多专长专家识别方法研究-图书情报工作.PDFVIP

第６２卷 第３期　２０１８年２月 多专长专家识别方法研究 　　　———以大数据领域为例 ■ 刘晓豫　朱东华　汪雪锋　黄颖 北京理工大学管理与经济学院　北京 １０００８１ 摘要：［目的／意义］国家政府、大中型企业以及研究机构面对技术难题，如何找到合适的专家是迫切需要 解决的问题。面对需要运用多学科知识来解决的综合性复杂难题，寻找到多专长专家显得尤为重要，寻找合适 的方法识别出多专长专家是本研究的目的。［方法／过程］利用专家所发表的学术论文数据，通过抽取专家有代 表性的研究专长特征，基于ＴＦＩＤＦ加权的重叠Ｋｍｅａｎｓ聚类算法对专家进行重叠聚类划分，挖掘出专家的多个 ? 研究专长，进而识别出多专长专家。［结果／结论］研究结果表明ＴＦＩＤＦ加权的重叠Ｋｍｅａｎｓ聚类算法在查准 ? 率、召回率和Ｆ值上有良好的表现，可以识别多专长专家。 关键词：专家识别　重叠Ｋｍｅａｎｓ　多专长专家　大数据　ＴＦＩＤＦ ? 分类号：Ｇ３１６ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１８．０３．００７ １　引言 掘［４］。以往的研究常以专家最高产的研究领域代表其 研究专长，但是在实际情况中，专家往往具有多个研究 　　在日益激烈的国际化与商业化竞争中，迅速地掌 ［５］ 专长 。发现和识别出专家的多个研究专长能更好地 握与分析需求并提供高效的解决方案是取得决胜的关 进行专家评估和推荐。此外，以往的研究大多使用非 键因素。在当今知识社会，迫切的知识需求正在显现， 重叠聚类方法对专家进行聚类，这种方法把专家唯一 专家识别与推荐作为信息检索和知识管理领域的研究 分配到某一类别中，忽略了专家的多个研究专长，不能 热点，已经越来越受到人们的关注。专家识别目的是 识别多专长专家。针对现有研究中存在的这一问题， 通过一系列的方法来发现那些拥有丰富专业知识、技 本文采用重叠聚类算法对专家进行聚类，避免非重叠 能与经验的领域专家，以便组织团队，指导研发，攻关 聚类带来的信息缺失问题，同时更好地表征专家专长， 技术，以此来提高工作或生产效率［１］。面对目前国家 挖掘多专长专家。 政府、大中型企业以及研究机构技术专家无处选、无法 　　鉴于此，本文采用专家发表的学术论文为数据，通 选的现状，如何针对特定知识与技术需求找到合适的 过向量空间模型来表征专家知识，利用 ＴＦＩＤＦ（Ｔｅｒｍ 专家是一个值得研究和急需解决的问题。 Ｆｒｅｑｕｅｎｃｙ ＩｎｖｅｒｓｅＤｏｃｕｍｅｎｔＦｒｅｑｕｅｎｃｙ）加权的重叠Ｋ ? ? 　　专家信息的分析和挖掘是专家识别的前提，如何 ［６］ ｍｅａｎｓ聚类算法 对专家进行聚类，同时识别多专长 表征专家知识，对专家进行聚类和分类是其中关键的 专家。本文以大数据领域的专家为案例进行研究，识 ［２］ 一环。专家专长是指专家对技能与知识的掌握 ，Ｒ． 别出大数据领域的多专长专家。 ［３］ Ｇｌａｓｅｒ 指出专家专长具有５个特征：具