本發(fā)明涉及一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法，屬于計算機應(yīng)用技術(shù)、論文/項目評審管理應(yīng)用領(lǐng)域。

背景技術(shù)：

目前，國家和高校越來越重視學(xué)術(shù)及科學(xué)研究，論文和項目申請數(shù)量也逐年增多，在有限時間內(nèi)將論文/項目分配給合適的評審成為困擾會議、期刊、項目組織者的難題。評審專家的審閱意見是論文錄用或者項目授予的直接依據(jù)，因此確保評審結(jié)果的公正性、權(quán)威性，是組織者一直以來關(guān)注的重點。面對大量的論文/項目以及繁重的組織工作，利用計算機技術(shù)進行評審分配已成為趨勢，但現(xiàn)有的方法大多是在滿足用戶設(shè)定的約束條件前提下，計算論文/項目與專家的專業(yè)領(lǐng)域相似度，作為評審分配的主要依據(jù)。在論文/項目的作者/申請人與專家存在現(xiàn)實中的直接或間接的學(xué)術(shù)交流的情況下，專家的主觀因素會影響到評審過程的客觀性，導(dǎo)致評審結(jié)果難免出現(xiàn)偏差。

論文/項目合作數(shù)據(jù)庫記錄了大量公開發(fā)布的文獻資料，包含文章標(biāo)題、文章作者及合作者、會議/期刊論文集、會議/期刊名稱及發(fā)布時間等信息；該數(shù)據(jù)庫中的論文/項目的作者/申請人包含了待分配的論文/項目的作者/申請人與專家，以及其他論文/項目的作者/申請人；利用論文/項目的作者/申請人與專家的合作路徑，能夠很好地反映出論文/項目的作者/申請人與專家在現(xiàn)實中的直接或間接的學(xué)術(shù)交流情況。

本方法基于論文/項目合作數(shù)據(jù)庫建模社會網(wǎng)絡(luò)，計算出論文/項目的作者/申請人與專家的合作距離；通過最大化論文/項目與專家的合作距離，降低專家的主觀因素，提高了評審過程的客觀性；同時結(jié)合專業(yè)領(lǐng)域標(biāo)簽，最大化論文/項目與專家的標(biāo)簽相似度，為評審分配提供系統(tǒng)全面、科學(xué)有效的解決方案。

與本文相關(guān)的論文主要有兩篇，下文分別對這兩篇論文進行剖析：

論文(1)：全國青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會議，2007年，作者張正文、唐錫晉，標(biāo)題為論文分配的支持方法研究。該論文首先計算論文關(guān)鍵詞向量和評審知識結(jié)構(gòu)關(guān)鍵詞向量之間的相似度作為客觀相似度；接著根據(jù)評審之間是否有合作或發(fā)表過包含相同或同義的關(guān)鍵詞，構(gòu)建社會網(wǎng)絡(luò)，以評審之間的知識結(jié)構(gòu)關(guān)鍵詞向量的相似度為權(quán)值，計算最大權(quán)值路徑作為評審的主觀相似度；最后結(jié)合評審個人傾向，計算綜合相似度，按照遞減排序進行評審分配。該論文所用方法雖然構(gòu)建了結(jié)合了社會網(wǎng)絡(luò)，但是該社會網(wǎng)絡(luò)僅是用來計算評審之間的相似度，所用評審分配方法的主要依據(jù)是專家個人傾向、論文與評審或評審之間的關(guān)鍵詞向量相似度，沒有考慮論文作者與評審的學(xué)術(shù)交流情況。

論文(2)：北京交通大學(xué)碩士學(xué)位論文，2014年，作者夏雷，標(biāo)題為基于二部圖匹配和聚類的論文分配方法研究。該論文構(gòu)建論文與專家二部圖網(wǎng)絡(luò)，以邊的權(quán)重作為分配權(quán)重；分配權(quán)重依據(jù)基礎(chǔ)權(quán)重(值為1)、專家傾向、論文作者與專家是否同單位、論文與專家的研究領(lǐng)域進行計算；基于二部圖的匈牙利算法和km算法，設(shè)計均衡分配算法實現(xiàn)了評審分配。該論文所用方法雖然構(gòu)建了論文與評審的二部圖網(wǎng)絡(luò)，但是該二部圖網(wǎng)絡(luò)的權(quán)重計算的主要依據(jù)仍是個人傾向、論文與評審的研究領(lǐng)域相似度，依然沒有考慮論文作者與評審的學(xué)術(shù)交流情況。

上述已有的評審分配方法雖然解決了按照論文/項目與專家的專業(yè)領(lǐng)域的進行評審分配的問題，但均沒有考慮到論文/項目的作者/申請人與專家存在現(xiàn)實中的直接或間接的學(xué)術(shù)交流的情況，沒有將學(xué)術(shù)專長和社會網(wǎng)絡(luò)進行深度融合，很可能因?qū)＜业闹饔^因素而影響評審結(jié)果的客觀性。因此，評審分配方法具有很大的改進空間。本發(fā)明的目的是即是致力于解決上述評審分配方法的缺陷，提出一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在解決已有的評審分配方法沒有考慮論文/項目的作者/申請人與專家的學(xué)術(shù)交流而影響評審分配的客觀性的缺陷，提出了一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法。

