家发现上的应用 19 2.5 多特征结合在专家发现上的应用 20 2.6 评审过程中的利益冲突 22 2.7 学术论文引用影响因素及预测分析 23 2.7.1 学术论文引用影响因素研究 23 2.7.2 学术论文引用预测相关研究 27 2.8 本章小结 28 第3章 技术框架 31 3.1 数据来源及数据预处理 31 3.1.1 数据来源 31 3.1.2 数据预处理 32 3.2 技术路线 33 第4章 基于AT模型的多学科知识结构分析 41 4.1 主题提取 42 4.1.1 实验参数的设定 42 4.1.2 实验过程 42 4.2 基于主题同被引的知识聚合分析 44 4.2.1 主题同被引定义 44 4.2.2 主题同被引计量分析 45 4.2.3 主题同被引的聚类分析 46 4.2.4 主题同被引的潜在关联主题分析 48 4.3 基于主题相似度的知识聚合分析 50 4.3.1 主题相似度的计算 50 4.3.2 相似度矩阵的阈值选择 51 4.3.3 相似度矩阵的网络属性分析 52 4.3.4 相似度矩阵的可视化分析 56 4.4 本章小结 57 第5章 学术论文引用预测及影响因素分析 58 5.1 技术路线 59 5.2 影响因素选择 61 5.2.1 与论文引用预测相关的因素分析 61 5.2.2 影响因素抽取数据准备 68 5.2.3 影响因素抽取 76 5.3 预测与影响因素作用强度分析 80 5.3.1 论文引用预测 80 5.3.2 论文引用预测结果 87 5.3.3 影响因素作用强度排序 91 5.3.4 影响因素作用强度排序结果 92 5.4 本章小结 95 第6章 面向主题覆盖度与权威度的评审专家推荐模型研究 96 6.1 框架描述 96 6.2 主题建模与特征提取 97 6.2.1 专家知识提取与待评审论文主题建模 97 6.2.2 专家特征提取 98 6.2.3 结合相关性与权威度的评审专家推荐方法 100 6.3 实验设计与分析 100 6.3.1 实验设计及评价标准 100 6.3.2 实验分析 102 6.4 本章小结 105 第7章 融合权威度和兴趣趋势因素的评审专家推荐 106 7.1 研究框架 106 7.2 评审专家推荐模型 107 7.2.1 主题抽取 107 7.2.2 待评审论文与候选专家的相关性建模 107 7.2.3 专家权威度建模 108 7.2.4 专家兴趣趋势建模 109 7.2.5 评审专家推荐模型 112 7.3 实验设计与分析 112 7.3.1 对比模型 113 7.3.2 实验过程及评价标准 113 7.3.3 实验结果及分析 114 7.4 本章小结 117 第8章 基于AST模型的专家兴趣建模 118 8.1 AST模型 118 8.1.1 AST模型基本思想 118 8.1.2 产生式概率模型 119 8.1.3 AST模型参数估计 121 8.2 实验和讨论 123 8.2.1 数据集特点 123 8.2.2 模型评测 125 8.2.3 挖掘主题展示 126 8.2.4 AST模型的应用 128 8.3 本章小结 130 第9章 基于学术网络上的评审专家分配：以利益冲突为角度 131 9.1 研究框架 131 9.2 问题建模 133 9.3 一种考虑利益冲突的专家推荐优化模型 135 9.3.1 抽取学术网络 135 9.3.2 利益冲突程度估计及主题匹配程度计算 137 9.3.3 基于*小花费*大流的评审专家分配 140 9.4 实验和讨论 141 9.4.1 实验数据采集 142 9.4.2 实验过程 143 9.4.3 评估指标和比较方法 145 9.4.4 参数设置实验 146 9.4.5 对比实验 148 9.5 本章小结 152 第10章 融合主题重要性的评审组长及评审组员推荐模型 153 10.1 专家组推荐 153 10.2 考虑学科背景下主题重要性的专家推荐优化模型 154 10.2.1 整体思路 154 10.2.2 主题提取及主题重要度建模 155 10.2.3 资历相对较高的评审专家推荐 156 10.2.4 评审组员推荐问题求解的优化模型 157 10.3 实验设计与分析 158 10.3.1 数据集 158 10.3.2 实验结果 158 10.3.3 检验及评价 159 10.4 本章小结 163 第11章 结论与展望 164 11.1 当前工作的贡献 164 11.2 工程实践中的注意事项 166 11.3 当前专家推荐工作的局限性和未来展望 167 参考文献 168 附录1 EM算法的核心代码 183 附录2 AST部分的核心代码 186