科研項目同行評議專家學術(shù)專長匹配方法

王梓森，梁 英，劉政君，謝小杰，張 偉，史紅周

（1.中國科學院計算技術(shù)研究所，北京 100190；2.中國科學院大學計算機科學與技術(shù)學院，北京 100049）

0 引言

近年來，我國資助立項的科研項目數(shù)量和規(guī)模逐年增大，日益增加的項目審核工作給科研管理過程帶來極大的挑戰(zhàn)。據(jù)國家統(tǒng)計局數(shù)據(jù)（http：//data.stats.gov.cn）顯示，2019年我國研究與實驗發(fā)展（Research and Development，R&D）人員全時當量461萬人年，研發(fā)人力規(guī)模居全球首位，科研學者數(shù)量的增多，為推薦科研項目評審專家增加了難度。

現(xiàn)有項目評審專家推薦的過程，依賴人工參與和篩選，即待評審材料（項目申請書等）由工作人員根據(jù)項目指南所屬學科方向，通過關(guān)鍵字匹配搜索的方式分配給專家?guī)熘械闹付▽＜遥⒔Y(jié)合專家回避和專家反饋意見進行調(diào)整，以此遴選評審專家。由于項目所屬學科與專家研究興趣屬于不同的學科分類體系，分別具有不同的學科劃分標準，關(guān)鍵字詞匹配不能捕捉項目學科和研究興趣之間的語義聯(lián)系，導致推薦的專家學術(shù)專長不能精準匹配項目申報內(nèi)容。隨著學術(shù)大數(shù)據(jù)的迅速發(fā)展，細分學科不斷增多，人工篩選過程在效率和精準性上不夠，影響選拔合適的小同行專家和跨學科專家參與項目評審，甚至會導致項目評審結(jié)果缺乏公平公正性。

針對上述缺陷，本文提出一種科研項目同行評議專家學術(shù)專長匹配方法。根據(jù)學術(shù)實體（包括學科、專家、研究興趣等）與實體間關(guān)系構(gòu)建異質(zhì)學術(shù)網(wǎng)絡，設計元路徑捕捉學術(shù)實體間語義聯(lián)系；使用學術(shù)實體共現(xiàn)序列訓練網(wǎng)絡表示學習模型，獲得項目學科與研究興趣語義向量；按照項目學科樹結(jié)構(gòu)計算向量化結(jié)果語義相似度，實現(xiàn)多粒度的同行評議專家學術(shù)專長匹配。在爬取的知網(wǎng)和萬方論文數(shù)據(jù)集，某專家評審數(shù)據(jù)集，以及百度百科詞向量數(shù)據(jù)集上進行了實驗驗證和實例分析，結(jié)果表明本文方法提升了項目學科與專家研究興趣間語義關(guān)聯(lián)，并能有效應用于項目評審專家學術(shù)專長匹配。

本文主要工作包括：

1）給出科研項目同行評議學術(shù)網(wǎng)絡定義。構(gòu)建異質(zhì)學術(shù)網(wǎng)絡建立學術(shù)實體聯(lián)系，根據(jù)網(wǎng)絡關(guān)系結(jié)構(gòu)設計元路徑溝通不同類型節(jié)點，捕捉學科與專家之間的語義關(guān)聯(lián)。

2）提出一種項目所屬學科和專家研究興趣語義關(guān)聯(lián)的向量表示方法。設計元路徑指導隨機游走過程獲取學術(shù)實體共現(xiàn)序列，使用共現(xiàn)序列訓練網(wǎng)絡表示學習模型，得到包含語義信息的學術(shù)實體低維稠密向量，并通過衡量向量間相似度，表示項目學科與專家研究興趣之間的語義關(guān)聯(lián)。

3）提出一種多粒度項目評審專家學術(shù)專長匹配方法。使用專家研究興趣低維向量刻畫專家學術(shù)專長，按照項目學科樹層次結(jié)構(gòu)逐層計算專家學術(shù)專長與項目學科間語義相似度，實現(xiàn)多粒度的同行評議專家學術(shù)專長匹配。

1 相關(guān)工作

傳統(tǒng)衡量實體間關(guān)聯(lián)程度的方法通過關(guān)鍵字匹配［1］實現(xiàn)，然而一般情況下，完全不同的關(guān)鍵字卻常常蘊含相同的語義，僅依靠關(guān)鍵字無法對實體間的內(nèi)在語義關(guān)聯(lián)進行捕捉。