一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法，簡稱本方法，核心內(nèi)容為：基于論文/項目合作數(shù)據(jù)庫建模社會網(wǎng)絡(luò)，提出論文/項目與專家的合作距離；綜合論文/項目與專家的相似度與合作距離，提出論文/項目與專家的匹配度，確定最優(yōu)化目標(biāo)；采用最大匹配度優(yōu)先與最小差調(diào)整算法，得出論文/項目的最優(yōu)評審分配結(jié)果；本方法能夠在滿足論文/項目的作者/申請人與專家無合作、非師生、不屬于同一機構(gòu)的約束條件下，實現(xiàn)均衡評審分配，最大化評審分配的標(biāo)簽相似度和與合作距離和，確保評審結(jié)果的客觀、公平、公正。

為實現(xiàn)上述目的，本方法包括如下步驟：

步驟1：根據(jù)給定數(shù)據(jù)集，建立標(biāo)簽集、帶標(biāo)簽的論文/項目集與專家集，以及論文/項目集的作者/申請人集；得出論文/項目數(shù)及專家數(shù)、標(biāo)簽相似度矩陣以及論文/項目-專家的標(biāo)簽相似度；

其中，標(biāo)簽集，記為t；論文/項目集，記為p；專家集，記為r；論文/項目集p的作者/申請人集，記為a；集合大小|t|＝h,|p|＝g,|r|＝f，|t|代表標(biāo)簽集t的大小，|p|代表論文/項目集p的大小，|r|代表專家集r的大小，且標(biāo)簽集t、論文/項目集p以及專家集r的大小，分別記為h,g,f，h,g及f均為大于1的整數(shù)常量；

對p中的任何一篇論文/項目p，p的標(biāo)簽集表示為t(p)，p的作者/申請人集表示為a(p)，|a(p)|為大于1的整數(shù)且不唯一，|a(p)|代表作者/申請人集a(p)的大??；對r中的任一專家r，r的標(biāo)簽表示為t(r)；且

標(biāo)簽相似度矩陣，記為s[h][h]；其中每個元素表示相應(yīng)的一對標(biāo)簽的相似度，可以由用戶設(shè)定或者通過論文/項目合作關(guān)系數(shù)據(jù)庫統(tǒng)計計算得到；

其中，論文/項目-專家的標(biāo)簽相似度，定義為論文/項目p與專家r的標(biāo)簽相似度的最大值，用公式(1)表示：

s(p,r)＝maxs[ti][tj]，ti∈t(p)，tj∈t(r)；(1)

其中，s(p,r)代表論文/項目p與專家r的標(biāo)簽相似度的最大值，max是求最大值的函數(shù)，s[ti][tj]代表相似度矩陣中標(biāo)簽ti和標(biāo)簽tj的相似度；其中，ti代表t(p)中第i個標(biāo)簽，tj代表t(r)中第j個標(biāo)簽；下標(biāo)i，j為大于等于0，小于h的整數(shù)變量；

步驟2：建模社會網(wǎng)絡(luò),確定最大合作距離，得出論文/項目集的作者/申請人-專家的合作距離數(shù)組及論文/項目-專家的合作距離；

其中，建模社會網(wǎng)絡(luò)可以通過論文/項目合作關(guān)系數(shù)據(jù)庫獲得，具體為：

社會網(wǎng)絡(luò)，記為g，g＝(v,e)為權(quán)值為1的無向網(wǎng)；其中節(jié)點集，記為v，|v|＝n，|v|表示節(jié)點集v的大小，n為大于1的整數(shù)常量；每個節(jié)點代表一位作者/申請人；且步驟1中的專家集論文/項目集的作者/申請人集邊集，記為e，|e|＝m，|e|表示邊集e的大小，m為大于1的整數(shù)常量；每條邊表示邊連接的兩名作者/申請人之間有合作的結(jié)合；

任意兩名作者/申請人的合作距離定義為相應(yīng)的兩個節(jié)點之間的最短路徑；最大合作距離，記為maxd，如果兩個節(jié)點之間不可達或者最短路徑值大于maxd，則合作距離設(shè)為maxd；最大合作距離由用戶給定；

計算論文/項目集的作者/申請人-專家的合作距離數(shù)組d[g][f]，其中，每個元素d[p][r]，是由論文/項目p的作者/申請人與專家r的合作距離組成的向量；元素d[p][r]的長度為|a(p)|，a(p)代表論文/項目p的作者/申請人集；

論文/項目-專家的合作距離定義為論文/項目p的作者/申請人與專家r的合作距離組成的向量中的最小值，用公式(2)表示：

d(p,r)＝mind[p][r]；(2)

