文档介绍：家自动推荐基于标准学科代码及项目负责人和专家学术影响力比较的项目评审专家自动推荐[摘要]随着科技计划项目的数量日益增加,专家数量的不断增加以及专家信息的不断更新,项目申请的范围变得越来越广泛以及学科间的交叉,使得科技计划项目的评审变得越来越复杂。本文提出的这套推荐方法,是先匹配项目和专家的标准学科代码,再对项目负责人和选定的专家进行影响力评分并做比较,进而自动推荐科技计划项目评审专家。本文来源于网络,本站发布的论文均是优质论文,供学****和研究使用,文中立场与本网站无关,版权和著作权归原作者所有,如有不愿意被转载的情况,请通知我们删除已转载的信息,如果需要分享,请保留本段说明。[关键词]标准学科代码;专家影响力;自动推荐中图分类号:G895文献标识码:A文章编号:1009-914X(2017)48-0313-01 1、引言传统的项目评审专家的名单都是人工选择出来的,这样就存在着两个问题:一方面,效率低,人工选择专家时每次必须查阅相关资料,浪费大量的时间和精力;另一方面,准确率低,工作人员不可能对所有的专家都有详细的了解,导致选择出来的专家往往并非是最合适的。为此,本文提出一种基于标准学科代码及项目负责人和专家影响力比较的科技计划项目评审专家自动推荐方法。 2、匹配项目和专家的标准学科代码科技计划项目申报信息中,一般包括项目概况、单位概况、人员信息、附件等内容。其中,项目概况包括项目名称、计划类别、专项名称、所属行业、所属技术领域、起止时间、标准学科代码、实施目标、主要实施内容、考核指标等信息;单位概况包括单位名称、科技主管部门、项目负责人、联系人、单位类型、参加单位等信息;人员信息包括项目主要成员的姓名、性别、身份证号码、职称、学历、承担工作内容等。在如上信息中,所属行业是从国民经济活动角度进行区,与专家专业领域相关性不大;所属技术领域划分往往过于粗略,只有国家重点支持的高新技术领域有较好的区分度,但是国家重点支持的高新技术领域涉及范围较小,不能很好和专家专业领域进行比对匹配;只有标准学科代码能很好地对项目和专家进行匹配,而且多学科代码能解决跨学科的问题。在应用中,针对项目所属的标准学科代码,一般这样选择专家:对第1、2……N个代码分别匹配专家的学科代码,得到一个匹配的专家列表。N个学科代码的权重分别设置为S1、S2……Sn,依次对列表中的专家计算累计得分,选择得分高的专家作为项目评审专家。 3、项目负责人和专家的学术影响力比较 ,引入项目负责人和专家影响力因素并做比较作为加权因子,对专家遴选结果进行调整。评价项目负?人和专家的影响力,可以从科研课题指标、文献指标、人才培养指标和获奖情况指标4个人方面进行评价。科研课题能够反映出科研工作者的研究能力和学术水平。对科研工作者的科研课题指标的评价,可以通过其近年来主持国家级和省部级的项目来考察。文献是用来记录科研工作者主持的科学研究和实验、生产或者科研工作取得的成果的知识载体。一般来说,可以通过其发表的论文和专著来考察。人才培养是指在大学院校或科研机构中为国家培养的专业人才数。对人才培养情况的评价,可以通过科研工作者培养的研究生人数以及任导师年限等因素来考察。获奖是对科研工作者科研能力和水平的社会承认和评价,能反映其学术水平和从事项目的实际工作经验,可以通过国家级和省部级的获奖情况来考察。 ={Aα,Aβ,Aγ,Aδ}来表示科研工作者的学术影响力评价指标集合,其中Aα代表科研课题指标,Aβ代表文献指标,Aγ代表人才培养指标,Aδ代表获奖情况指标。其各个评价指标相应的权重集合为M={M1,M2,M3,M4}。 1、科研课题指标用集合Aα={Aα1,Aα2}来表示科研课题评价指标集合,其中Aα1代表国家级项目,Aα2代表省部级项目,其相应的权重集合为M1={P1,P2},模型为。 2、文献指标用Aβ={Aβ1,Aβ2}来表示文献评价指标集合,其中Aβ1代表论文,Aβ2代表著作,其相应的权重集合为M2={D1,D2}。Aβ1又可以细分为集合{Aβ11,Aβ12,Aβ13},其中Aβ11代表国际著名刊物,Aβ12代表国内一级刊物,Aβ13代表国内二级刊物,相应的权重集合为D1={W1,W2,W3};Aβ2又可以细分为集合{Aβ21,Aβ22,Aβ23},其中Aβ21代表著书,Aβ22代表编著书,Aβ23代表编书,相应的权重集合为D2={W1’,W2’,W3’}。其模型为Aβ=D1*(Wi*Aβ1i)+D2*(Wj’*Aβ2j)。 3、人才培养指标用Aγ={Aγ1,Aγ2}来表示论文评价指标集合,其中Aγ1代表博士生导师,Aγ2代表研究生导师,其相应的权重集合为M3={R1,R2}。Aγi又可以细分为