论文部分内容阅读
随着科技的发展,科技项目涉及的研究领域越来越多样化,跨领域交叉越来越普遍,项目评审面临严峻的挑战。科技专家是项目评审的主体,参与项目评审的专家对项目研究内容的熟悉程度及其在相关领域内的水平直接决定了评审结果的好坏,也随之对专家遴选的准确程度带来了挑战。为了精确地表达科技项目和专家的研究主题,课题组提出了科技词条模型。科技词条是一种比学科、技术领域等分类更为精确,更能真实反映科技工作中理论和技术研究范畴的分类方法。本文在科技词条的基础上对科技专家遴选系统中的关键技术进行研究,主要工作如下:(1)对科研论文的科技词条画像进行了研究。通过提取科研论文中科技词条并计算科技词条权重来界定科研论文的研究主题,然后建立了科研论文的影响力模型及创新力模型来评判科研论文质量。(2)在科研论文科技词条画像的基础上,研究了科技专家的科技词条画像。通过分析专家的科研论文集,建立专家在科技词条上的研究度模型来界定专家的研究范畴,然后建立专家在科技词条上的贡献度模型来判定专家在科技词条上的能力值。(3)给出了一种基于科技词条的单任务科技专家遴选方法。该方法首先基于科技词条实现了遴选任务研究主题的界定,在此基础上,结合专家的科技词条画像建立遴选任务与专家的匹配度计算模型,根据匹配度值实现单个任务的遴选。(4)针对大规模科技项目评审的需求,研究了科技专家的自动批量遴选算法。提出了顺序遴选(SES)、基于0-1整数规划的批量任务专家自动遴选方法(IPES)、基于0-1整数规划的批量任务专家自动遴选方法+调整策略(IPES-AS)等三种遴选算法。SES基于贪心思想按遴选任务集中任务的顺序进行遴选,但其匹配度值不是全局最优解。IPES通过建立0-1整数规划模型,以最大化遴选任务集上的整体匹配度为目标来进行遴选。IPESAS在IPES的基础上,通过一定的专家调整策略来均匀分配专家的匹配度值,避免匹配度分配不均匀。