其中，d(p,r)代表論文/項目p與專家r的合作距離，min是求最小值的函數(shù)；

步驟3：確定約束條件，計算論文/項目-專家的指示關(guān)系；

其中，約束條件為論文/項目的任一作者/申請人與專家無合作發(fā)表論文/申請項目、非師生關(guān)系、不屬于同一機構(gòu)；論文/項目的作者/申請人與專家是否無合作，可通過論文/項目-專家的合作距離得出；論文/項目的作者/申請人與專家是否非師生關(guān)系、不屬于同一機構(gòu)的條件由用戶給定；

其中，論文/項目-專家的指示關(guān)系，記為b(p,r)，表示論文/項目p的任一作者/申請人a與專家r是否滿足無合作發(fā)表論文/申請項目、非師生關(guān)系、不屬于同一機構(gòu)的約束條件；不滿足約束條件，值為1，表示存在論文/項目p的作者/申請人a與專家r有關(guān)系，則不可分配；滿足約束條件，值為0，表示論文/項目p的任一作者/申請人a與專家r沒有關(guān)系，則可分配；論文/項目-專家的指示關(guān)系定義用公式(3)表示：

其中，p為論文/項目，r為專家，a是p的作者/申請人集a(p)中的作者/申請人；表示存在；表示對于任意的；

步驟4：確定步驟1中的論文/項目集中每篇論文/項目的審閱數(shù)、論文/項目數(shù)及專家數(shù)，計算平均審閱數(shù)及冗余審閱數(shù)；

其中，每篇論文/項目的審閱數(shù)，記為k，k為整數(shù)常量且k＞1；

平均審閱數(shù)，記為averagenum，平均審閱數(shù)的計算公式為(4)：

其中，表示對(k×g)/f向上取整；

冗余審閱數(shù)，記為remainnum，冗余審閱數(shù)的計算公式為(5)：

remainnum＝(k×g)％f；(5)

其中，(k×g)％f表示(k×g)對f取整數(shù)類型余數(shù)；

為了保證均衡分配，專家集r中每名專家r的審閱數(shù)，記為r.num，r.num等于averagenum或averagenum-1；審閱數(shù)等于averagenum的專家子集，記為ra，|ra|等于remainnum，|ra|表示ra的大小；

步驟5：根據(jù)步驟1中論文/項目-專家的標(biāo)簽相似度、步驟2中論文/項目-專家的合作距離及最大合作距離，確定論文/項目-專家的匹配度；

其中，論文/項目-專家的匹配度用公式(6)表示：

其中，m(p,r)代表論文/項目p與專家r的匹配度，d(p,r)代表代表論文/項目p與專家r的合作距離，s(p,r)代表代表論文/項目p與專家r的標(biāo)簽相似度，max是求最大值的函數(shù)；α為平衡參數(shù)，由用戶給定；從公式(6)可以看出，論文/項目與專家的標(biāo)簽相似度越高、合作距離越遠(yuǎn)，匹配度m(p,r)就越高；

步驟6：建立結(jié)果集并將其初始化為空，初始化結(jié)果集的匹配度和、標(biāo)簽相似度和、合作距離和為零；

其中，結(jié)果集存儲最優(yōu)分配方案，記為result，是由二元組＜p,r＞組成的集合；結(jié)果集result的形式為：結(jié)果集result中的p0，...,pg-1以及下標(biāo)p0，...,pg-1表示論文/項目集中的第0到g-1篇論文/項目；

其中，分配給論文/項目pi的專家集，記為的大小為k；論文/項目pi的專家集的形式為：其中，與中的下標(biāo)pi均表示論文/項目集中的第i篇論文/項目pi；上標(biāo)0，1，...，k-1表示序號；

結(jié)果集result的匹配度和，記為summatching，用公式(7)表示：

其中，代表論文/項目pi與專家的標(biāo)簽相似度；代表分配給論文/項目pi的專家集中的第j名專家；上標(biāo)j表示序號；pi及下標(biāo)pi代表論文/項目集中的第i篇論文/項目；

結(jié)果集result的標(biāo)簽相似度和，記為sumsimilarity，用公式(8)表示：

其中，代表論文/項目pi與專家的標(biāo)簽相似度；代表分配給論文/項目pi的專家集中的第j名專家；上標(biāo)j表示序號；pi及下標(biāo)pi代表論文/項目集中的第i篇論文/項目；

結(jié)果集result的合作距離和，記為sumdistance，用公式(9)表示：

其中，代表論文/項目pi與專家的標(biāo)簽相似度；代表分配給論文/項目pi的專家集中的第j名專家；上標(biāo)j表示序號；pi及下標(biāo)pi代表論文/項目集中的第i篇論文/項目；

步驟7：根據(jù)步驟3中論文/項目-專家的指示關(guān)系、步驟4中平均審閱數(shù)及冗余審閱數(shù)、步驟6中結(jié)果集的匹配度和，確定最優(yōu)化目標(biāo)；

其中，評審分配的最優(yōu)化問題為，在滿足約束條件下，實現(xiàn)均衡評審分配，最大化論文/項目與專家的標(biāo)簽相似度和、合作距離和；

本方法綜合論文/項目與專家的標(biāo)簽相似度與合作距離，將最優(yōu)分配方案的目標(biāo)轉(zhuǎn)化為：在滿足約束條件下，實現(xiàn)均衡評審分配，最大化結(jié)果集result的匹配度和；此最優(yōu)化分配問題用公式(10)表示：

