开放数据环境下技术专家定位与评估方法研究

How to capture emergent needs and provide efficient solution with open data has become a key issue to dominate today’s global commercial competitions. The current applications with open data concentrate on the matching process between customers’ interests and their related services, but there is no systematic research and scalable applications on technical expert’s identification, matching, evaluation, and recommendation. This project focuses on open data, emphasizes the combination of qualitative and quantitative methodologies, and proposes a methodology to identify expert clumping, evaluate potential value of experts, and recommend appropriate assembles of technical experts for specific needs. Bibliometric and text mining techniques are highly involved, while competitive technical intelligence and artificial intelligence techniques (e.g., machine learning and recommender systems) are also introduced to create the methodological framework. The main objective is to solve the actual problem of technical expert selection for government, industry, and institution.

在愈发透明与开放的数据环境下，迅速的掌握与分析需求并提供高效的解决方案是日益激烈的国际化与商业化竞争中取得决胜的关键因素。开放数据的商业应用集中于需求及客户定位与匹配，但缺乏针对技术专家的识别、定位、评估与推荐问题的系统研究与规模应用。本项目着眼于开放数据环境的典型特征，运用定量分析与定性分析相结合的理论方法与技术手段，寻求从海量网页数据、社交媒体以及科技文献数据中定位技术专家聚簇，评估技术专家潜在价值，并推荐最佳专家组合的方法体系。方法层面上，本项目以文本挖掘与文献计量学为核心，引入技术竞争情报方法体系以及机器学习与推荐系统等人工智能领域先进技术方法，构建开放数据环境下的技术专家定位与评估方法体系，解决国家政府、大中型企业以及研究机构技术专家无处选、无法选的实际问题。

在愈发透明与开放的数据环境下，迅速的掌握与分析需求并提供高效的解决方案是日益激烈的国际化与商业化竞争中取得决胜的关键因素。开放数据的商业应用集中于需求及客户定位与匹配，但缺乏针对技术专家的识别、定位、评估与推荐问题的系统研究与规模应用。.本项目着眼于专家识别与推荐需求，采用文本挖掘、文献计量、深度学习等方法，聚焦“专家知识特征表示”、“候选专家识别”、“潜力新星识别”和“专家组推荐”等核心内容展开探索性研究，构建了基于主题覆盖度的专家组推荐模型和融合技术竞争情报分析的潜力新星识别体系,并以自科基金项目评审专家推荐、3D打印技术领域潜力新星识别开展实证应用。.依托本项目的研究，指导完成博士学位论文3篇，硕士学位论文5篇，发表学术论文26篇，其中，其中SCI/SSCI检索18篇，CSSCI或核心期刊论文8篇。