三元組知識圖譜與人工語義詞典常用于語義關(guān)聯(lián)計算，以捕捉實體間的語義關(guān)聯(lián)。張曄等［2］提出Acemap知識圖譜（Acemap Knowledge Graph，AceKG），對學術(shù)實體間語義關(guān)聯(lián)進行建模；基于語義詞典WordNet［3］、HowNet［4］的算法通過計算語義詞典中節(jié)點語義距離獲得節(jié)點間的關(guān)聯(lián)度。然而，知識圖譜與語義詞典在構(gòu)建時所需工作量較大，并且此類方法隨著節(jié)點數(shù)量增多，數(shù)據(jù)維度增大，計算復雜度逐漸提高。

基于語料庫的算法通過分析大規(guī)模文本，構(gòu)建詞匯與文檔之間的語義共現(xiàn)關(guān)系矩陣，從而獲得實體間語義關(guān)聯(lián)度。Deerwester等［5］通過對共現(xiàn)矩陣進行奇異值分解，提出了著名的隱語義分析（Latent Semantic Analysis，LSA）。隨著學者對LSA技術(shù)的不斷改進［6-7］，彭云等［8］在此基礎上提出語義關(guān)系約束的潛在狄利克雷分配（Semantic Relation Constrained Latent Dirichlet Allocation，SRC-LDA）擁有更牢固的統(tǒng)計基礎，并且在下游情感分析任務中擁有更高的準確性。何云等［9］引入詞性過濾對語料庫進行預處理，降低語料中噪聲對計算結(jié)果的影響，提升語義計算性能。王偉等［10］提出了一種基于滑動語義串匹配的漢語詞義消歧方法，通過建立N元語義模板庫并從待消歧句子中提取N元語義碼來確定歧義詞的最終詞義。Wang等［11］提出了一種融入文本信息的深度協(xié)同排序方法，使用語料庫中降噪后的文本數(shù)據(jù)對用戶非線性偏好建模，實現(xiàn)用戶偏好與推薦物品間的潛在語義關(guān)聯(lián)。然而，此類算法的核心在于分析語料庫中的共現(xiàn)詞匯，算法效果高度依賴于訓練語料的規(guī)模與品質(zhì)，導致文本預處理工作十分龐大。

網(wǎng)絡表示學習方法將實體以網(wǎng)絡形式建模，并通過網(wǎng)絡結(jié)構(gòu)將實體語義信息映射至低維度向量空間，從而實現(xiàn)實體間的關(guān)聯(lián)匹配。Schlichtkrull等［12］利用傅里葉變換將實體網(wǎng)絡映射到譜域，通過深度學習獲得實體語義的低維向量表示。Ji等［13］提出了基于注意力機制的異質(zhì)網(wǎng)絡深度表示學習方法，基于元路徑聚合約減異質(zhì)網(wǎng)絡，實現(xiàn)了異質(zhì)網(wǎng)絡節(jié)點的低維向量表示。深度網(wǎng)絡表示學習具有很強的高維特征組合能力，但其參數(shù)眾多，在應用于不同下游任務時存在一定的局限性。Mikolov等［14］通過滑動窗口捕捉詞語共現(xiàn)序列，以詞向量的方法刻畫詞語間的語義關(guān)聯(lián)。DeepWalk［15］模型的作者將詞向量的思想遷移至網(wǎng)絡表示學習，使用隨機游走策略在網(wǎng)絡中獲得實體語義的低維向量表示。Grover等［16］對DeepWalk算法進行了擴展，通過結(jié)合深度和廣度優(yōu)先的隨機游走，更加細致地捕捉實體網(wǎng)絡語義信息。Dong等［17］將隨機游走的思想通過元路徑的限制擴展到了異質(zhì)網(wǎng)絡，并基于學術(shù)網(wǎng)絡驗證了元路徑限制的游走序列能夠充分捕捉到異質(zhì)網(wǎng)絡中更豐富的信息。王文濤等［18］對隨機游走過程進行改進，使得節(jié)點序列能夠更好地反映網(wǎng)絡結(jié)構(gòu)，進而提升了鏈路預測任務中節(jié)點間的語義關(guān)聯(lián)效果。基于隨機游走的網(wǎng)絡表示學習方法泛化能力強，更易于應用到各種下游任務中，并且考慮到學術(shù)網(wǎng)絡數(shù)據(jù)規(guī)模龐大，本文擬采用擴展性強的基于隨機游走的網(wǎng)絡表示學習方法，獲得具備語義關(guān)聯(lián)的項目學科和專家研究興趣的低維向量表示。

2 方法概述

2.1 問題描述

項目申請時需要根據(jù)項目指南撰寫項目申請書，本文所討論的項目指南隸屬于以專題節(jié)點為根節(jié)點的項目學科分類樹中的某一學科節(jié)點。在遴選評審專家時，首先要選出學術(shù)專長和項目隸屬學科相符的專家，即根據(jù)專家的所有研究興趣節(jié)點來匹配項目學科樹下項目節(jié)點的上級學科節(jié)點，參見圖1。