公式(10)中，第一行表示最優(yōu)化目標(biāo)是最大化結(jié)果集的匹配度和，其中，summatching代表結(jié)果集result的匹配度和，max是求最大值的函數(shù)；第二行至第七行為最優(yōu)化目標(biāo)的約束條件，其中i,j為大于等于0小于g的整數(shù)變量，s,t為大于等于0小于k的整數(shù)變量，上標(biāo)s,t表示序號，下標(biāo)pi，pj分別表示論文/項目集中的第i與j篇論文/項目，表示存在，表示對于任意的，＝＝表示等于，≠表示不等于；第三行表示對于任意的分配給論文/項目pi的專家集論文/項目pi與中的第s名專家的指示關(guān)系為0，其中，表示分配給論文/項目pi的專家集，分別表示的第s名專家，表示論文/項目pi與分配給論文/項目pi第s名專家的指示關(guān)系；第四行表示對于任意的分配給論文/項目pi的專家集中的第s名專家與第t名專家不能相同，其中，分別表示中第s和第t名專家；第五行表示存在論文/項目pi的專家集與論文/項目pj專家集中第s名專家與中第t或者s名專家相同；第六行表示對于專家集r中的任意專家r，專家r的審閱數(shù)為averagenum或(averagenum-1)；第七行表示審閱數(shù)等于averagenum的專家子集ra大小為remainnum；

步驟8：建立論文/項目-專家的分配數(shù)組，記錄論文/項目-專家的分配狀態(tài)、匹配度、標(biāo)簽相似度與合作距離，并將分配數(shù)組中的元素初始化為零向量；

論文/項目-專家的分配數(shù)組，記為q[g][f]；分配數(shù)組的每個元素是由論文/項目-專家的分配狀態(tài)、匹配度、標(biāo)簽相似度與合作距離組成的向量：論文/項目-專家的分配狀態(tài)，記為selected(1已分配、0可分配、-1不可分配)；論文/項目-專家的匹配度，記為m；論文/項目-專家的標(biāo)簽相似度，記為s；論文/項目-專家的合作距離，記為d；初始化分配數(shù)組的每個元素為零向量，即(0,0,0,0)；

步驟9：遍歷論文/項目集，在滿足最優(yōu)化目標(biāo)的約束條件的前提下，依次進行評審分配，并得出論文/項目-專家的分配數(shù)組的最終結(jié)果；

其中，最優(yōu)化目標(biāo)的約束條件為公式(10)中的第二行至第七行；

對于論文/項目集p中的每篇論文/項目pi，0≤i＜g，依次進行評審分配，具體按照以下步驟執(zhí)行：

步驟9.1：對于專家集r中的每名專家rj，0≤j＜f，若b(pi,rj)＝＝0，則計算論文/項目pi-專家rj的標(biāo)簽相似度s、合作距離d和匹配度m，將q[i][j]置為(0,m,s,d)；若b(pi,rj)＝＝1，則將q[i][j]置為(-1,0,0,0)；其中，pi表示論文/項目集中的第i篇論文/項目，rj表示專家集中的第j名專家；

步驟9.2：為論文/項目pi分配k位評審，0≤jj＜k，執(zhí)行最大匹配度優(yōu)先與最小差調(diào)整算法，具體為：

步驟9.2.1：根據(jù)最大匹配度優(yōu)先分配評審，具體為：選擇與論文/項目pi的匹配度最大且可分配的1位專家r，將q中相應(yīng)的元素的selected置為1，選中專家r的審閱數(shù)r.num加1；

步驟9.2.2：若i＜averagenum或選中專家r的審閱數(shù)小于averagenum，不用調(diào)整，轉(zhuǎn)至步驟9.2.5；

步驟9.2.3：根據(jù)選中專家r的審閱數(shù)與averagenum的比較關(guān)系，以及審閱數(shù)等于averagenum的專家子集ra的大小與remainnum的比較關(guān)系，判斷是否執(zhí)行最小差調(diào)整；若需要調(diào)整，則設(shè)置待調(diào)整的專家子集；否則轉(zhuǎn)至步驟9.2.5；具體為：

①若選中專家r的審閱數(shù)等于averagenum，將專家r加入審閱數(shù)等于averagenum的專家子集ra；加入后，若|ra|≤remainnum，不用調(diào)整，轉(zhuǎn)至9.2.5；若|ra|＞remainnum，需要調(diào)整，設(shè)置待調(diào)整的專家子集為ra；

