一种基于多数据源的专家推荐方法及系统技术方案

本发明专利技术实施例提供一种基于多数据源的专家推荐方法及系统，该方法包括：获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。本发明专利技术实施例通过对来自多数据源的专家数据添加score字段，并根据score字段对应的数值对专家数据进行排序，使得基于多数据源的专家数据排序更为合理，提高了专家数据排序的准确性，以使得后续的专家推荐结果更为全面。

An expert recommendation method and system based on multiple data sources

【技术实现步骤摘要】
一种基于多数据源的专家推荐方法及系统
本专利技术涉及互联网
，尤其涉及一种基于多数据源的专家推荐方法及系统。
技术介绍
专家推荐是在学术搜索中非常重要的功能，可应用于不同情境下，例如，企业专家对接、学术评审或学术交流等，因此，专家推荐需要具有高效、准确的专家推荐算法，从而构建稳定和可靠的专家推荐系统。目前，基于单数据源的专家推荐受到单数据源的局限性，导致专家推荐效果与数据源的质量紧密相关，当数据源不完整时，专家推荐效果较差，另外，单数据源的专家推荐，经常会面临数据覆盖度不大，完整性不高的问题，导致搜索不到特定的专家信息。现有的专家推荐多采用多数据源的专家推荐，通过整合多源数据库的内容，避免单源数据查找出现的数据覆盖面不大与专家推荐效果较差的问题。然而，现有基于多数据源的专家推荐也面临很多问题，在不能直接对多数据库进行合并的前提条件下，需要针对不同数据源的专家数据进行多源排序，而现有多数据源的专家推荐系统中存在专家数据排序不合理，排序准确率较低等问题。因此，现在亟需一种基于多数据源的专家推荐方法及系统来解决上述问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种基于多数据源的专家推荐方法及系统。第一方面，本专利技术实施例提供了一种基于多数据源的专家推荐方法，包括：获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。进一步地，所述专家数据还包括：论文信息、专利信息、合作者信息和项目信息。进一步地，所述对每个专家数据添加score字段，包括：判断专家数据中是否存在h-index，若存在，则获取专家数据的h-index；将h-index作为score，为对应的专家数据添加score字段。进一步地，所述判断专家数据中是否存在h-index，还包括：若专家数据中不存在h-index，则判断专家数据中是否存在论文信息，若存在，则根据论文信息对应的论文引用次数，对论文进行排序，并根据论文排序结果，计算专家数据对应的score字段。进一步地，所述根据论文信息对应的论文引用次数，对论文进行排序，并根据论文排序结果，计算专家数据对应的score字段，包括：根据论文引用次数，从高到低对专家数据中的论文进行排序，并按1至N的序号为每个论文按标记序号，N表示正整数；若标记序号n大于对应论文的被引用次数，则将n-1作为专家数据的score字段，n∈N。进一步地，在所述对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序之前，所述方法还包括：获取存在专家姓名字段和专家所属机构字段相同的多个专家数据，并获取多个专家数据论文信息中最高引用次数对应的论文；对最高引用次数对应的论文进行判断，若判断获知最高引用次数对应的论文为同一论文，则对多个专家数据进行去重处理。第二方面，本专利技术实施例提供了一种基于多数据源的专家推荐系统，包括：专家数据获取模块，用于获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；专家数据处理模块，用于对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。进一步地，所述系统还包括：同名专家数据获取模块，用于获取存在专家姓名字段和专家所属机构字段相同的多个专家数据，并获取多个专家数据论文信息中最高引用次数对应的论文；同名去重模块，用于对最高引用次数对应的论文进行判断，若判断获知最高引用次数对应的论文为同一论文，则对多个专家数据进行去重处理。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的一种基于多数据源的专家推荐方法及系统，通过对来自多数据源的专家数据添加score字段，并根据score字段对应的数值对专家数据进行排序，使得基于多数据源的专家数据排序更为合理，提高了专家数据排序的准确性，以使得后续的专家推荐结果更为全面。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于多数据源的专家推荐方法的流程示意图；图2为本专利技术实施例提供的基于多数据源的专家推荐系统的结构示意图；图3为本专利技术实施例提供的电子设备结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。针对现有多数据源的专家推荐系统中存在的问题，本专利技术实施例通过访问多个专家数据库，并利用算法计算不同专家的分值，按照专家分数排序进行搜索，并在搜索过程中，对相同专家进行去重处理，从而解决现有多数据源的专家推荐系统，在进行多源排序和多源去重时出现的问题。多源去重是指：多来源的专家可能是同一个人，在保证一定的正确率的条件下，对相同专家进行去重。图1为本专利技术实施例提供的基于多数据源的专家推荐方法的流程示意图，如图1所示，本专利技术实施例提供了一种基于多数据源的专家推荐方法，包括：步骤101，获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；步骤102，对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。在本专利技术实施例中，需要对来自不同数据源的专家数据进行排序，即进行多源排序，多源排序是指：多种不同来源的信息，需要在专家推荐系统中进行优先级排序，通过指定算法计算不同来源专家数据的排序分，并根据排序分进行排序。在本专利技术实施例中，在多种不同来源的数据库中，每个数据库的字段可能互不相同，但是可确定的是，这些数据库中的专家数据至少包含专家姓名字段name和专家所属机构字段org，在上述实施例的基础上，所述专家数据还包括：论文信息、专利信息、合作者信息和项目信息，其中，论文信息包括但不限于论文标题、论文引用数和作者信息等，从而更加准确本文档来自技高网...

【技术保护点】
1.一种基于多数据源的专家推荐方法，其特征在于，包括：/n获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；/n对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。/n

【技术特征摘要】
1.一种基于多数据源的专家推荐方法，其特征在于，包括：
获取多个数据源的专家数据，所述专家数据包括专家姓名字段和专家所属机构字段；
对每个专家数据添加score字段，并根据socre字段对应的数值，从高到低对专家数据进行排序，以根据排序后的专家数据获取专家推荐结果。


2.根据权利要求1所述的基于多数据源的专家推荐方法，其特征在于，所述专家数据还包括：论文信息、专利信息、合作者信息和项目信息。


3.根据权利要求2所述的基于多数据源的专家推荐方法，其特征在于，所述对每个专家数据添加score字段，包括：
判断专家数据中是否存在h-index，若存在，则获取专家数据的h-index；
将h-index作为score，为对应的专家数据添加score字段。


4.根据权利要求3所述的基于多数据源的专家推荐方法，其特征在于，所述判断专家数据中是否存在h-index，还包括：
若专家数据中不存在h-index，则判断专家数据中是否存在论文信息，若存在，则根据论文信息对应的论文引用次数，对论文进行排序，并根据论文排序结果，计算专家数据对应的score字段。


5.根据权利要求4所述的基于多数据源的专家推荐方法，其特征在于，所述根据论文信息对应的论文引用次数，对论文进行排序，并根据论文排序结果，计算专家数据对应的score字段，包括：
根据论文引用次数，从高到低对专家数据中的论文进行排序，并按1至N的序号为每个论文按标记序号，N表示正整数；
若标记序号n大于对应论文的被引用次数，则将n-1作为专家数据的score字段，n∈N。


6.根据权利要求2所述的基...

【专利技术属性】
技术研发人员：张永锋，谭新宇，李振华，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11