一种融合学术专长与社会网络的评审分配方法组成比例

本发明专利技术公开一种融合学术专长与社会网络的评审分配方法，属于计算机应用技术领域。本方法首先建立标签集、论文/项目集及专家集，依据标签相似度矩阵计算论文/项目与专家的标签相似度；其次基于论文/项目合作数据库建模社会网络，计算论文/项目与专家的合作距离；然后建立论文/项目与专家的分配数组，遍历论文集，依据最大匹配度优先和最小差调整算法，依次进行评审分配；最后输出最优分配结果及其匹配度和、标签相似度和、合作距离和。本方法能够在满足论文/项目的作者/申请人与专家无合作、非师生关系、不属于同一机构的约束条件下，实现均衡评审分配，最大化评审分配的标签相似度和与合作距离和，确保评审结果的客观、公平、公正。

【技术实现步骤摘要】
一种融合学术专长与社会网络的评审分配方法
本专利技术涉及一种融合学术专长与社会网络的评审分配方法，属于计算机应用技术、论文/项目评审管理应用领域。
技术介绍
目前，国家和高校越来越重视学术及科学研究，论文和项目申请数量也逐年增多，在有限时间内将论文/项目分配给合适的评审成为困扰会议、期刊、项目组织者的难题。评审专家的审阅意见是论文录用或者项目授予的直接依据，因此确保评审结果的公正性、权威性，是组织者一直以来关注的重点。面对大量的论文/项目以及繁重的组织工作，利用计算机技术进行评审分配已成为趋势，但现有的方法大多是在满足用户设定的约束条件前提下，计算论文/项目与专家的专业领域相似度，作为评审分配的主要依据。在论文/项目的作者/申请人与专家存在现实中的直接或间接的学术交流的情况下，专家的主观因素会影响到评审过程的客观性，导致评审结果难免出现偏差。论文/项目合作数据库记录了大量公开发布的文献资料，包含文章标题、文章作者及合作者、会议/期刊论文集、会议/期刊名称及发布时间等信息；该数据库中的论文/项目的作者/申请人包含了待分配的论文/项目的作者/申请人与专家，以及其他论文/项目的作者/申请人；利用论文/项目的作者/申请人与专家的合作路径，能够很好地反映出论文/项目的作者/申请人与专家在现实中的直接或间接的学术交流情况。本方法基于论文/项目合作数据库建模社会网络，计算出论文/项目的作者/申请人与专家的合作距离；通过最大化论文/项目与专家的合作距离，降低专家的主观因素，提高了评审过程的客观性；同时结合专业领域标签，最大化论文/项目与专家的标签相似度，为评审分配提供系统全面、科学有效的解决方案。与本文相关的论文主要有两篇，下文分别对这两篇论文进行剖析：论文(1)：全国青年管理科学与系统科学学术会议，2007年，作者张正文、唐锡晋，标题为论文分配的支持方法研究。该论文首先计算论文关键词向量和评审知识结构关键词向量之间的相似度作为客观相似度；接着根据评审之间是否有合作或发表过包含相同或同义的关键词，构建社会网络，以评审之间的知识结构关键词向量的相似度为权值，计算最大权值路径作为评审的主观相似度；最后结合评审个人倾向，计算综合相似度，按照递减排序进行评审分配。该论文所用方法虽然构建了结合了社会网络，但是该社会网络仅是用来计算评审之间的相似度，所用评审分配方法的主要依据是专家个人倾向、论文与评审或评审之间的关键词向量相似度，没有考虑论文作者与评审的学术交流情况。论文(2)：北京交通大学硕士学位论文，2014年，作者夏雷，标题为基于二部图匹配和聚类的论文分配方法研究。该论文构建论文与专家二部图网络，以边的权重作为分配权重；分配权重依据基础权重(值为1)、专家倾向、论文作者与专家是否同单位、论文与专家的研究领域进行计算；基于二部图的匈牙利算法和KM算法，设计均衡分配算法实现了评审分配。该论文所用方法虽然构建了论文与评审的二部图网络，但是该二部图网络的权重计算的主要依据仍是个人倾向、论文与评审的研究领域相似度，依然没有考虑论文作者与评审的学术交流情况。上述已有的评审分配方法虽然解决了按照论文/项目与专家的专业领域的进行评审分配的问题，但均没有考虑到论文/项目的作者/申请人与专家存在现实中的直接或间接的学术交流的情况，没有将学术专长和社会网络进行深度融合，很可能因专家的主观因素而影响评审结果的客观性。因此，评审分配方法具有很大的改进空间。本专利技术的目的是即是致力于解决上述评审分配方法的缺陷，提出一种融合学术专长与社会网络的评审分配方法。