②若選中專家r的審閱數(shù)大于averagenum，需要調(diào)整，設(shè)置待調(diào)整的專家子集為{r}；

步驟9.2.4：根據(jù)最小差原則調(diào)整分配狀態(tài)；

其中，最小差原則為：首先，若|ra|＜remainnum，設(shè)置最小差調(diào)整的專家審閱數(shù)為available＝averagenum；若|ra|≥remainnum，設(shè)置最小差調(diào)整的專家審閱數(shù)為available＝averagenum-1；其次，在論文/項目集的第(0-i)篇論文子集和待調(diào)整的專家子集中，若論文/項目p與專家r為已分配狀態(tài)，則將論文/項目p與專家r的匹配度值，減去p與專家集r中可分配的、匹配度最大的且審閱數(shù)小于available的專家r′的匹配度，若所得差值最小，則將q[p][r]的分配狀態(tài)置為-1，q[p][r′]的分配狀態(tài)置為1；根據(jù)調(diào)整后專家r的審閱數(shù)r.num以及專家r′的審閱數(shù)r′.num，調(diào)整ra；

步驟9.2.5：jj＝j(luò)j+1；若jj＜k,轉(zhuǎn)至步驟9.2.1；

步驟9.3：i＝i+1；若i＜g,轉(zhuǎn)至步驟9.1；

步驟10：根據(jù)步驟9得出的論文/項目-專家的分配數(shù)組的最終結(jié)果，計算得結(jié)果集，以及結(jié)果集的匹配度和、標(biāo)簽相似度和、合作距離和；

根據(jù)論文/項目-專家的分配數(shù)組q的最終結(jié)果，可得最優(yōu)評審分配的結(jié)果集result，計算對應(yīng)的匹配度和summatching、標(biāo)簽相似度和sumsimilarity、合作距離和sumdistance，輸出結(jié)果；

至此，從步驟1到步驟10，完成了一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法。

有益效果

一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法，與現(xiàn)有技術(shù)對比，本方法具有如下有益效果：

1.本方法基于論文/項目數(shù)據(jù)庫建模社會網(wǎng)絡(luò)，提出論文/項目的作者/申請人與專家的合作距離，應(yīng)用于評審分配方法中，可以降低專家的主觀因素，提高了評審過程的客觀性；

2.相較于僅依靠專業(yè)領(lǐng)域相似度進行評審分配的方法相比，本方法綜合考慮論文/項目與專家的標(biāo)簽相似度與合作距離，提出論文/項目與專家的匹配度，確立了更加全面的最優(yōu)化目標(biāo)；

3.本方法設(shè)計了最大匹配度優(yōu)先與最小差調(diào)整算法，能夠在滿足最優(yōu)化目標(biāo)的約束條件下，實現(xiàn)均衡評審分配，最大化結(jié)果集的標(biāo)簽相似度和與合作距離和，提供更加合理的評審分配方案；

4.本方法適用于不同形式的學(xué)術(shù)會議、期刊及項目的評審分配場景中，應(yīng)用范圍廣，實用性強，易于推廣。

附圖說明

圖1為本發(fā)明“一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法”中的評審分配方法及實施例1的流程示意圖；

圖2為本發(fā)明“一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法”中的最大匹配度優(yōu)先與最小差調(diào)整算法及實施例4的流程示意圖。

具體實施方式

下面根據(jù)附圖及實施例對本發(fā)明進行詳細(xì)說明，但本發(fā)明的具體實施形式并不局限于此。

實施例1

本實施例詳細(xì)闡述了本發(fā)明“一種融合學(xué)術(shù)專長與社會網(wǎng)絡(luò)的評審分配方法”應(yīng)用于某學(xué)術(shù)會議在論文評審管理時的評審分配的流程。

圖1為本方法的算法流程圖以及本實施例的流程圖；從圖中可看出，本方法包含如下步驟：

步驟a：給定4個標(biāo)簽、帶標(biāo)簽的10篇論文和7名專家，每篇論文由2名作者共同完成，建立標(biāo)簽集、帶標(biāo)簽的論文集與專家集，以及論文集的作者集；得出論文數(shù)及專家數(shù)、標(biāo)簽相似度矩陣以及論文-專家的標(biāo)簽相似度；

具體到本實施例，建立標(biāo)簽集t＝{a,b,c,d}，帶標(biāo)簽的論文集p＝{p0,p1,p2,p3,p4,p5,p6,p7,p8,p9}，帶標(biāo)簽的專家集r＝{r0,r1,r2,r3,r4,r5,r6}；集合大小|t|＝4，|p|＝10，|r|＝7；建立論文集的作者集：a＝{a(p0),a(p1),a(p2),a(p3),a(p4),a(p5),a(p6),a(p7),a(p8),

論文集p的標(biāo)簽t(p)＝{t(p0),t(p1),t(p2),t(p3),t(p4),t(p5),t(p6),t(p7),t(p8),t(p9)}＝{(a,b),(a,c),(d),(b,c),(a,b),(c,d),(b),(a),(b,d),(c)}；專家集的r標(biāo)簽t(r)＝{t(r0),t(r1),t(r2),t(r3),t(r4),t(r5),t(r6)}＝{(a),(b),(c),(d),(a),(c),(d)}；

