面向產(chǎn)學(xué)研的推薦算法與推薦系統(tǒng)研究.pdf

1、隨著國家大力推進產(chǎn)學(xué)研合作，企業(yè)與學(xué)校、研究所之間如何建立聯(lián)系，企業(yè)如何轉(zhuǎn)化研究人員的研究成果，成為亟待解決的問題。而僅僅依靠企業(yè)在互聯(lián)網(wǎng)上搜索符合自身需求的研究人員的方式，耗時很長且效率較低。
　　本文重點圍繞如何根據(jù)專家發(fā)表的論文為企業(yè)推薦專家的問題，對專家推薦中涉及到的文本表示模型與相似度計算進行研究、分析與實現(xiàn)。在實現(xiàn)專家推薦之前，本文首先研究了聚類中如何選擇文本表示模型以及如何進行相似度計算。聚類與推薦有一個共同的特點，

2、在確定文本表示模型之后，都需要計算文本相似度，但是聚類結(jié)果有多種評價方法，而推薦的評價則需要歷史數(shù)據(jù)的支撐。本文根據(jù)聚類結(jié)果的好壞，選擇一個最優(yōu)的文本表示模型及相似度計算方法，并將該種方法應(yīng)用于專家推薦中，實現(xiàn)為企業(yè)推薦專家專家的目標(biāo)。
　　本文的主要工作如下:
　　(1)獲取專家論文摘要數(shù)據(jù)集與企業(yè)需求數(shù)據(jù)集，專家摘要數(shù)據(jù)集來自虛擬現(xiàn)實領(lǐng)域近五年的論文，該部分數(shù)據(jù)從中國知網(wǎng)爬取。企業(yè)需求數(shù)據(jù)集來自昆山科技局委托三螺旋產(chǎn)學(xué)研

3、大數(shù)據(jù)服務(wù)中心，從中人工挑選了500條虛擬現(xiàn)實領(lǐng)域的企業(yè)需求。
　　(2)針對文本表示模型進行研究對比，分析了傳統(tǒng)的文本表示模型的不足，提出利用內(nèi)容向量與語義向量共同表示文本的方法，并在計算文本相似度時將不同向量模型得到的相似度計算結(jié)果進行加權(quán)，得到最終的文本相似度。
　　(3)針對(2)中研究的問題進行實驗論證。根據(jù)文本的聚類結(jié)果對比不同模型的優(yōu)劣，實驗結(jié)果表明，相較于傳統(tǒng)的文本表示模型及相似度計算方法，TF-IDF&LD

4、A的聚類效果最好，但是計算時間較長。Word2Vec&LDA的聚類效果略差于TF-IDF&LDA，但是耗時很短。
　　(4)通過(3)的研究工作，本文得出了最優(yōu)的文本表示模型及相似度計算方法，將該成果應(yīng)用于專家推薦中，并計算推薦結(jié)果的F值，評價推薦結(jié)果的好壞。
　　(5)設(shè)計并實現(xiàn)了本文的專家推薦系統(tǒng)，企業(yè)在推薦系統(tǒng)的輸入界面上，本系統(tǒng)就可以輸出相關(guān)專家。
　　本課題最終設(shè)計實現(xiàn)了專家推薦系統(tǒng)，經(jīng)過實驗表明，該系統(tǒng)具有