基于科技大数据的科研项目评审专家精准匹配方法与流程

本发明涉及数据处理，具体为基于科技大数据的科研项目评审专家精准匹配方法。

背景技术：

1、科研项目评审是科技资源分配的核心环节，评审专家的遴选质量直接影响科研项目的立项水平。随着科技大数据的不断积累，采用信息化手段通过计算文本相似度来自动匹配评审专家已成为该领域常用的技术手段。

2、现有的专家匹配系统通常仅提取专家的历史论文或过往项目文本进行静态关键词的比对计算。这种机制将专家的科研特征固化在过去的时间节点，未考量科研人员研究方向随时间推移而产生的动态演进。由于科研项目的执行通常在未来的一段周期内，基于静态历史数据的匹配会产生时间滞后，导致遴选出的专家在项目真实执行期的研究走向与项目本身的前瞻性需求产生偏离。

3、现有的专家回避制度主要依赖申请人人工填报的显性回避名单或基础的同单位回避规则。这种常规过滤方式无法挖掘海量历史合作与评审数据中隐藏的利益关联。在实际业务中，部分专家与申请人之间通过长期的共同署名或历史评审评分，在底层形成了跨单位的隐性互惠网络。现有技术缺乏对这种复杂数据拓扑结构的侦测与度量手段，无法识别并剔除处于闭环利益输送关系中的专家节点，从而难以保障评审环节的客观与公正。

4、随着技术的发展，现代科研项目往往涉及多个学科的交叉，对评审专家的技术覆盖广度提出了不同要求。常规的匹配算法大多采用固定的相似度阈值进行单次、单点的距离计算，既没有将具体项目的学科交叉广度转化为动态的匹配空间范围，也未能从连续的时间尺度上量化专家研究方向与项目需求在整个执行周期内的持续重叠程度。这种固化的匹配逻辑容易造成局部偏差，无法准确评估专家在科研项目全生命周期内的综合适配度。

技术实现思路

1、针对现有技术的不足，本发明提供了基于科技大数据的科研项目评审专家精准匹配方法，解决了现有技术中依靠静态特征比对导致专家匹配存在时间滞后、缺乏对隐性利益冲突进行拓扑度量与规避，以及采用固定阈值单点匹配无法评估专家与科研项目全周期动态契合度的技术问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、本发明提供基于科技大数据的科研项目评审专家精准匹配方法，包括以下步骤：

4、步骤s100，获取目标专家的历史科研业务文本集合与待匹配的科研项目申报书文本，提取特征要素并通过张量积运算分别构建对应的正交语义张量；

5、步骤s200，基于特征要素的联合共现概率与边缘分布概率计算关联紧密度，根据关联紧密度构建度量张量矩阵，以确立非欧几何流形；

6、步骤s300，结合克里斯托弗符号计算目标专家的协变加速度，利用协变加速度计算修正特征坐标，以得到目标专家在科研项目执行期间的专家时间序列预测演化轨迹；

7、步骤s400，构建隐性互惠网络图，通过识别隐性互惠网络图中的强连通分量剔除存在利益关联的候选评审专家，得到通过拓扑独立性侦测的候选评审专家节点；

8、步骤s500，根据语义信息熵设定流形半径并计算瞬时测地线距离，构建瞬时碰撞强度函数并进行定积分运算，根据时空碰撞积分值选取科研项目评审专家。

9、进一步地，提取历史科研业务文本集合与科研项目申报书文本在正交语义维度下的特征要素，包括：将历史科研业务文本集合与科研项目申报书文本转化为标准化的文本序列数据；采用预训练语言模型结合条件随机场的网络架构建立依存句法分析与语义角色标注模型，通过依存句法分析与语义角色标注模型识别文本序列数据中的中心谓词以及中心谓词关联的论元；在预设的论元映射规则中，将表示动作工具或方式的伴随状语论元映射为研究方法维度特征，将表示动作承受者的受事论元映射为研究对象维度特征，将表示时间、空间或条件约束的状语论元映射为应用环境维度特征。

10、进一步地，根据关联紧密度构建度量张量矩阵以确立非欧几何流形，包括：将特征要素在全局特征矩阵中出现的文档频率除以文本总数得到边缘分布概率，将两个特征要素在同一篇文本中同时出现的文档频率除以文本总数得到联合共现概率；将联合共现概率除以两个特征要素各自边缘分布概率的乘积，对除法运算结果取对数得到点互信息值，将点互信息值作为关联紧密度；对点互信息值进行指数衰减变换，将基础平坦空间的基底设为克罗内克函数，将克罗内克函数与指数衰减变换结果相加得到度量张量矩阵。

11、进一步地，计算目标专家的协变加速度，包括：采用有限差分法对度量张量矩阵的张量维度坐标求偏导数，结合度量张量矩阵的逆矩阵与偏导数结果计算得到克里斯托弗符号；对专家时间序列演化轨迹关于时间参数求一阶导数得到演化速度向量，将克里斯托弗符号与演化速度向量的维度分量乘积相加，并将相加结果与演化速度向量的普通时间导数进行求和运算得到协变加速度。

