面向智能任務(wù)的專家遴選與推薦研究

目錄
前言
第1章 緒論 1
1.1 研究背景 1
1.1.1 發(fā)展歷程 1
1.1.2 需要專家推薦的任務(wù) 2
1.2 面臨的挑戰(zhàn) 4
1.3 問題定義 4
1.4 專家推薦的兩種模式 6
1.5 本書的研究內(nèi)容及組織結(jié)構(gòu) 7
1.5.1 研究內(nèi)容 7
1.5.2 組織結(jié)構(gòu) 9
第2章 相關(guān)研究的發(fā)展及應(yīng)用 12
2.1 經(jīng)典信息檢索模型在專家發(fā)現(xiàn)方面的應(yīng)用 12
2.2 語言模型在專家發(fā)現(xiàn)上的應(yīng)用 13
2.3 主題模型在專家發(fā)現(xiàn)方面的應(yīng)用 15
2.3.1 主題模型簡介 15
2.3.2 LDA簡介 16
2.3.3 主題模型的變體 17
2.4 網(wǎng)絡(luò)模型在專家發(fā)現(xiàn)上的應(yīng)用 19
2.5 多特征結(jié)合在專家發(fā)現(xiàn)上的應(yīng)用 20
2.6 評審過程中的利益沖突 22
2.7 學(xué)術(shù)論文引用影響因素及預(yù)測分析 23
2.7.1 學(xué)術(shù)論文引用影響因素研究 23
2.7.2 學(xué)術(shù)論文引用預(yù)測相關(guān)研究 27
2.8 本章小結(jié) 28
第3章 技術(shù)框架 31
3.1 數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理 31
3.1.1 數(shù)據(jù)來源 31
3.1.2 數(shù)據(jù)預(yù)處理 32
3.2 技術(shù)路線 33
第4章 基于AT模型的多學(xué)科知識結(jié)構(gòu)分析 41
4.1 主題提取 42
4.1.1 實驗參數(shù)的設(shè)定 42
4.1.2 實驗過程 42
4.2 基于主題同被引的知識聚合分析 44
4.2.1 主題同被引定義 44
4.2.2 主題同被引計量分析 45
4.2.3 主題同被引的聚類分析 46
4.2.4 主題同被引的潛在關(guān)聯(lián)主題分析 48
4.3 基于主題相似度的知識聚合分析 50
4.3.1 主題相似度的計算 50
4.3.2 相似度矩陣的閾值選擇 51
4.3.3 相似度矩陣的網(wǎng)絡(luò)屬性分析 52
4.3.4 相似度矩陣的可視化分析 56
4.4 本章小結(jié) 57
第5章 學(xué)術(shù)論文引用預(yù)測及影響因素分析 58
5.1 技術(shù)路線 59
5.2 影響因素選擇 61
5.2.1 與論文引用預(yù)測相關(guān)的因素分析 61
5.2.2 影響因素抽取數(shù)據(jù)準(zhǔn)備 68
5.2.3 影響因素抽取 76
5.3 預(yù)測與影響因素作用強(qiáng)度分析 80
5.3.1 論文引用預(yù)測 80
5.3.2 論文引用預(yù)測結(jié)果 87
5.3.3 影響因素作用強(qiáng)度排序 91
5.3.4 影響因素作用強(qiáng)度排序結(jié)果 92
5.4 本章小結(jié) 95
第6章 面向主題覆蓋度與權(quán)威度的評審專家推薦模型研究 96
6.1 框架描述 96
6.2 主題建模與特征提取 97
6.2.1 專家知識提取與待評審論文主題建模 97
6.2.2 專家特征提取 98
6.2.3 結(jié)合相關(guān)性與權(quán)威度的評審專家推薦方法 100
6.3 實驗設(shè)計與分析 100
6.3.1 實驗設(shè)計及評價標(biāo)準(zhǔn) 100
6.3.2 實驗分析 102
6.4 本章小結(jié) 105
第7章 融合權(quán)威度和興趣趨勢因素的評審專家推薦 106
7.1 研究框架 106
7.2 評審專家推薦模型 107
7.2.1 主題抽取 107
7.2.2 待評審論文與候選專家的相關(guān)性建模 107
7.2.3 專家權(quán)威度建模 108
7.2.4 專家興趣趨勢建模 109
7.2.5 評審專家推薦模型 112
7.3 實驗設(shè)計與分析 112
7.3.1 對比模型 113
7.3.2 實驗過程及評價標(biāo)準(zhǔn) 113
7.3.3 實驗結(jié)果及分析 114
7.4 本章小結(jié) 117
第8章 基于AST模型的專家興趣建模 118
8.1 AST模型 118
8.1.1 AST模型基本思想 118
8.1.2 產(chǎn)生式概率模型 119
8.1.3 AST模型參數(shù)估計 121
8.2 實驗和討論 123
8.2.1 數(shù)據(jù)集特點(diǎn) 123
8.2.2 模型評測 125
8.2.3 挖掘主題展示 126
8.2.4 AST模型的應(yīng)用 128
8.3 本章小結(jié) 130
第9章 基于學(xué)術(shù)網(wǎng)絡(luò)上的評審專家分配：以利益沖突為角度 131
9.1 研究框架 131
9.2 問題建模 133
9.3 一種考慮利益沖突的專家推薦優(yōu)化模型 135
9.3.1 抽取學(xué)術(shù)網(wǎng)絡(luò) 135
9.3.2 利益沖突程度估計及主題匹配程度計算 137
9.3.3 基于最小花費(fèi)最大流的評審專家分配 140
9.4 實驗和討論 141
9.4.1 實驗數(shù)據(jù)采集 142
9.4.2 實驗過程 143
9.4.3 評估指標(biāo)和比較方法 145
9.4.4 參數(shù)設(shè)置實驗 146
9.4.5 對比實驗 148
9.5 本章小結(jié) 152
第10章 融合主題重要性的評審組長及評審組員推薦模型 153
10.1 專家組推薦 153
10.2 考慮學(xué)科背景下主題重要性的專家推薦優(yōu)化模型 154
10.2.1 整體思路 154
10.2.2 主題提取及主題重要度建模 155
10.2.3 資歷相對較高的評審專家推薦 156
10.2.4 評審組員推薦問題求解的優(yōu)化模型 157
10.3 實驗設(shè)計與分析 158
10.3.1 數(shù)據(jù)集 158
10.3.2 實驗結(jié)果 158
10.3.3 檢驗及評價 159
10.4 本章小結(jié) 163
第11章 結(jié)論與展望 164
11.1 當(dāng)前工作的貢獻(xiàn) 164
11.2 工程實踐中的注意事項 166
11.3 當(dāng)前專家推薦工作的局限性和未來展望 167
參考文獻(xiàn) 168
附錄1 EM算法的核心代碼 183
附錄2 AST部分的核心代碼 186