技术实现思路
本专利技术旨在解决已有的评审分配方法没有考虑论文/项目的作者/申请人与专家的学术交流而影响评审分配的客观性的缺陷，提出了一种融合学术专长与社会网络的评审分配方法。一种融合学术专长与社会网络的评审分配方法，简称本方法，核心内容为：基于论文/项目合作数据库建模社会网络，提出论文/项目与专家的合作距离；综合论文/项目与专家的相似度与合作距离，提出论文/项目与专家的匹配度，确定最优化目标；采用最大匹配度优先与最小差调整算法，得出论文/项目的最优评审分配结果；本方法能够在满足论文/项目的作者/申请人与专家无合作、非师生、不属于同一机构的约束条件下，实现均衡评审分配，最大化评审分配的标签相似度和与合作距离和，确保评审结果的客观、公平、公正。为实现上述目的，本方法包括如下步骤：步骤1：根据给定数据集，建立标签集、带标签的论文/项目集与专家集，以及论文/项目集的作者/申请人集；得出论文/项目数及专家数、标签相似度矩阵以及论文/项目-专家的标签相似度；其中，标签集，记为T；论文/项目集，记为P；专家集，记为R；论文/项目集P的作者/申请人集，记为A；集合大小|T|＝h,|P|＝g,|R|＝f，|T|代表标签集T的大小，|P|代表论文/项目集P的大小，|R|代表专家集R的大小，且标签集T、论文/项目集P以及专家集R的大小，分别记为h,g,f，h,g及f均为大于1的整数常量；对P中的任何一篇论文/项目p，p的标签集表示为T(p)，p的作者/申请人集表示为A(p)，|A(p)|为大于1的整数且不唯一，|A(p)|代表作者/申请人集A(p)的大小；对R中的任一专家r，r的标签表示为T(r)；且标签相似度矩阵，记为S[h][h]；其中每个元素表示相应的一对标签的相似度，可以由用户设定或者通过论文/项目合作关系数据库统计计算得到；其中，论文/项目-专家的标签相似度，定义为论文/项目p与专家r的标签相似度的最大值，用公式(1)表示：S(p,r)＝maxS[ti][tj]，ti∈T(p)，tj∈T(r)；(1)其中，S(p,r)代表论文/项目p与专家r的标签相似度的最大值，max是求最大值的函数，S[ti][tj]代表相似度矩阵中标签ti和标签tj的相似度；其中，ti代表T(p)中第i个标签，tj代表T(r)中第j个标签；下标i，j为大于等于0，小于h的整数变量；步骤2：建模社会网络,确定最大合作距离，得出论文/项目集的作者/申请人-专家的合作距离数组及论文/项目-专家的合作距离；其中，建模社会网络可以通过论文/项目合作关系数据库获得，具体为：社会网络，记为G，G＝(V,E)为权值为1的无向网；其中节点集，记为V，|V|＝n，|V|表示节点集V的大小，n为大于1的整数常量；每个节点代表一位作者/申请人；且步骤1中的专家集论文/项目集的作者/申请人集边集，记为E，|E|＝m，|E|表示边集E的大小，m为大于1的整数常量；每条边表示边连接的两名作者/申请人之间有合作的结合；任意两名作者/申请人的合作距离定义为相应的两个节点之间的最短路径；最大合作距离，记为MAXD，如果两个节点之间不可达或者最短路径值大于MAXD，则合作距离设为MAXD；最大合作距离由用户给定；计算论文/项目集的作者/申请人-专家的合作距离数组D[g][f]，其中，每个元素D[p][r]，是由论文/项目p的作者/申请人与专家r的合作距离组成的向量；元素D[p][r]的长度为|A(p)|，A(p)代表论文/项目p的作者/申请人集；论文/项目-专家的合作距离定义为论文/项目p的作者/申请人与专家r的合作距离组成的向量中的最小值，用公式(2)表示：D(p,r)本文档来自技高网...