根據(jù)論文合作數(shù)據(jù)庫統(tǒng)計計算得標(biāo)簽相似度矩陣s[4][4]：

根據(jù)論文-專家標(biāo)簽相似度定義，可得論文-專家的標(biāo)簽相似度s(p,r)：

步驟b：基于論文合作數(shù)據(jù)庫建立包含200個節(jié)點、5000條邊的權(quán)值為1的無向社交網(wǎng)絡(luò)g，給定最大合作距離maxd＝50，得出論文集的作者-專家的合作距離數(shù)組d[10][7]及論文-專家的合作距離d(p,r)；

步驟c：給定作者與專家無合作、非師生、不屬于同一機構(gòu)的約束條件，計算論文-專家的指示關(guān)系；

具體到本實施例，論文p5中的作者與專家r3屬同一機構(gòu)；根據(jù)論文-專家的合作距離，得出論文p2與專家r0、論文p6與專家r1、論文p9與專家r6有合作；由論文-專家的關(guān)系指示函數(shù)b(p,r)的定義，計算得b(p,r)：

步驟d：確定每篇論文的審閱數(shù)k＝3，論文數(shù)為10，專家數(shù)為7，計算平均審閱數(shù)及冗余審閱數(shù)；

具體到本實施例，計算平均審閱數(shù)計算冗余審閱數(shù)remainnum＝(3×10)％7＝2；為了保證均衡分配，專家集r中每名專家r的審閱數(shù)r.num為5或4，用ra表示審閱數(shù)等于5的專家子集，且|ra|＝＝2；

步驟e：根據(jù)步驟a中論文-專家的標(biāo)簽相似度、步驟b中論文-專家的合作距離及最大合作距離，確定論文-專家的匹配度；

具體本實施例，論文-專家的標(biāo)簽相似度為s(p,r)，步驟2中論文-專家的合作距離d(p,r)及最大合作距離maxd＝50，給定平衡參數(shù)α＝0.5，論文-專家的匹配度計算公式為：

步驟f：建立結(jié)果集result，初始化為空；初始化結(jié)果集的匹配度和、標(biāo)簽相似度和、合作距離和為零；

具體本實施例，結(jié)果集result存儲最優(yōu)分配方案，是由10個二元組＜p,r＞組成的集合；結(jié)果集result的形式為：

其中分配給論文pi的專家集為由3名專家組成的集合，形式為：

初始化結(jié)果集的匹配度和summatching、標(biāo)簽相似度和sumsimilarity、合作距離和sumdistance為0；

步驟g：根據(jù)步驟c中論文-專家的指示關(guān)系、步驟d中平均審閱數(shù)及冗余審閱數(shù)以及步驟f中結(jié)果集的匹配度和，確定最優(yōu)化目標(biāo)；

步驟h：建立論文-專家的分配數(shù)組q[10][7]，用來存儲論文-專家的分配狀態(tài)selected(1已分配、0可分配，-1不可分配)、匹配度m、標(biāo)簽相似度s與合作距離d；初始化分配數(shù)組的每個元素為零向量，即(0,0,0,0)；

步驟i：遍歷論文集，在滿足最優(yōu)化目標(biāo)的約束條件的前提下，依次進行評審分配，并得出論文-專家的分配數(shù)組的最終結(jié)果；

對于論文集p中的每篇論文pi，0≤i＜10，依次進行評審分配，具體按照以下步驟執(zhí)行：

步驟i.1：對于專家集r中的每名專家rj，0≤j＜7，若b(pi,rj)＝＝0，則計算論文pi-專家rj的標(biāo)簽相似度s、合作距離d與匹配度m，將q[i][j]置為(0,m,s,d)；若b(pi,rj)＝＝1，則將q[i][j]置為(-1,0,0,0)；

具體到本實施例，當(dāng)i＝5時，0≤j＜7，計算后，q為：

步驟i.2：為論文pi分配3位評審，執(zhí)行最大匹配度優(yōu)先與最小差調(diào)整算法；

步驟i.3：i＝i+1；若i＜10,轉(zhuǎn)至i.1；

步驟j：步驟i得出的論文-專家的分配數(shù)組的最終結(jié)果，計算得結(jié)果集，以及結(jié)果集的匹配度和、標(biāo)簽相似度和、合作距離和；

具體到本實施例，論文-專家的分配數(shù)組q[10][7]的最終結(jié)果為：

計算的最優(yōu)評審分配的結(jié)果集result，即為最優(yōu)分配結(jié)果：

{＜p0,{r0,r1,r4}＞,＜p1,{r2,r3,r5}＞,＜p2,{r3,r5,r6}＞，＜p3,{r1,r2,r5}＞，＜p4,{r0,r2,r4}＞，

＜p5,{r0,r2,r6}＞，＜p6,{r3,r4,r6}＞，＜p7,{r0,r4,r6}＞，＜p8,{r1,r3,r4}＞，＜p9,{r1,r2,r5}＞}

計算結(jié)果集result對應(yīng)的匹配度和summatching＝18.49，標(biāo)簽相似度和sumsimilarity＝26.8，合作距離和sumdistance＝509。