圖1 專家研究興趣與項目學科匹配示例Fig.1 Matching example of research interest of expert and subject of project

現(xiàn)有方法通過判斷字詞重疊度的方式，并結(jié)合人工判別詞匯相似度，實現(xiàn)項目學科與研究興趣的關(guān)聯(lián)程度判斷。隨著學術(shù)數(shù)據(jù)量的增大，細分項目學科增多，這種方法難以捕捉研究興趣與學科之間的語義關(guān)聯(lián)，例如“大氣污染”和“環(huán)境保護”沒有字詞重疊，但都與環(huán)保主題相關(guān)。

本文利用學術(shù)大數(shù)據(jù)構(gòu)建異質(zhì)學術(shù)網(wǎng)絡，設計元路徑捕捉學術(shù)實體間語義關(guān)聯(lián)，并基于網(wǎng)絡表示學習方法獲得學術(shù)實體語義向量，按照項目學科樹層次結(jié)構(gòu)逐層計算向量間語義相似度，實現(xiàn)多粒度的同行評議專家學術(shù)專長匹配。

2.2 基本概念

1）專家：記作E，存在于專家?guī)靸?nèi)的高水平學者被稱為專家。一般根據(jù)專家遴選管理規(guī)定，從學術(shù)影響力較大的學者中遴選產(chǎn)生專家?guī)鞂＜摇?/p>

2）研究興趣：記作RI，研究興趣是專家從事科研活動的態(tài)度和傾向。本文特指專家?guī)靸?nèi)專家填報的研究興趣與專家科研成果提取的研究方向。

3）項目：記作P，項目是在特定的時間、預算、資源限定內(nèi)，依據(jù)規(guī)范完成的科學研究活動。科研項目包括國家各級政府成立基金支撐的縱向科研項目、來自企事業(yè)單位的橫向科研合作開發(fā)項目和自籌科研項目。

4）專題：記作SS，專題用于概括一類學科研究的主方向，一個專題下設多層級多學科。

5）學科：記作S，學科是專題下的多層級學術(shù)分類，按照不同所屬層級可分為一級學科、二級學科、三級學科等，下級學科從屬上級學科。其中，將連接了專題與項目的不同層級學科統(tǒng)稱為項目學科。

本文中每個項目都隸屬于某個專題下的某個學科，被不同專家評審。

定義1 學術(shù)網(wǎng)絡（Academic Network/Graph）。學術(shù)網(wǎng)絡是一個異質(zhì)網(wǎng)絡，可以表示為Gacademic={V，Edge，T，R，?，δ}，其中：

1）V={vi|i=1，2，…，N}表示節(jié)點的集合，其中N表示節(jié)點的數(shù)量。

2）Edge={ei，j| 1≤i，j≤N}表示邊的集合，其中ei，j表示學術(shù)網(wǎng)絡中兩個節(jié)點vi和vj之間的連邊，使用|Edge|表示邊的數(shù)量。

3）T={tk|k=1，2，…，|T|}表示節(jié)點類型的集合，其中tk表示節(jié)點vi的節(jié)點類型，tk∈{TE，TRI，TP，TSS，TS}，TE表示專家類型，TRI表示研究興趣類型，TP表示項目類型，TSS表示專題類型，TS表示學科類型，|T|表示節(jié)點類型數(shù)量。

4）R={rl|l=1，2，…，|R|}表示關(guān)系類型集合，其中rl可以表示學術(shù)網(wǎng)絡中一個關(guān)系類型，rl∈{RSS?S，RS?P，RE?P，RE?RI，RS?S}，RE?RI表示“具有”和“屬于”關(guān)系類型，即專家具有研究興趣，研究興趣屬于專家；RE?P表示“評審”和“被評審”關(guān)系類型，即專家評審項目，項目被專家評審；RSS?S表示“下設”和“從屬”關(guān)系類型，即專題下設一級學科，一級學科從屬專題，RS?S表示學科間“下設”和“從屬”關(guān)系類型，即n-1級學科下設n級學科，n級學科從屬n-1級學科；RS?P表示“包含”和“隸屬”關(guān)系類型，即n級學科包含項目，項目隸屬n級學科。

