[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

说明书

本公开涉及计算机网络信息技术领域，本公开提供了一种面向企业需求的专家推荐方法、装置、介质及设备，所述方法包括：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；根据关键词提取后的所述专家信息和所述需求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。本公开采用主题模型对专家信息和企业需求进行特征提取，基于特征关键词分别构建专家领域特征向量和企业需求特征向量，基于两者的相似度为企业推荐相关领域专家，从而有效避免了机械检索的语义漂移问题。

技术领域

本公开涉及计算机网络信息技术领域，更为具体来说，本公开涉及一种面向企业需求的专家推荐方法、装置、介质及设备。

背景技术

随着大数据、云计算、物联网等技术的快速突破，全球新一轮科技革命和产业变革蓄势待发，我国提出要实施创新驱动发展战略，加快传统产业转型，建立以企业为主体、以市场为导向、产学研结合的创新体系，让企业成为技术创新主体。

领域顶尖人才是企业创新的保证，但目前很多企业在遇到领域技术难题时会面临内部人才储备不足，亟需求助外部专家。高校作为我国科研的主阵地，拥有大量极具科技创新力的人才，能够为企业解决技术难题提供充足的专家资源。目前部分企业会利用关系网，通过权威推荐获取领域人才；或者根据领域关键词检索科研成果，再根据其作者信息获取相关专家。前者过度依赖社会资源，仅适用于某些知名企业，对于中小企业来说局限性较大。而后者存在机械匹配字词、缺乏特征的缺点，导致查重率与查全率均偏低。这也造成了企业无法及时、准确发掘本领域专家，导致知识与产业之间难以精准对接。

发明内容

为解决现有技术不能满足用户对于专家推荐需求的技术问题。

为实现上述技术目的，本公开提供了一种面向企业需求的专家推荐方法，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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；