實施例2

本實施例按照實施例1所述的參數(shù)，具體闡述了本發(fā)明步驟2定義的論文/項目-專家的合作距離及實施例1的步驟b中的論文-專家的合作距離的計算過程。

具體過程為：社會網(wǎng)絡(luò)g＝(v,e)，節(jié)點集|v|＝200，且專家集論文作者集邊集|e|＝5000；根據(jù)定義，計算得論文的作者-專家的合作距離數(shù)組

根據(jù)定義，計算得論文-專家的合作距離d(p,r)：

如果不考慮論文-專家的合作距離，僅考慮最大化論文-專家的標(biāo)簽相似度，進行評審分配，則專家很可能因為主觀因素而影響對論文的評審的客觀性；其中論文-專家的標(biāo)簽相似度由實施例1的s(p,r)得出；

具體到本實施例，論文p6與專家r1的標(biāo)簽相似度為1，則論文p6會被分配給專家r1進行評審；而論文p6與專家r1的合作距離為1，表示論文p6與專家r1有合作，在現(xiàn)實中存在學(xué)術(shù)交流，則專家r1很可能會受到主觀因素的影響而提高對論文p6的評審分?jǐn)?shù)；同樣，論文p1與專家r0、論文p4與專家r1、論文p8與專家r6的標(biāo)簽相似度均為1，而論文p1與專家r0、論文p4與專家r1、論文p8與專家r6的合作距離分別為3、4、3，論文的作者與專家有較短的合作路徑，則很可能存在現(xiàn)實中的學(xué)術(shù)交流；如果僅按照最大化論文-專家的標(biāo)簽相似度進行評審分配，則不能保證評審的客觀性；而實施例1中按照本發(fā)明所用評審分配方法得出的評審分配結(jié)果，論文p1,p4,p6,p8沒有分配給相應(yīng)的專家r0,r1,r1,r6，因而降低了專家的主觀因素，提高了評審過程的客觀性。

實施例3

本實施例按照實施例1所述的參數(shù)，具體闡述了本發(fā)明步驟5定義的論文/項目-專家的匹配度、步驟7定義的最優(yōu)化目標(biāo)及實施例1的步驟e的論文-專家的匹配度、步驟g確定的最優(yōu)化目標(biāo)。

具體到本實施例，步驟e：論文-專家的匹配度計算公式為：

步驟g：評審分配的最優(yōu)化目標(biāo)為：

maxsummatching

st.for0≤i,j＜10andi≠j,0≤s,t＜3ands≠t,that

forra,that|ra|＝＝2

本實施例確立的最優(yōu)化目標(biāo)，在滿足約束條件和均衡分配的前提下，最大化論文-專家的匹配度；而最大化論文-專家的匹配度，需要同時最大化論文-專家的標(biāo)簽相似度與合作距離；相較于僅依靠專業(yè)領(lǐng)域相似度進行評審分配的方法相比，本發(fā)明所用方法的最優(yōu)化目標(biāo)更加全面。

實施例4

本實施例具體闡述了本發(fā)明步驟9中敘述的最大匹配度優(yōu)先與最小差調(diào)整算法及實施例1中步驟i的執(zhí)行流程，算法流程如圖2所示。

從圖2中可以看出，最大匹配度優(yōu)先與最小差調(diào)整算法的具體步驟為：

步驟i：遍歷論文集，在滿足最優(yōu)化目標(biāo)的約束條件的前提下，依次進行評審分配，并得出論文-專家的分配數(shù)組的最終結(jié)果；

對于論文集p中的每篇論文pi，0≤i＜10，依次進行評審分配，具體按照以下步驟執(zhí)行：

步驟i.1：對于專家集r中的每名專家rj，0≤j＜7，若b(pi,rj)＝＝0，則計算論文pi-專家rj的標(biāo)簽相似度s、合作距離d與匹配度m，將q[i][j]置為(0,m,s,d)；若b(pi,rj)＝＝1，則將q[i][j]置為(-1,0,0,0)；

步驟i.2：為論文pi分配3位評審，0≤jj＜3，執(zhí)行最大匹配度優(yōu)先與最小差調(diào)整算法，執(zhí)行步驟為：

步驟i.2.1：根據(jù)最大匹配度優(yōu)先分配評審，選擇與論文pi的匹配度值最大且可分配的1位專家r，將q中相應(yīng)的元素置為(1,m,s,d)，選中專家r的審閱數(shù)加1；

具體到本實施例，當(dāng)i＝5,jj＝0時，選擇匹配度值最大且可分配的1位專家為r0，分配后，q為：

步驟i.2.2：若i＜5或選中專家r的審閱數(shù)小于5，不用調(diào)整，轉(zhuǎn)至i.2.5；

具體到本實施例，i＝5,jj＝0時，選中專家r0的審閱數(shù)為3，小于5，不用調(diào)整；

步驟i.2.3：根據(jù)選中專家r的審閱數(shù)與averagenum的比較關(guān)系，以及審閱數(shù)等于averagenum的專家子集ra的大小與remainnum的比較關(guān)系，判斷是否執(zhí)行最小差調(diào)整；若需要調(diào)整，則設(shè)置待調(diào)整的專家子集；否則轉(zhuǎn)至i.2.5；