5）?表示節(jié)點類型映射函數(shù)。?(vi)∈T表示節(jié)點vi∈V屬于一個節(jié)點類型。

6）δ表 示 關(guān) 系 類 型 映 射 函 數(shù)。δ(ei，j)∈R表 示 邊ei，j∈Edge屬于一個關(guān)系類型。

定義1的學術(shù)網(wǎng)絡圖的網(wǎng)絡模式如圖2所示，包含了五種類型對象：專題、學科、項目、專家和研究興趣，可以看出學科之間的下設關(guān)系對應的是內(nèi)部關(guān)系，專題與學科之間的下設關(guān)系、學科與項目之間的包含關(guān)系、專家與項目之間的評審關(guān)系、研究興趣與專家之間的屬于關(guān)系對應的是相關(guān)關(guān)系。同時，專題、學科、項目構(gòu)成項目學科樹，專題是項目學科樹的根節(jié)點，學科是中間節(jié)點，項目是葉子節(jié)點。

圖2 項目評審場景學術(shù)網(wǎng)絡的網(wǎng)絡模式Fig.2 Network modeof academic network in project review scenario

定義2 類型節(jié)點集合（Type Node Set）。TYPEv表示類型為tk的節(jié)點集合，可表示為：

其中：vi∈V表示學術(shù)網(wǎng)絡中的節(jié)點，1≤i≤N，?表示節(jié)點類型映射函數(shù)，tk表示節(jié)點類型，1≤k≤|Tv|。通過類型節(jié)點集合能夠描述學術(shù)網(wǎng)絡中一個節(jié)點類型的節(jié)點集合。當tk=TS，即節(jié)點類型為學科時，類型節(jié)點集合表示為Sv；當tk=TRI，即節(jié)點類型為研究興趣時，類型節(jié)點集合表示為RIv。

為了便于描述類型節(jié)點集合TYPEv中任意一個節(jié)點，將該類型節(jié)點記為vTYPE。當tk=TS，即節(jié)點類型為學科時，節(jié)點被記為vS；當tk=TRI，即節(jié)點類型為研究興趣時，節(jié)點被記為vRI。

圖3為一個學術(shù)網(wǎng)絡示例，圖中共有10個節(jié)點，不同節(jié)點之間存在連邊。有5種節(jié)點類型，通過節(jié)點類型映射函數(shù)能夠獲得節(jié)點對應的節(jié)點類型，v1和v2是專家類型，v3是專題類型，v4、v5和v6是學科類型，v7是項目類型，v8、v9和v10是研究興趣類型；有5種關(guān)系類型，通過關(guān)系類型映射函數(shù)能夠獲得邊對應的關(guān)系類型，e7，1是“評審”和“被評審”關(guān)系，e3，4是專題學科間“下設”和“從屬”關(guān)系，e4，7是“包含”和“隸屬”關(guān)系，e5，6是學科間“下設”和“從屬”關(guān)系，e1，8是“具有”和“屬于”關(guān)系。所有學科類型節(jié)點v4、v5和v6可以表示為Sv，所有專家類型節(jié)點v1和v2可以表示為Ev，所有研究興趣類型節(jié)點v8、v9和v10可以表示為RIv。

定義3 元路徑（Meta-path）。元路徑ρ定義為學術(shù)網(wǎng)絡Gacademic中，連接兩類節(jié)點的路徑，可以用式（2）表示：

其中：tk表示Gacademic中的節(jié)點類型，rk表示Gacademic中的關(guān)系類型，參數(shù)1

圖3 項目評審場景學術(shù)網(wǎng)絡示例Fig.3 Exampleof academic network in project review scenario

2.3 整體流程

本文方法首先設計隨機游走所使用的元路徑，通過元路徑指導隨機游走得到項目學科和專家研究興趣共現(xiàn)節(jié)點序列，使用節(jié)點序列訓練網(wǎng)絡表示模型獲得項目學科與專家研究興趣語義向量，根據(jù)研究興趣與項目學科語義向量計算專家學術(shù)專長與項目學科間的語義相似度，最終根據(jù)相似度獲得推薦專家列表實現(xiàn)評審專家學術(shù)專長匹配。

圖4描述了從設計元路徑到輸出專家推薦列表的全部過程，具體步驟如下：

圖4 評審專家與項目學科匹配以及專家推薦流程Fig.4 Process of expert and project subject matchingand expert recommendation

步驟1 定義正向項目路徑FPP與反向項目路徑RPP，根據(jù)FPP與RPP設計元路徑；

步驟2 根據(jù)設計的元路徑在學術(shù)網(wǎng)絡中隨機游走，獲取包含項目學科和研究興趣的節(jié)點序列；

步驟3 將獲取的序列輸入Skip-Gram模型，進行模型訓練；

步驟4 Skip-Gram模型輸出訓練結(jié)果，獲得包含語義信息的項目學科和研究興趣表示向量；

步驟5 使用專家所有的研究興趣向量刻畫專家學術(shù)專長，并計算專家學術(shù)專長與項目學科間相似度；

步驟6 根據(jù)相似度計算結(jié)果推薦專家，獲得推薦專家列表。

3 專家研究興趣與項目所屬學科匹配方法

3.1 元路徑設計

本節(jié)總結(jié)出正向項目路徑與反向項目路徑，并設計了隨機游走使用的元路徑建立學科與專家之間的關(guān)聯(lián)，為基于隨機游走的網(wǎng)絡表示學習提供支撐。下面給出正/反向項目路徑的概念。

