欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106771918
申请人: 昆明理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.融合专家信息关联关系的卷积神经网络评审专家推荐方法,其特征在于:方法的具体步骤如下:

Step1、收集专家的信息,项目信息,并将两者的信息通过embeding分别转化为专家信息隐向量和项目信息隐向量;

Step2、利用马尔可夫网络的思想,使专家信息之间的关系表示成为专家信息之间的关联关系矩阵;

Step3、将Step1中得到的专家信息隐向量与Step2中的专家信息关联关系矩阵合并,组合为专家信息相关性矩阵;

Step4、将Step3中的专家信息相关性矩阵通过卷积神经网络进行卷积和池化操作,提取多名专家中关系特征隐向量,把输出的隐向量再与Step1中的项目信息隐向量合并,并将合并后的矩阵向量输入到多层感知机MLP层,学习得到专家对评审项目的匹配度得分,从而训练出模型。

2.根据权利要求1所述的融合专家信息关联关系的卷积神经网络评审专家推荐方法,其特征在于:所述步骤Step1中,通过one-hot编码将专家和项目结构化数据信息表示为计算机可识别和处理的向量表示,通过一层嵌入Embedding层将其分别映射成稠密的隐向量。

3.根据权利要求1所述的融合专家信息关联关系的卷积神经网络评审专家推荐方法,其特征在于:所述步骤Step2中,马尔可夫网络的无向边用来构建专家信息之间的相关性;

首先利用专家的部分属性信息来确定专家之间的关联关系,然后利用专家信息之间的多种不同的关联关系计算专家信息之间的相关性,从而生成专家信息关联关系矩阵。

4.根据权利要求3所述的融合专家信息关联关系的卷积神经网络评审专家推荐方法,其特征在于:所述专家信息之间的相关性的计算公式如下:其中,如果专家信息之间存在这种关系特征,则hm(ei,ej)=1,否则hm(ei,ej)=0;其中m表示为第m个特征函数,M表示关联关系特征总数,在本发明中M=4,λm表示对应特征函数的权重, 表示所有与节点ei相连边的集合,特征函数权重λm,采用最大似然估计方法对其进行估计;当Sim(ei,ej)的值大于给定的阈值β时,则认为专家信息ei和专家信息ej是相关的,也即在专家Markov网络中这两个节点之间存在一条无向边,边的权重为Sim(ei,ej)。

5.根据权利要求1所述的融合专家信息关联关系的卷积神经网络评审专家推荐方法,其特征在于:所述步骤Step3中,为了充分利用专家的属性信息和专家之间的关联关系解决针对项目评审的专家推荐问题,考虑将专家信息关联关系矩阵和专家信息向量融合,为下一步的卷积提取专家关联特征做准备。

6.根据权利要求1所述的融合专家信息关联关系的卷积神经网络评审专家推荐方法,其特征在于:所述步骤Step4中,为充分利用专家的属性信息和专家之间的关联关系解决针对项目评审的多专家推荐问题,利用卷积神经网络从融合了专家信息的专家相关性矩阵中提取特征,MLP的层的主要工作是对卷积和池化操作得到的专家信息隐向量与仅通过嵌入Embedding层得到的项目信息隐向量合并后的向量进行softmax操作,从而实现模型对推荐专家的打分。