(a)若選中專家r的審閱數(shù)等于5，將專家r加入審閱數(shù)等于5的專家子集ra；加入后，若|ra|≤2，不用調(diào)整，轉(zhuǎn)至i.2.5；若|ra|＞2，需要調(diào)整，設(shè)置待調(diào)整的專家子集為ra；

具體到本實施例，當(dāng)i＝6,jj＝2時，選定專家r5后，專家r5的審閱數(shù)為5，將r5加入ra，此時ra＝{r4,r5}，|ra|≤2，不用調(diào)整，此時q為：

當(dāng)i＝9,jj＝1時，選定專家r2后，專家r2的審閱數(shù)為5，將r2加入ra后，ra＝{r2,r4,r5}，|ra|＝3＞2，需要調(diào)整，設(shè)置待調(diào)整專家子集為{r2,r4,r5}；

(b)若選中專家r的審閱數(shù)大于5，需要調(diào)整，設(shè)置待調(diào)整的專家子集為{r}；

具體到本實施例，當(dāng)i＝7,jj＝0時，選中專家r4后，專家r4的審閱數(shù)為6，大于5，設(shè)置待調(diào)整專家子集為{r4}；

步驟i.2.4：執(zhí)行最小差調(diào)整；

調(diào)整原則為：若|ra|＜2，設(shè)置最小差調(diào)整的專家審閱數(shù)為available＝5；若|ra|≥2，設(shè)置最小差調(diào)整的專家審閱數(shù)為available＝5-1＝4；在論文集的(0-i)論文子集和待調(diào)整的專家子集中，若論文p與專家r為已分配狀態(tài)，則將論文p與專家r的匹配度值，減去p與專家集r中、可分配的、審閱數(shù)小于available的、匹配度最大的專家r′的匹配度值，若所得差值最小，則將q[p][r]的分配狀態(tài)置為-1，q[p][r′]的分配狀態(tài)置為1；

具體到本實施例，當(dāng)i＝9,jj＝1時，選定專家r2后，專家r2的審閱數(shù)為5，將r2加入ra，ra＝{r2,r4,r5}，|ra|＝3＞2，待調(diào)整專家子集為{r2,r4,r5}，調(diào)整前q為：

執(zhí)行最小差調(diào)整：|ra|＝3，設(shè)置available＝4；在論文(0-9)中，與待調(diào)整專家子集{r2,r4,r5}，與專家r2為已分配狀態(tài)的論文為{p1,p3,p4,p5,p9}，與專家r4為已分配狀態(tài)的論文為{p0,p4,p6,p7,p8}，與專家r5為已分配狀態(tài)的論文為{p1,p2,p3,p6,p9}，根據(jù)最小差定義，計算得最小差為：q[6][5].m-q[6][6].m＝0.52-0.42＝0.1，調(diào)整q[6][5]的分配狀態(tài)置為-1，q[6][6]置為已分配；調(diào)整后ra＝{r2,r4}，|ra|＝2；調(diào)整后的q為：

當(dāng)i＝7,jj＝0時，選中專家r4后，專家r4的審閱數(shù)為6，大于5，待調(diào)整專家子集為{r4}，調(diào)整前q為：

執(zhí)行最小差調(diào)整：|ra|＝2，設(shè)置available＝4；在論文(0-7)中，與待調(diào)整專家r4為已分配狀態(tài)的論文為{p0,p1,p3,p4,p6,p7}，根據(jù)最小差定義，計算得最小差為：q[1][4].m-q[1][3].m＝0.56-0.55＝0.01；調(diào)整q[1][4]的分配狀態(tài)置為-1，q[1][3]置為已分配，調(diào)整后q為：

步驟i.2.5：jj＝j(luò)j+1；若jj＜3,轉(zhuǎn)至i.2.1；

步驟i.3：i＝i+1；若i＜10,轉(zhuǎn)至i.1；

由本實施例的最大匹配度優(yōu)先與最小差調(diào)整算法的執(zhí)行過程以及實施例1的評審分配結(jié)果可以看出，本發(fā)明所用方法能夠在滿足最優(yōu)化目標(biāo)的約束條件下，實現(xiàn)均衡評審分配，最大化結(jié)果集的標(biāo)簽相似度和與合作距離和，提供更加合理的評審分配方案。

實施例5

將實施例1中的某學(xué)術(shù)會議改成其他學(xué)術(shù)會議、期刊及項目的評審分配管理場景中，本發(fā)明所提出的評審分配方法依然有效。

上述實施方式中未述及的有關(guān)技術(shù)內(nèi)容采取或借鑒已有技術(shù)即可實現(xiàn)。

以上所述為本發(fā)明的較佳實施例而已，本發(fā)明不應(yīng)該局限于該實施例和附圖所公開的內(nèi)容。凡是不脫離本發(fā)明所公開的精神下完成的等效或修改，都落入本發(fā)明保護的范圍。