正向項目路徑（Forward Project Path）是從專題類型出發(fā)，到項目類型結(jié)束的元路徑，如式（3）所示：

其中：TSS表示專題類型，TS表示學科類型，TP表示項目類型；RSS?S表示“下設”和“從屬”的關(guān)系類型，RS?S表示學科間“下設”和“從屬”的關(guān)系類型，RS?P表示“包含”和“隸屬”的關(guān)系類型。正向項目路徑建立了專題與項目的聯(lián)系。

反向項目路徑（Reversed Project Path）是從項目類型出發(fā)，到專題類型結(jié)束的元路徑，如式（4）所示：

其中：TP表示項目類型，TS表示學科類型，TSS表示專題類型；RSS?S表示“下設”和“從屬”的關(guān)系類型，RS?S表示學科間“下設”和“從屬”的關(guān)系類型，RS?P表示“包含”和“隸屬”的關(guān)系類型。反向項目路徑與正向項目路徑所經(jīng)過的節(jié)點類型相同，順序不同，互為逆路徑。

圖5 項目學科示例Fig.5 Exampleof subjects that projects belonging to

根據(jù)正向項目路徑與反向項目路徑設計元路徑，建立學科與專家之間的關(guān)聯(lián)。隨機游走的元路徑設計如式（5）所示：

其中：FPP表示正向項目路徑（式（3）），TE表示專家類型，RPP表示反向項目路徑（式（4）），RE?P表示專家評審項目的關(guān)系類型。專家類型節(jié)點將正向項目路徑和反向項目路徑連接起來，構(gòu)成了一條對稱的元路徑。

元路徑將不同類型節(jié)點進行組合，用于指導隨機游走算法過程。

3.2 基于元路徑的隨機游走

本節(jié)介紹如何利用式（5）的元路徑進行隨機游走，捕捉項目學科與專家研究興趣間語義聯(lián)系，并在學術(shù)網(wǎng)絡中獲取一系列節(jié)點序列，作為3.3節(jié)Skip-Gram模型的輸入。

由于元路徑的設計是對稱的，隨機游走可以從專題節(jié)點出發(fā)游走到另一個專題。隨機游走相當于一種在學術(shù)網(wǎng)絡上的深度優(yōu)先遍歷，設當前節(jié)點為vt，下一步游走到的節(jié)點為vt+1的轉(zhuǎn)移概率如式（6）所示：

圖6 學術(shù)網(wǎng)絡元路徑示例Fig.6 Exampleof academic network meta-path

為了取得項目學科和研究興趣的語義關(guān)系，在隨機游走完成后，使用專家研究興趣替換專家節(jié)點［19］，每次替換專家節(jié)點時，將專家研究興趣對應的詞匯和短語隨機排序，使不同研究興趣在節(jié)點序列中能夠與學科節(jié)點具備相同的共現(xiàn)關(guān)系，以提升后續(xù)表示學習階段算法的穩(wěn)定性。替換過程如圖7所示，替換前，通過隨機游走獲得的節(jié)點序列保留了完整的元路徑信息；替換后，通過將專家節(jié)點替換為研究興趣節(jié)點，并刪除項目節(jié)點，使序列中只包含研究興趣、學科、專題類型的節(jié)點。節(jié)點替換后的序列中，研究興趣與項目學科直接相鄰，其間存在的語義聯(lián)系得以體現(xiàn)。

圖7 研究興趣替換示例Fig.7 Example of research interest substitution

3.3 基于Skip-Gram的表示學習方法

本節(jié)介紹基于Skip-Gram［14］的表示學習方法。使用3.2節(jié)獲得的項目學科與研究興趣序列建立節(jié)點共現(xiàn)關(guān)系，通過Skip-Gram模型得到項目學科和研究興趣的語義關(guān)聯(lián)低維向量化表示。

表示學習需要捕捉節(jié)點之間的共現(xiàn)關(guān)系，共現(xiàn)關(guān)系可簡化為一系列二元組，如式（7）所示：

其中：vi和vj表示項目學科類型節(jié)點Sv和研究興趣類型節(jié)點RIv組成集合中的任意兩個節(jié)點，|Sv|表示學科類型節(jié)點的數(shù)量，|RIv|表示研究興趣類型節(jié)點的數(shù)量，1≤i，j≤|Sv|+|RIv|。二元組表示節(jié)點vi和節(jié)點vj存在語義關(guān)聯(lián)，通過二元組能夠描述項目學科與研究興趣之間的語義關(guān)聯(lián)。

