Knowledge Management System of Institutes of Science and Development ,CAS
| 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
| |
| 发表期刊 | 科技促进发展
 |
| 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。 |
| 2022-10-21 | |
| 卷号 | 18期号:07页码:864-871 |
| ISSN | 1672-996X |
| 文章类型 | 期刊 |
| URL | 查看原文 |
| 文献类型 | 期刊论文 |
| 条目标识符 | 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.中国科学院科技战略咨询研究院 2.中国科学院发展规划局 |
| 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. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [杨好]的文章 |
| [周长海]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [杨好]的文章 |
| [周长海]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [杨好]的文章 |
| [周长海]的文章 |
| 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