12、进一步地，利用协变加速度计算修正特征坐标，包括：依据科研项目申报书文本所处的时间节点确定时间差值；将目标专家的当前科研特征坐标、演化速度向量与时间差值的乘积、以及协变加速度与时间差值平方的二分之一进行累加运算，得到修正特征坐标。

13、进一步地，计算有向边的边权重以生成邻接权重矩阵，包括：建立事件类型与基础权重值的映射表，在事件类型为共同署名论文时将基础权重值赋值为第一预设数值，在事件类型为历史评审数据且评审评分高于预设优秀阈值时将基础权重值赋值为第二预设数值；利用时间衰减函数对节点之间每次事件发生时间至当前时间的时间间隔进行加权计算，将加权计算结果与对应的基础权重值相乘，对节点之间发生历史利益输出关系的所有事件相乘结果进行累加得到有向边的边权重；依据隐性互惠网络图中各个有向边对应的所有边权重生成邻接权重矩阵。

14、进一步地，通过识别隐性互惠网络图中的强连通分量剔除存在利益关联的候选评审专家，包括：将邻接权重矩阵中所有非零边权重的平均值设定为互惠强度阈值；在边权重大于互惠强度阈值时保留有向边，在边权重小于或等于互惠强度阈值时删除有向边以得到剪枝后的有向图；采用深度优先搜索算法遍历剪枝后的有向图，在遍历过程中为每一个节点分配访问次序编号与追溯节点编号，将具有相同追溯节点编号的节点子集判定为强连通分量。

15、进一步地，剔除存在利益关联的候选评审专家，包括：在候选评审专家节点与申请人节点位于同一个强连通分量内时，判定候选评审专家节点未通过拓扑独立性侦测并将关联的候选评审专家节点剔除；在存在多个候选评审专家节点位于同一个强连通分量内时，仅保留多个候选评审专家节点中对应测地线距离最小的一个候选评审专家节点，剔除位于同一个强连通分量内的其余候选评审专家节点。

16、进一步地，构建瞬时碰撞强度函数，包括：统计科研项目申报书文本在各个维度下的特征词频，将特征词频除以对应维度的总词频得到特征概率，通过对特征概率与特征概率自然对数的乘积求和的负数形式计算得到各个维度的语义信息熵；将各个维度的语义信息熵求和得到总信息熵，将预设的区域扩散系数与总信息熵的乘积设定为流形半径；在瞬时测地线距离小于或等于流形半径时，将瞬时测地线距离平方的负数除以流形半径平方的两倍得到除法结果，对除法结果取指数函数得到瞬时碰撞强度函数；在瞬时测地线距离大于流形半径时，将瞬时碰撞强度函数的值设定为零。

17、进一步地，根据时空碰撞积分值选取对应的候选评审专家节点作为科研项目评审专家，包括：对科研项目申报书文本对应的项目起始时间戳至项目结题时间戳区间内的瞬时碰撞强度函数进行定积分运算，得到时空碰撞积分值；按照时空碰撞积分值从大到小的顺序对候选评审专家节点进行降序排列，截取降序排列序列中排名前列且数量等于评审专家数量阈值的候选评审专家节点，输出为最终的科研项目评审专家。

18、本发明提供了基于科技大数据的科研项目评审专家精准匹配方法。具备以下有益效果：

19、1、本发明通过构建非欧几何流形并计算专家演化轨迹的协变加速度，能够预测专家在科研项目执行期间的修正特征坐标。该技术手段克服了传统方法仅依赖静态历史文本比对造成的滞后性问题，能够根据专家过往研究轨迹的变化推演其未来的研究走向，从而将专家匹配的时间基准对齐至科研项目的真实执行周期，提高了评审专家的技术演进方向与项目前瞻性需求之间的契合度。

20、2、本发明提取历史合作数据与历史评审数据构建隐性互惠网络图，并利用深度优先搜索算法识别拓扑结构中的强连通分量，以此剔除存在利益关联的候选专家。该过程结合时间衰减函数与事件类型量化节点间的利益输送强度，能够从底层数据结构中客观侦测出具有闭环互惠关系的专家群体，从源头阻断了潜在的人情关系干扰，保障了科研项目评审名单的独立性与公正性。

21、3、本发明利用科研项目申报书文本的语义信息熵动态设定需求流形区域的半径，并对瞬时碰撞强度函数进行区间定积分运算得出时空碰撞积分值。该匹配逻辑不仅将项目的学科交叉广度转化为客观的空间范围参数，还通过定积分操作量化了专家研究方向在整个项目执行周期内与技术需求的重叠程度，实现了连续时间尺度下的动态匹配，避免了单一点位匹配造成的局部误差。