使用滑動窗口在節(jié)點序列上獲得二元組，并將二元組中節(jié)點分為中心節(jié)點和上下文節(jié)點。圖8展示了一個節(jié)點序列上滑動窗口為5采樣的示例，中心節(jié)點為v4，上下文節(jié)點為v2，v3，v5，v6，中心節(jié)點與上下文節(jié)點構(gòu)成的二元組集合可以表示為{v4，v2，v4，v3，v4，v5，v4，v6}。

Skip-Gram模型使用二元組集合作為模型的輸入和輸出，結(jié)合表示學習網(wǎng)絡捕捉節(jié)點共現(xiàn)關(guān)系。Skip-Gram模型（見圖9）最大化使用中心節(jié)點預測上下文節(jié)點的概率，繼續(xù)以圖8為例，即p(v2|v4)+p(v3|v4)+p(v5|v4)+p(v6|v4)，表示通過中心節(jié)點v4分別預測v2，v3，v5，v6節(jié)點。

圖8 節(jié)點序列上滑動窗口采樣示例Fig.8 Slidingwindow samplingexampleon node sequence

圖9 Skip-Gram模型結(jié)構(gòu)Fig.9 Skip-Gram model structure

將Skip-Gram模型應用到項目學科和研究興趣的節(jié)點序列上，其最大化概率的形式如式（8）所示：

模型經(jīng)過訓練后，選取網(wǎng)絡輸入層到隱藏層的全連接權(quán)重系數(shù)，即可獲得項目學科和研究興趣的向量化結(jié)果。項目學科和研究興趣均以低維稠密向量的形式表示，具有相同維度，能夠互相計算相似度。

3.4 評審專家與項目學科間的相似度計算

本節(jié)使用3.3節(jié)專家研究興趣與項目學科的表示學習向量化結(jié)果，計算專家與項目學科間相似度，并根據(jù)相似度完成專家學術(shù)專長匹配。

首先對專家所有的研究興趣向量化結(jié)果取平均，獲得表示專家語義信息的低維稠密向量，用以刻畫專家學術(shù)專長。隨后，對專家與項目學科低維稠密向量相似度進行計算，相似度計算方式如式（9）所示：

其中：vE表示評審專家節(jié)點，?(vE)=TE，vec(vE)表示專家低維稠密向量，vS表示學科節(jié)點，?(vS)=TS，vec(vS)表示學科低維稠密向量。相似度越大，表示專家越適合該學科下項目的評審。

專家學術(shù)專長匹配流程按照項目學科樹層次結(jié)構(gòu)由上向下逐層進行相似度計算，如圖10所示。首先，計算一級學科與專家學術(shù)專長間相似度，并將專家按相似度排序，取Top-K名專家輸入到下一層，然后，將二級學科與輸入到本層的專家列表進行相似度計算，并按同樣流程將排序后的結(jié)果繼續(xù)向下輸入，最終，不斷重復此過程直至完成葉子學科與專家列表間的相似度計算。

圖10 專家與學科匹配示例Fig.10 Exampleof expert and subject matching

在每一層的相似度計算中，不同級別的項目學科匹配的專家排序不同，數(shù)量不同。因此，對于科研“大同行”和“小同行”，所提方法可以得到不同方案的推薦專家列表，從而實現(xiàn)多粒度的專家推薦策略，為不同層級學科提供不同的備選評審專家團隊。

4 實驗與效果評估

實驗數(shù)據(jù)為本文爬取的某專家?guī)鞌?shù)據(jù)集，知網(wǎng)和萬方論文數(shù)據(jù)集，以及百度百科公開詞向量數(shù)據(jù)集，通過算法對比與實例分析對所提方法有效性進行了驗證。使用某專家?guī)鞌?shù)據(jù)集與百度百科公開詞向量數(shù)據(jù)集開展了語義關(guān)聯(lián)方法對比實驗及分析。使用某專家?guī)鞌?shù)據(jù)集開展了專家學術(shù)專長匹配實驗，通過人工標注的方法，驗證了專家學術(shù)專長匹配方法的有效性。

4.1 實驗數(shù)據(jù)

