【技术实现步骤摘要】
本专利技术涉及人工智能信息化管理领域，具体是一种融合相关性的专家智能信息化抽取方法。
技术介绍
1、随着数字化治理的需求不断增加、信息技术的快速发展以及信息化项目的投入增加，信息化项目的申报、立项活动日益频繁，各级信息化管理部门已逐步实现信息化系统的全面覆盖，以提升信息化项目管理效能。而专家评审作为确保信息化项目质量、公正性与创新性的关键环节，其作用愈发凸显。专家评审不仅是对信息化项目技术路线、创新性、可行性以及预期效益等多方面进行全面、专业评估的过程，更是引导资源合理配置、推动信息化发展的重要机制。然而，要充分发挥专家评审的价值，首要任务便是确保能够精准、高效、公平地从众多信息化领域专家中遴选出最适合某特定项目评审需求的专家团队。专家抽取不仅关乎评审工作的客观性、公平性以及公正性，更直接影响到项目评审的质量与效率。因此，建立一套科学、严谨、高效、公平的专家抽取机制，是确保信息化项目管理中专家评审作用得到有效发挥的基础与前提。
2、目前，传统的专家抽取方式采用人工选取或随机选取的方式。其中，人工选取存在主观性过强、效率低下、信息处理能力有限、透明度不足等问题；随机选取方式应用的随机函数在一段时间内随机抽取到的专家，虽然保证了专家抽取的客观性，但是每位专家被选中的次数在短期内并不均衡，不能保证专家被抽取到的公平性。而且随机抽取没有考虑到专家之间的关联关系，影响专家团队中专家的多样性，从而影响专家评审的公平、公正。
技术实现思路
1、针对上述问题，本专利技术提出一种融合相关
2、s1、关联关系构建
3、关联关系构建主要包括专家之间和项目之间的关联关系。其中专家关联关系的构建主要是通过专家关联关系特征计算出专家之间的相关性，从而构建出专家关联关系网络，得到专家关系矩阵供推荐算法的下游任务使用；
4、专家数据来自信息化项目管理平台专家库中，专家库中的专家信息一部分来自对接人才专家平台数据获取，一部分通过本地专家申请录入；为了融合专家之间的关联关系，需要通过专家相关性特征因子计算专家相关性；
5、建立专家-项目融合相关性矩阵
6、专家-项目融合相关性矩阵主要由专家关系矩阵、项目关系矩阵及专家-项目关联关系组成。其中经过上述步骤确定的专家关联关系得到专家关系矩阵，通过bert编码器将每位专家向量化，针对单个项目所需要推荐的评审专家数量，将所需专家的向量化表示拼接成专家特征矩阵，得到的专家特征矩阵再与专家关系矩阵拼接形成融合相关性的专家矩阵；
7、由于每位专家一年内评审的历史项目存在多个，为了保证项目矩阵和专家矩阵的维度一致，项目数量需要与专家数量相等，因此在融合专家-项目相关性图谱中，根据专家与项目之间的关系e-prel的值，在每位专家评审的历史项目集中选取涉及资金额度最大的项目进行向量化，得到项目的特征矩阵，同上，将项目特征矩阵与项目关系矩阵按行拼接，形成融合相关性的项目矩阵。最后将融合专家相关性的专家矩阵与融合项目相关性的项目矩阵相加，得到专家-项目相关性矩阵；
8、s2、专家抽取模型
9、专家抽取模型主要由卷积神经网络cnn、双向长短期记忆网络bilstm以及自注意力机制组成。其中，专家-项目相关性矩阵和待评审项目的特征矩阵作为卷积神经网络的输入，通过卷积神经网络提取融合专家-项目相关性的专家特征；引入时间序列预测网络bi-lstm，通过使用两个单向的lstm在前后两个方向上对序列进行全局特征提取，弥补卷积神经网络只能提取局部特征的缺点；然后引入注意力机制对数据特征进行权重分配，最后经过softmax层得到专家对于待评审项目的概率作为专家的评分，按照专家评分的大小以及所需专家数量抽取出对应项目的评审专家；按照专家针对待评审项目的评分进行排序，得到专家抽取列表。根据抽取人数选取对应的评分较高的专家作为智能抽取结果。
10、本技术方案的要点及有益效果为：
11、本专利技术主要解决人工抽取和随机抽取过程中存在的主观性过强、效率低下、信息处理能力有限、透明度不足以及专家抽取不均衡等问题。利用专家自身信息、专家关系信息、项目自身信息、项目关系信息构建融合专家-项目相关性的词嵌入表示，然后使用卷积神经网络和双向长短期记忆网络对融合专家-项目相关性的输入进行更加丰富的嵌入表示，最后通过注意力机制对专家进行评分。
12、本专利技术不仅考虑了专家抽取过程中专家的专业领域和自身综合素质，而且还考虑了专家之间的组织归属、合作网络、社会网络以及专业领域重合度等关系因素，从多维度对专家的特征进行提取，从而得到更精准的专家表征。此外，还考虑到专家的历史评审项目对于专家抽取的重要程度，因此，选取过去一年内专家最具代表的评审项目，通过采集到的结构化信息，判断多个项目之间的是否存在关联关系，包括行业领域、公共支撑资源、项目建设团队以及项目资金来源等关系。在专家词嵌入的过程中将专家关联关系和对应的项目关联关系进行融合，进一步加强专家的历史项目表征特征。同时，专家的专业研究领域以及评审过的项目都具有时间属性，因此本专利技术引入了双向长短期记忆网络对专家序列和项目序列的全局特征进行提取，改善了静态词嵌入不考虑专家和项目全局属性的问题。
13、本技术方案中可以通过设置抽取专家类型、专家数量以及抽取规则，结合采集到的结构化专家信息，动态调整模型的输入数据集，从而更加准确的对满足抽取条件的专家进行抽取，提升了专家抽取的效率。
本文档来自技高网...【技术保护点】
1.一种融合相关性的专家智能信息化抽取方法，其特征在于包括如下：
【技术特征摘要】
1.一种融合相关性的专家智能信息...
【专利技术属性】
技术研发人员：孙赟赟，王武英，武飞飞，柴雪春，王坤，
申请(专利权)人：中电万维信息技术有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。