网络搜索结果的主题覆盖度优化研究

为向网络用户提供多样化的搜索结果,本文通过相关文档和相关主题之间的映射刻画了相关文档空间,提出了主题多样性优化模型。该模型首先对相关排序结果聚类,然后计算主题基量和增量,最终以二者的组合作为排序依据。在采用AQUAINT语料库、TREC N51-N100查询课题和主题覆盖度评价指标的试验设定下验证了所提优化模型的有效性,并找到了最优的模型和参数配置。本文提出了利用相关排序结构特征的主题覆盖度优化模型,为网络搜索实践提供了翔实的参考数据。

基于主题覆盖度的科研项目评审专家组推荐方法研究

【目的】针对科研项目同行评议过程,测度专家知识对科研项目主题的覆盖,并通过主题覆盖度为科研项目推荐评审专家组。【方法】提出科研项目评审专家组推荐的三个原则:主题覆盖度最大原则、知识匹配度最大原则、工作量适宜原则。提出基于Overlapping K-means的专家和待评审项目研究主题识别方法,以识别专家和待评审项目的一个或多个研究主题。以主题覆盖度最大为优化目标,提出基于主题覆盖度的专家组推荐模型,通过将推荐问题转化为优化问题,实现科研项目评审专家组的推荐。【结果】案例研究结果表明,通过本文方法构建的专家组在主题覆盖度上平均达到65.13%,相比于两组对照实验分别提高32.38个百分点和29.01个百分点。【局限】案例研究的样本量较为有限,未定量化探讨如何实现科研项目评审专家组推荐三个原则的多目标优化。【结论】本文提出的方法可以有效提高科研项目评审专家组对科研项目的主题覆盖度。

一种面向主题覆盖度与权威度的评审专家推荐模型研究

[目的 /意义]为投稿论文遴选出合适的审稿专家是论文发表过程中关键的一环。随着投稿论文和候选评审专家数量的持续增长,人工指定评审专家的方法在准确性和公平性上的弊端日益显露出来。因此,为进一步提高专家评审的客观性和准确性,笔者从专家知识与专家权威度两个维度对专家建模,并以此为依据为不同主题的投稿论文遴选推荐评审专家。[方法 /过程]首先分析专家知识以及投稿论文的研究内容,并提取两者涉及的多个子研究主题;然后,计算专家知识对投稿论文子主题的覆盖度,并提出融合主题特征与时间特征的权威度算法TTAM来分析专家权威度;最后,提出融合主题覆盖度和专家权威度的专家推荐框架CAUFER,综合考虑覆盖度和权威度两个因素为投稿论文推荐合适的评审专家。[结果/结论]实验结果表明,与经典的基于向量空间模型、语言模型和作者主题模型3种专家推荐算法相比,笔者提出的算法能够较好地提高专家与投稿论文的匹配度,并可据此追踪专家权威度的变化,刻画专家在特定主题下的权威度,进一步提高专家推荐的准确性和科学性。

主题分布在Deep Web数据库选择中的应用

随着越来越多的信息隐藏在Deep Web中,针对用户查询找出最相关的Web数据库成为亟待解决的问题。提出了一种基于Web数据库主题分布的方法用于Deep Web数据集成中的Web数据库选择。获取主题覆盖度形式的Web数据库内容描述,而后利用选定的Web数据库获取查询主题,最终由查询主题和主题分布矩阵来选择Web数据库。在真实Web数据库上的实验结果表明,该方法既取得了较高的查询召回率,也可有效降低数据库内容描述建立的代价。

基于概念树的论文评审专家推荐

本文基于概念树计算论文与专家之间的相似度,然后采用基于启发式的最大相似度匹配方法将论文分配给相应的评审专家。基于概念树的相似度计算,可以充分满足主题覆盖度约束;基于启发式的最大相似度匹配算法不仅可以满足利益冲突约束,又可以满足专家工作量约束。最后实验验证了所提算法的有效性。