●前言
章 緒論
1.1 研究背景
1.1.1 發展歷程
1.1.2 需要專家推薦的任務
1.2 面臨的挑戰
1.3 問題定義
1.4 專家推薦的兩種模式
1.5 本書的研究內容及組織結構
1.5.1 研究內容
1.5.2 組織結構
第2章 相關研究的發展及應用
2.1 經典信息檢索模型在專家發現方面的應用
2.2 語言模型在專家發現上的應用
2.3 主題模型在專家發現方面的應用
2.3.1 主題模型簡介
2.3.2 LDA簡介
2.3.3 主題模型的變體
2.4 網絡模型在專家發現上的應用
2.5 多特征結合在專家發現上的應用
2.6 評審過程中的利益衝突
2.7 學術論文引用影響因素及預測分析
2.7.1 學術論文引用影響因素研究
2.7.2 學術論文引用預測相關研究
2.8 本章小結
第3章 技術框架
3.1 數據來源及數據預處理
3.1.1 數據來源
3.1.2 數據預處理
3.2 技術路線
第4章 基於AT模型的多學科知識結構分析
4.1 主題提取
4.1.1 實驗參數的設定
4.1.2 實驗過程
4.2 基於主題同被引的知識聚合分析
4.2.1 主題同被引定義
4.2.2 主題同被引計量分析
4.2.3 主題同被引的聚類分析
4.2.4 主題同被引的潛在關聯主題分析
4.3 基於主題相似度的知識聚合分析
4.3.1 主題相似度的計算
4.3.2 相似度矩陣的閾值選擇
4.3.3 相似度矩陣的網絡屬性分析
4.3.4 相似度矩陣的可視化分析
4.4 本章小結
第5章 學術論文引用預測及影響因素分析
5.1 技術路線
5.2 影響因素選擇
5.2.1 與論文引用預測相關的因素分析
5.2.2 影響因素抽取數據準備
5.2.3 影響因素抽取
5.3 預測與影響因素作用強度分析
5.3.1 論文引用預測
5.3.2 論文引用預測結果
5.3.3 影響因素作用強度排序
5.3.4 影響因素作用強度排序結果
5.4 本章小結
第6章 面向主題覆蓋度與權威度的評審專家推薦模型研究
6.1 框架描述
6.2 主題建模與特征提取
6.2.1 專家知識提取與待評審論文主題建模
6.2.2 專家特征提取
6.2.3 結合相關性與權威度的評審專家推薦方法
6.3 實驗設計與分析
6.3.1 實驗設計及評價標準
6.3.2 實驗分析
6.4 本章小結
第7章 融合權威度和興趣趨勢因素的評審專家推薦
7.1 研究框架
7.2 評審專家推薦模型
7.2.1 主題抽取
7.2.2 待評審論文與候選專家的相關性建模
7.2.3 專家權威度建模
7.2.4 專家興趣趨勢建模
7.2.5 評審專家推薦模型
7.3 實驗設計與分析
7.3.1 對比模型
7.3.2 實驗過程及評價標準
7.3.3 實驗結果及分析
7.4 本章小結
第8章 基於AST模型的專家興趣建模
8.1 AST模型
8.1.1 AST模型基本思想
8.1.2 產生式概率模型
8.1.3 AST模型參數估計
8.2 實驗和討論
8.2.1 數據集特點
8.2.2 模型評測
8.2.3 挖掘主題展示
8.2.4 AST模型的應用
8.3 本章小結
第9章 基於學術網絡上的評審專家分配：以利益衝突為角度
9.1 研究框架
9.2 問題建模
9.3 一種考慮利益衝突的專家推薦優化模型
9.3.1 抽取學術網絡
9.3.2 利益衝突程度估計及主題匹配程度計算
9.3.3 基於最小花費優選流的評審專家分配
9.4 實驗和討論
9.4.1 實驗數據采集
9.4.2 實驗過程
9.4.3 評估指標和比較方法
9.4.4 參數設置實驗
9.4.5 對比實驗
9.5 本章小結
0章 融合主題重要性的評審組長及評審組員推薦模型
10.1 專家組推薦
10.2 考慮學科背景下主題重要性的專家推薦優化模型
10.2.1 整體思路
10.2.2 主題提取及主題重要度建模
10.2.3 資歷相對較高的評審專家推薦
10.2.4 評審組員推薦問題求解的優化模型
10.3 實驗設計與分析
10.3.1 數據集
10.3.2 實驗結果
10.3.3 檢驗及評價
10.4 本章小結
1章 結論與展望
11.1 當前工作的貢獻
11.2 工程實踐中的注意事項
11.3 當前專家推薦工作的局限性和未來展望
參考文獻
附錄1 EM算法的核心代碼
附錄2 AST部分的核心代碼
內容簡介
《面向智能任務的專家遴選與推薦研究》對智能任務的專家遴選與推薦問題進行了較為深入、全面的研究，重點對專家興趣建模、面向主題覆蓋度評審優選模型、融合專業度和興趣趨勢因素的評審優選、基於利益衝突和回避原則的評審專家分配、融合主題重要性的評審組長及評審組員推薦模型等問題進行了研究。給出了多個不同問題場景下的優選模型和算法，並通過大規模實驗，利用多種指標說明了不同模型的可靠性。