1）某專家評審數(shù)據(jù)集。

根據(jù)網(wǎng)上的公開信息，創(chuàng)建了5萬左右的專家數(shù)據(jù)。包括專家的基本信息、科研信息、研究興趣、個人業(yè)績、工作經(jīng)歷信息等，選取部分數(shù)據(jù)域描述如圖11所示。基于該數(shù)據(jù)集內(nèi)部實體間關(guān)聯(lián)關(guān)系，構(gòu)成專家評審學術(shù)網(wǎng)絡，以展開專家研究興趣和項目學科語義關(guān)聯(lián)實驗。

圖11 某專家評審數(shù)據(jù)集描述Fig.11 Review expert dataset description

2）知網(wǎng)和萬方論文數(shù)據(jù)集。

由于專家?guī)靸?nèi)專家研究興趣存在一定滯后性，本文使用從知網(wǎng)和萬方網(wǎng)站抓取的論文數(shù)據(jù)對專家研究興趣數(shù)據(jù)進行補充。根據(jù)專家?guī)熘袑＜业男彰退鶎贆C構(gòu)，從網(wǎng)站抓取2018年7月之前專家所發(fā)表過的論文。論文數(shù)據(jù)經(jīng)過清洗和去重之后，專家所參與發(fā)表的論文共計3 948 047篇，論文信息包括論文標題、作者、關(guān)鍵字，不包含論文全文信息。

3）百度百科詞向量數(shù)據(jù)集。

為了與本文所提的實體語義關(guān)聯(lián)方法相比較，選取由百度百科訓練得到的公開詞向量數(shù)據(jù)［21］，該數(shù)據(jù)包含百度百科2018年4月之前公開的文本數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗后語料大小4.1 GB，包含總詞匯數(shù)7.45億，獨立詞匯數(shù)量542萬，使用基于Skip-Gram的表示學習方法對其進行訓練，滑動窗口大小設置為5，負采樣數(shù)量為5。此數(shù)據(jù)源的訓練結(jié)果將用于語義關(guān)聯(lián)方法對比實驗中。

4.2 項目學科和研究興趣語義關(guān)聯(lián)

4.2.1 實驗參數(shù)設置

表1列出項目學科和研究興趣語義關(guān)聯(lián)實驗中涉及的多個超參數(shù)。

表1 項目學科和研究興趣語義關(guān)聯(lián)實驗參數(shù)設置Tab.1 Parameter settingof semantic association experiment on project subject and research interest

Walk_num為500和Walk_len為5 000表示需要從專題開始基于元路徑游走500次，每次游走5 000步，Embedding_size為128表示獲得專家研究興趣和項目學科的向量維度為128。在基于Skip-Gram的表示學習過程中，滑動窗口大小設置為9表示觀察9個上下文節(jié)點，Neg_num為5表示負采樣5個節(jié)點。按照上述參數(shù)設置進行訓練，獲得的向量化結(jié)果有項目學科低維稠密向量和研究興趣低維稠密向量，這2類向量存在語義關(guān)聯(lián)。

4.2.2 評價指標

向量化后的項目學科和研究興趣之間的語義關(guān)聯(lián)可以通過計算其間相似度加以衡量，定義項目學科與研究興趣之間的向量余弦相似度為語義評分，如式（10）所示：

其中：節(jié)點vi和vj表示項目學科和研究興趣，?∈Gacademic，?(vi)≠?(vj)表示不同類型節(jié)點的相似度比較，約束條件?(vi)，?(vj)∈{TS，TRI}表示比較的節(jié)點限于項目學科和研究興趣類型節(jié)點。

4.2.3 實驗分析

實驗對比了LSA、LDA、詞向量3種常見語義關(guān)聯(lián)方法，通過計算語義關(guān)聯(lián)結(jié)果的語義評分，比較不同方法在項目學科和研究興趣語義關(guān)聯(lián)中的效果。

首先選擇“創(chuàng)新診療裝備產(chǎn)品評價”學科作為語義評分計算時用到的項目學科，從某專家?guī)鞌?shù)據(jù)集中選出參與過此學科評審工作的全部評審專家，并將這些專家的所有研究興趣作為語義評分計算時用到的研究興趣。通過使用不同方法對上述項目學科與研究興趣語義評分進行計算，來衡量不同算法的語義關(guān)聯(lián)效果，其中，評分越高表明算法捕捉了更多的語義關(guān)聯(lián)。

實驗結(jié)果如圖12所示，本文方法在項目學科和研究興趣語義關(guān)聯(lián)上相比其他方法均具備優(yōu)勢。圖12（a）是所有研究興趣的平均語義評分，圖12（b）是選取5個高頻研究興趣的語義評分。由于LSA方法依賴于共現(xiàn)矩陣，不能識別未出現(xiàn)在語料庫中的共現(xiàn)關(guān)系，因此在不同研究興趣上語義評分波動較大；LDA在LSA的基礎上引入主題概率，相當于加入平滑操作，結(jié)果相對穩(wěn)定，但這兩種方法都基于共現(xiàn)矩陣，整體效果較差；詞向量方法通過引入外部訓練語料，提升了語義關(guān)聯(lián)度，但是由于外部語料對評審專家推薦過程缺乏知識覆蓋度，導致效果依然有限；本文方法利用元路徑溝通了項目學科和研究興趣之間的語義聯(lián)系，使語義關(guān)聯(lián)效果得到提高。

