基于贪心搜索的分组项目评审专家遴选方法

在科技项目评审环节中,往往每组同时有多个项目和多位评审专家,其中每个项目都有其所覆盖的专业领域,而每位专家又有其所研究的专业领域,如何科学且自动地根据待评审科技项目所涵盖的专业领域,从候选专家库中找出合适的评审专家组合团体具有很实际的研究意义.对此本文提出了一种基于贪心算法的科技项目评审专家多重匹配模型,该模型应用于已经建立起关联的“项目-领域”与“专家-领域”两个相关性矩阵上,通过分别计算科技项目及评审专家团体所对应于专业领域上的离散分布,并利用合适的评价函数综合衡量待审科技项目与评审专家组合之间的匹配度,最终求出最优的评审专家组合来作为该期科技项目的最终评审专家团体.本文通过使用电力行业数据集进行多次实验,结果表明该模型能有效地进行科技项目评审专家的匹配,并具有较高的合理性与准确性,在解放人力成本提高评审工作效率的同时,也杜绝了传统人工遴选专家过程中所出现纰漏以及评审不公现象的发生.     

面向电网调度领域的实体识别技术

近年随着电网调度领域数据自动化、智能化管理需求的日益增长,知识图谱成为提供知识管理、智能查询、辅助决策等功能的重要技术。实体作为构成知识图谱的核心要素,识别的准确率将直接影响知识图谱的质量。针对电网调度领域,首先分析电网调度实体识别研究现状,明确了实体识别任务目标,然后根据电网调度领域文本数据特征,设计了同时满足局部特征与全局特征提取需求的算法结构,构建了基于双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)-卷积神经网络(convolutional neural networks, CNN)-条件随机场(conditional random field,CRF)的电网调度领域实体识别模型。最后实验结果表明,所提方法识别准确率达到93.1%,F₁值达到86.05%,能够有效支撑电网调度领域实体识别工作的开展。