基于知识组织的科研项目评审专家发现研究

本书通过用户自然标注构建知识库是自动标引的一个重要思路。目前，自动标引抽出的表达文献主题的关键词的准确性偏低，这在一定程度上是因为自动标引使用的知识库通常是依靠领域专家手工建立的，难以较为全面地将用户使用的词语包含进去，其覆盖面和更新速度有待提高。而用户自然标注能够为扩充知识库提供一个途径，将用户对某一领域内常用的概念或主题词全面快速地扩充，并尽可能符合用户的使用习惯。因此，研究基于用户自然标注的机器辅助标引算法，在提高自动标引的准确率以及标引结果更加符合用户使用习惯方面具有重要意义。

宋培彦，男，博士，教授、硕士生导师，山东济宁人。2006年硕士毕业于中国社会科学院语言研究所，2010年博士毕业于北京师范大学中文信息处理研究所。2010年7月至2019年10月任职于中国科学技术信息研究所，先后从事“汉语主题词表”研究、“STKOS英文超级科技词表”研究、国家科技管理信息系统建设等工作，专注于知识组织研究和科技大数据应用工作。2019年11月任职于天津师范大学管理学院，从事知识组织、管理信息系统和科技大数据教学科研工作。主持国家社会科学基金项目3项、国家科技支撑计划子任务1项，参与完成各类项目30余项，出版2部学术专著，发表30余篇学术论文，获得4项发明专利和6项软件著作权，获得省级科技奖励1项、行业类奖励多项，其代表性应用系统为“科研项目评审专家发现系统”“国际组织术语服务系统”。

第一章 绪论 1.1 研究背景 1.2 应用实践 1.3 理论基础 1.4 基本思路 1.5 研究内容 1.6 章节导读 第二章 专家发现：动因与模式 2.1 创新驱动发展战略与政策要求 2.2 “反五唯”背景下专家发现模式 2.3 专家发现中的计算模型 2.3.1 经典专家发现模型 2.3.2 基于话题模型的专家发现方法 2.3.3 基于网络社区问答的专家发现方法 2.4 专家发现的数据基础 2.4.1 数据关联模型 2.4.2 专家画像 2.5 小结 第三章 专家信息语义化组织模型 3.1 科技专家信息语义表示模型 3.1.1 专家信息描述框架 3.1.2 专家信息聚合流程 3.1.3 RDF语义化推理 3.1.4 小结 3.2 专家研究专长发现 3.2.1 计算模型 3.2.2 实验 3.2.3 小结 3.3 同行专家发现 3.3.1 计算模型 3.3.2 数据实验：以“肿瘤学”为例 3.3.3 小结 3.4 专家学术影响力与活跃度 3.4.1 计算模型：标准化影响因子 3.4.2 实验分析 3.4.3 小结 第四章 知识驱动的专家发现辅助技术 4.1 科研项目与专家的自动适配 4.1.1 辅助标引算法研究框架 4.1.2 实证研究 4.1.3 小结 4.2 专家潜在合作关系自动发现 4.2.1 作者潜在合作关系挖掘 4.2.2 实证研究 4.2.3 小结 4.3 基于叙词表的关键词共现网络优化 4.3.1 关键词共现网络优化模型 4.3.2 实证研究 4.3.3 小结 第五章 科研项目评审专家发现原型系统设计与示范应用