圖12 不同方法語義關(guān)聯(lián)比較Fig.12 Semantic association comparison of different methods

下面以具體實例對本文語義關(guān)聯(lián)方法效果進行分析。隨機選取5個項目學科（突發(fā)污染事故應基于經(jīng)評估技術(shù)、混合動力發(fā)動機開發(fā)、手術(shù)機器人、小分子調(diào)控細胞命運轉(zhuǎn)變、新型果蔬汁加工關(guān)鍵技術(shù)及裝備研發(fā)），對其計算語義評分最高的5個專家研究興趣。從表2可以看出，得到的研究興趣與項目學科相關(guān)，說明向量化后的項目學科和興趣互相關(guān)聯(lián)。

表2 項目學科與研究興趣語義關(guān)聯(lián)分析Tab.2 Analysisof semantic association between project subject and research interest

4.3 專家學術(shù)專長匹配

4.3.1 實驗參數(shù)設置

在計算專家與項目學科間相似度時，隨著專家學術(shù)專長匹配的進行，適合評審的專家數(shù)量應當不斷減少，從而逐層完成細分學科方向?qū)＜彝扑]。本文項目評審數(shù)據(jù)中學科分類最高涉及四級學科節(jié)點，一級、二級、三級、四級學科推薦專家列表大小設置分別為1 000、500、200、100。學科匹配推薦專家數(shù)量與葉子節(jié)點所在層級有關(guān)，學科細分程度越高推薦匹配的專家越少。

4.3.2 評價指標

設計專長匹配評分用于評價學術(shù)專長匹配方法效果。首先采取人工驗證的方式，對推薦專家列表中的所有專家逐一進行匹配程度判定，匹配程度包括非常匹配（2分）、一般匹配（1分）、不匹配（0分），依次表示專家的研究興趣和項目學科相關(guān)、部分相關(guān)、不相關(guān)。

判定后，使用獲得的匹配程度計算專長匹配評分，專長匹配評分計算方法如式（11）所示：

4.3.3 實驗分析

實驗對大氣自由基及納米顆粒物化學組分在線測量技術(shù)、細胞運動中的蛋白質(zhì)機器、高比功率長壽命動力電池技術(shù)、高耐磨高強韌重載鋼軌用鋼、高精度原子磁強計（基礎前沿類）五個項目進行了專家學術(shù)專長匹配，并選擇項目所對應二級學科的專長匹配結(jié)果，結(jié)合人工標注的方式驗證了學術(shù)專長匹配方法的有效性。

為了保證驗證過程的普適性，從匹配結(jié)果共500名的推薦專家列表中隨機抽取20名專家（即Nk=20），并重復隨機抽取5次進行驗證。使用專長匹配評分進行評價，統(tǒng)計專長匹配度評分平均值、最小值、最大值，如圖13所示。從圖13中可以看出專長匹配評分平均值在0.8左右，說明專家推薦結(jié)果的學術(shù)專長匹配程度較高，驗證了專家學術(shù)專長匹配方法的有效性。

圖13 不同學科下的專家學術(shù)專長匹配度Fig.13 Matching degreeof expert academic expertise in different subjects

5 結(jié)語

針對現(xiàn)有評審專家推薦流程中項目學科與研究興趣缺乏語義關(guān)聯(lián)的問題，提出了一種科研項目同行評議專家學術(shù)專長匹配方法，設計元路徑捕捉項目學科與研究興趣間語義關(guān)聯(lián)，使用基于隨機游走的網(wǎng)絡表示學習模型訓練，獲得項目學科與專家研究興趣向量化結(jié)果，根據(jù)項目學科樹結(jié)構(gòu)計算表示向量相似度，實現(xiàn)多粒度的專家學術(shù)專長匹配。在爬取的知網(wǎng)和萬方論文數(shù)據(jù)集，某專家評審數(shù)據(jù)集，以及百度百科詞向量數(shù)據(jù)集上進行了實驗驗證和實例分析，結(jié)果表明本文方法能提升項目學科與專家研究興趣間語義關(guān)聯(lián)，并有效應用于項目評審專家學術(shù)專長匹配。在未來的工作中，將進一步研究實時推薦、冷啟動等問題，并應用于專家的精準推薦上。