【技术保护点】
一种融合学术专长与社会网络的评审分配方法，简称本方法，本方法能够在满足论文/项目的作者/申请人与专家无合作、非师生、不属于同一机构的约束条件下，实现均衡评审分配，最大化评审分配的标签相似度和与合作距离和，确保评审结果的客观、公平、公正；为实现上述目的，本方法其特征在于：包括如下步骤：步骤1：根据给定数据集，建立标签集、带标签的论文/项目集与专家集，以及论文/项目集的作者/申请人集；得出论文/项目数及专家数、标签相似度矩阵以及论文/项目‑专家的标签相似度；步骤2：建模社会网络,确定最大合作距离，得出论文/项目集的作者/申请人‑专家的合作距离数组、论文/项目‑专家的合作距离；步骤3：确定约束条件，计算论文/项目‑专家的指示关系；步骤4：确定步骤1中的论文/项目集中每篇论文/项目的审阅数、论文/项目数及专家数，计算平均审阅数及冗余审阅数；步骤5：根据步骤1中论文/项目‑专家的标签相似度、步骤2中论文/项目‑专家的合作距离及最大合作距离，确定论文/项目‑专家的匹配度；步骤6：建立结果集并将其初始化为空，初始化结果集的匹配度和、标签相似度和、合作距离和为零；步骤7：根据步骤3中论文/项目‑专家的指示关系、步骤4中平均审阅数及冗余审阅数、步骤6中结果集的匹配度和，确定最优化目标；步骤8：建立论文/项目‑专家的分配数组，记录论文/项目‑专家的分配状态、匹配度、标签相似度与合作距离，并将分配数组中的元素初始化为零向量；步骤9：遍历论文/项目集，在满足最优化目标的约束条件的前提下，依次进行评审分配，并得出论文/项目‑专家的分配数组的最终结果；步骤10：根据步骤9得出的由论文/项目‑专家的分配数组的最终结果，计算得结果集，以及结果集的匹配度和、标签相似度和、合作距离和；至此，从步骤1到步骤10，完成了一种融合学术专长与社会网络的评审分配方法。...

【技术特征摘要】
2016.11.09 CN 20161098690111.一种融合学术专长与社会网络的评审分配方法，简称本方法，本方法能够在满足论文/项目的作者/申请人与专家无合作、非师生、不属于同一机构的约束条件下，实现均衡评审分配，最大化评审分配的标签相似度和与合作距离和，确保评审结果的客观、公平、公正；为实现上述目的，本方法其特征在于：包括如下步骤：步骤1：根据给定数据集，建立标签集、带标签的论文/项目集与专家集，以及论文/项目集的作者/申请人集；得出论文/项目数及专家数、标签相似度矩阵以及论文/项目-专家的标签相似度；步骤2：建模社会网络,确定最大合作距离，得出论文/项目集的作者/申请人-专家的合作距离数组、论文/项目-专家的合作距离；步骤3：确定约束条件，计算论文/项目-专家的指示关系；步骤4：确定步骤1中的论文/项目集中每篇论文/项目的审阅数、论文/项目数及专家数，计算平均审阅数及冗余审阅数；步骤5：根据步骤1中论文/项目-专家的标签相似度、步骤2中论文/项目-专家的合作距离及最大合作距离，确定论文/项目-专家的匹配度；步骤6：建立结果集并将其初始化为空，初始化结果集的匹配度和、标签相似度和、合作距离和为零；步骤7：根据步骤3中论文/项目-专家的指示关系、步骤4中平均审阅数及冗余审阅数、步骤6中结果集的匹配度和，确定最优化目标；步骤8：建立论文/项目-专家的分配数组，记录论文/项目-专家的分配状态、匹配度、标签相似度与合作距离，并将分配数组中的元素初始化为零向量；步骤9：遍历论文/项目集，在满足最优化目标的约束条件的前提下，依次进行评审分配，并得出论文/项目-专家的分配数组的最终结果；步骤10：根据步骤9得出的由论文/项目-专家的分配数组的最终结果，计算得结果集，以及结果集的匹配度和、标签相似度和、合作距离和；至此，从步骤1到步骤10，完成了一种融合学术专长与社会网络的评审分配方法。2.根据权利要求1所述的一种融合学术专长与社会网络的评审分配方法，其特征在于：步骤1中，标签集，记为T；论文/项目集，记为P；专家集，记为R；论文/项目集P的作者/申请人集，记为A；集合大小|T|＝h,|P|＝g,|R|＝f，|T|代表标签集T的大小，|P|代表论文/项目集P的大小，|R|代表专家集R的大小，且标签集T、论文/项目集P以及专家集R的大小，分别记为h,g,f，h,g及f均为大于1的整数常量；对P中的任何一篇论文/项目p，p的标签集表示为T(p)，p的作者/申请人集表示为A(p)，|A(p)|为大于1的整数且不唯一，|A(p)|代表作者/申请人集A(p)的大小；对R中的任一专家r，r的标签表示为T(r)；且标签相似度矩阵，记为S[h][h]；其中每个元素表示相应的一对标签的相似度，可以由用户设定或者通过论文/项目合作关系数据库统计计算得到；其中，论文/项目-专家的标签相似度，定义为论文/项目p与专家r的标签相似度的最大值，用公式(1)表示：S(p,r)＝maxS[ti][tj]，ti∈T(p)，tj∈T(r)；(1)其中，S(p,r)代表论文/项目p与专家r的标签相似度的最大值，max是求最大值的函数，S[ti][tj]代表相似度矩阵中标签ti和标签tj的相似度；其中，ti代表T(p)中第i个标签，tj代表T(r)中第j个标签；下标i，j为大于等于0，小于h的整数变量。