[发明专利]一种基于象形-语义双特征空间映射的评审专家推荐方法

说明书

本申请涉及专家推荐技术领域，提供一种基于象形‑语义双特征空间映射的评审专家推荐方法，首先利用RoBerta模型对文本进行层次化表示，进而使用Bi‑LSTM+CRF模型对项目文本和专家文本进行命名实体识别，然后将命名实体通过象形‑语义双特征空间映射为特征向量，并对特征向量进行欧氏距离和余弦相似度计算，获得匹配得分，再对匹配得分进行加权求和，获得综合匹配得分，最后将综合匹配得分最高的专家作为该项目文本的评审专家。本申请提出基于语义‑象形双特征空间映射的实体匹配策略，智能化实现项目与专家的有效精准匹配，进而降低了评审工作人力成本、增强了评审结果可靠性以及提高了评审整体效率，是一种准确高效的方法。

技术领域

本申请涉及专家推荐技术领域，尤其涉及一种基于象形-语义双特征空间映射的评审专家推荐方法。

背景技术

随着国家电网在特高压交直流电网、智能电网与第三次工业革命等方面大力推进理论创新，各类创新性的电力科技项目申请量大幅度增加，进而导致电力科技项目申请书数量不断增多。

在这种情况下，当前电力科技项目申请书的评审工作任务艰巨且繁重，从格式审核到内容质量审核都需要高质量高效率地完成。其中，审核过程中最为重要的环节便是专家对申请书的内容质量进行审核，这就要求审核专家掌握的技术、擅长的领域与申请书内容相匹配，才能得到较为准确的评审结果，因此，评审结果的可靠性直接与匹配程度挂钩。

但是，评审专家与项目申请书的匹配工作，目前大部分通过人工随机发放，或者由专业知识功底深厚的人才专门推荐。由于人为操作必然存在的主观能动性，加上当前这种评审专家与项目申请书的匹配模式，导致评审工作人力成本过高、评审结果可靠性较弱以及评审整体效率较低。

发明内容

为了克服现有技术的不足，本申请旨在提供一种基于象形-语义双特征空间映射的评审专家推荐方法，以解决评审工作人力成本过高、评审结果可靠性较弱以及评审整体效率较低中至少一个技术问题。

为了实现上述目的，本申请提供一种基于象形-语义双特征空间映射的评审专家推荐方法，具体包括：

获取电力科技项目申请书的摘要信息。

对所述电力项目申请书的摘要信息进行命名实体识别，获得电力项目实体，所述电力项目实体包括使用方法实体和涉及领域实体。

爬取电力专家的个人主页信息和已发表论文的摘要信息。

对所述电力专家的个人主页信息和所述已发表论文的摘要信息进行命名实体识别，获得电力专家实体，所述电力专家实体包括擅长技术实体和研究方向实体。

对所述使用方法实体进行象形映射，获得象形使用方法实体，以及对所述涉及领域实体进行象形映射，获得象形涉及领域实体。

对所述擅长技术实体进行象形映射，获得象形擅长技术实体，以及对所述研究方向实体进行象形映射，获得象形研究方向实体。

对所述象形使用方法实体进行语义映射，获得使用方法特征向量，以及对所述象形涉及领域实体进行语义映射，获得涉及领域特征向量。

对所述象形擅长技术实体进行语义映射，获得擅长技术特征向量，以及对所述象形研究方向实体进行语义映射，获得研究方向特征向量。

根据所述使用方法特征向量、所述涉及领域特征向量、所述擅长技术特征向量和所述研究方向特征向量，计算获得综合匹配得分。

根据所有的综合匹配得分的高低，确定评审专家。

进一步的，利用RoBERTa预训练模型和BiLSTM+CRF模型进行命名实体识别。

进一步的，利用RoBERTa预训练模型和BiLSTM+CRF模型进行命名实体识别的具体方法为：

获取文本信息。