[发明专利]一种面向企业需求的专家推荐方法、装置、介质及设备

权利要求书

1.一种面向企业需求的专家推荐方法，其特征在于，包括：

收集专家论文数据和企业需求数据；

对收集到的所述专家论文数据和所述企业需求数据进行预处理，得到专家信息和需求信息；

对预处理后的所述专家信息和所述需求信息进行关键词提取得到专家特征信息和需求特征信息；

根据关键词提取后的所述专家特征信息和所述需求特征信息构建特征向量模型；

根据所述特征向量模型中的特征向量进行相似度计算分析得到专家推荐结果。

2.根据权利要求1所述的方法，其特征在于，所述收集专家论文数据和企业需求数据具体包括：

根据论文数据库收集专家论文的题目、摘要和/或关键词数据以及选择在线互联网网站收集企业需求的标题、关键词和/或需求详情数据。

3.根据权利要求1所述的方法，其特征在于，所述对收集到的所述专家论文数据和所述企业需求数据进行预处理具体包括：

采用LTP模型对所述专家论文数据和所述企业需求数据分别进行分词得到专家分词数据和企业分词数据；

在分词后的所述专家分词数据和所述企业分词数据中去除停用词；

对去除停用词后的数据中的重复信息进行合并处理分别得到专家信息和需求信息。

4.根据权利要求1所述的方法，其特征在于，所述对预处理后的所述专家信息和所述需求信息进行关键词提取具体包括：

采用LDA模型分别对所述专家信息和所述需求信息进行关键词抽取，获取每条专家信息和每条需求信息的关键词列表以作为所述专家特征信息和所述需求特征信息。

5.根据权利要求1所述的方法，其特征在于，所述根据关键词提取后的所述专家特征信息和所述需求特征信息构建特征向量模型具体包括：

对所述专家特征信息和所述需求特征信息利用TF-IDF算法进行特征提取得到信息主题词；

对所述信息主题词进行特征选择并基于选择后的特征主题词构建特征向量以及特征向量模型。

6.根据权利要求1所述的方法，其特征在于，所述根据所述特征向量模型中的特征向量进行相似度计算分析得到专家推荐结果具体包括：

根据所述特征向量模型中的特征向量在余弦相似度分析的基础上结合文本相同特征词数量占文本特征向量总长度的比例这一计算因子计算分析得到专家推荐结果；

其中，所述相似度分析采用如下公式计算得到：

其中，c为比例调节系数，N(D,E)表示需求信息D与专家信息E中相同特征词的数量，Min(D,E)表示需求信息D特征总数和专家信息E特征总数中较少者，sim(D,E)表示需求信息D和专家信息E的余弦相似度。

7.一种面向企业需求的专家推荐装置，其特征在于，包括：

数据收集模块，用于收集专家论文数据和企业需求数据；

预处理模块，用于对收集到的所述专家论文数据和所述企业需求数据进行预处理，得到专家信息和需求信息；

关键词提取模块，用于对预处理后的所述专家信息和所述需求信息进行关键词提取得到专家特征信息和需求特征信息；

向量模型构建模块，用于根据关键词提取后的所述专家特征信息和所述需求特征信息构建特征向量模型；

相似度分析模块，用于根据所述特征向量模型中的特征向量进行相似度计算分析得到专家推荐结果。

8.根据权利要求7所述的装置，其特征在于，所述收集专家论文数据和企业需求数据具体包括：

根据论文数据库收集专家论文的题目、摘要和/或关键词数据以及选择在线互联网网站收集企业需求的标题、关键词和/或需求详情数据。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～6任一项中所述的面向企业需求的专家推荐方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序指令，其特征在于，所述程序指令被处理器执行时用于实现权利要求1～6任一项中所述的面向企业需求的专家推荐方法对应的步骤。