基于Python技术和TF-IDF算法的科技专家库建设案例研究 | |
杨好; 周长海 | |
刊名 | 科技促进发展 |
2022-10-21 | |
卷号 | 18期号:07页码:864-871 |
ISSN号 | 1672-996X |
文献子类 | 期刊 |
英文摘要 | 本研究以中国科学院科技专家库建设为案例,探讨了在信息安全环境下利用智能技术完善并更新专家库信息、运用综合指标遴选专家的路径,在此基础上总结了中科院科技专家库信息系统的设计与实践。首先,基于Python大数据网络爬虫技术和文献情报分析相结合的方式,补充专家基础数据,并定期更新专家信息;其次,建立专家信誉度评价指标体系;第三,在遴选专家时,运用TF-IDF算法对项目和专家信息进行关联分析,并结合学科分类标准对专家研究领域分类,以提高项目-专家研究领域的匹配度;第四,综合各项关键指标遴选确定最终候选专家;最后,在此基础上设计并开发了中科院科技专家库信息系统,有效提升了专家库管理和专家遴选的工作效率。 |
URL标识 | 查看原文 |
内容类型 | 期刊论文 |
源URL | [http://ir.casisd.cn/handle/190111/11765] |
专题 | 第三方评估研究支撑中心 |
通讯作者 | 杨好 |
作者单位 | 1.中国科学院发展规划局 2.中国科学院科技战略咨询研究院 |
推荐引用方式 GB/T 7714 | 杨好,周长海. 基于Python技术和TF-IDF算法的科技专家库建设案例研究[J]. 科技促进发展,2022,18(07):864-871. |
APA | 杨好,&周长海.(2022).基于Python技术和TF-IDF算法的科技专家库建设案例研究.科技促进发展,18(07),864-871. |
MLA | 杨好,et al."基于Python技术和TF-IDF算法的科技专家库建设案例研究".科技促进发展 18.07(2022):864-871. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论