3.根据权利要求1所述的一种融合学术专长与社会网络的评审分配方法，其特征在于：步骤2中，建模社会网络可以通过论文/项目合作关系数据库获得，具体为：社会网络，记为G，G＝(V,E)为权值为1的无向网；其中节点集，记为V，|V|＝n，|V|表示节点集V的大小，n为大于1的整数常量；每个节点代表一位作者/申请人；且步骤1中的专家集论文/项目集的作者/申请人集边集，记为E，|E|＝m，|E|表示边集E的大小，m为大于1的整数常量；每条边表示边连接的两名作者/申请人之间有合作的结合；任意两名作者/申请人的合作距离定义为相应的两个节点之间的最短路径；最大合作距离，记为MAXD，如果两个节点之间不可达或者最短路径值大于MAXD，则合作距离设为MAXD；最大合作距离由用户给定；计算论文/项目集的作者/申请人-专家的合作距离数组D[g][f]，其中，每个元素D[p][r]，是由论文/项目p的作者/申请人与专家r的合作距离组成的向量；元素D[p][r]的长度为|A(p)|，A(p)代表论文/项目p的作者/申请人集；论文/项目-专家的合作距离定义为论文/项目p的作者/申请人与专家r的合作距离组成的向量中的最小值，用公式(2)表示：D(p,r)＝minD[p][r]；(2)其中，D(p,r)代表论文/项目p与专家r的合作距离，min是求最小值的函数。4.根据权利要求1所述的一种融合学术专长与社会网络的评审分配方法，其特征在于：步骤3中，约束条件为论文/项目的任一作者/申请人与专家无合作发表论文/申请项目、非师生关系、不属于同一机构；论文/项目的作者/申请人与专家是否无合作，可通过论文/项目-专家的合作距离得出；论文/项目的作者/申请人与专家是否非师生关系、不属于同一机构的条件由用户给定；其中，论文/项目-专家的指示关系，记为B(p,r)，表示论文/项目p的任一作者/申请人a与专家r是否满足无合作发表论文/申请项目、非师生关系、不属于同一机构的约束条件；不满足约束条件，值为1，表示存在论文/项目p的作者/申请人a与专家r有关系，则不可分配；满足约束条件，值为0，表示论文/项目p的任一作者/申请人a与专家r没有关系，则可分配；论文/项目-专家的指示关系定义用公式(3)表示：其中，p为论文/项目，r为专家，a是p的作者/申请人集A(p)中的作者/申请人；表示存在；表示对于任意的。5.根据权利要求1所述的一种融合学术专长与社会网络的评审分配方法，其特征在于：步骤4中，每篇论文/项目的审阅数，记为k，k为整数常量且k＞1；平均审阅数，记为averageNum，平均审阅数的计算公式为(4)：其中，表示对(k×g)/f向上取整；冗余审阅数，记为remainNum，冗余审阅数的计算公式为(5)：remainNum＝(k×g)％f；(5)其中，(k×g)％f表示(k×g)对f取整数类型余数；为了保证均衡分配，专家集R中每名专家r的审阅数，记为r.num，r.num等于averageNum或averageNum-1；审阅数等于averageNum的专家子集，记为Ra，|Ra|等于remainNum，|Ra|表示Ra的大小。6.根据权利要求1所述的一种融合学术专长与社会网络的评审分配方法，其特征在于：步骤5中，论文/项目-专家的匹配度用公式(6)表示：其中，M(p,r)代表论文/项目p与专家r的匹配度，D(p,r)代表代表论文/项目p与专家r的合作距离，S(p,r)代表代表论文/项目p与专家r的标签相似度，max是求最大值的函数；α为平衡参数，由用户给定；从公式(6)可以看出，论文/项目与专家的标签相似度越高、合作距离越远，匹配度M(p,r)就越高。7.根据权利要求1所述的一种融合学术专长与社会网络的评审分配方法，其特征在于：步骤6中，结果集存储最优分配方案，记为result，是由...

【专利技术属性】
技术研发人员：曹朝，曲大成，李凯霞，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11