8篇关于专家推荐的计算机毕业论文

今天分享的是关于专家推荐的8篇计算机毕业论文范文, 如果你的论文涉及到专家推荐等主题,本文能够帮助到你

面向运维工单的自动化管理系统

这是一篇关于运维工单自动化,专家推荐,注意力机制,根因分析,图卷积神经网络的论文, 主要内容为现代大规模软件系统变得越来越复杂,其包含大量组件、服务和应用程序导致系统更容易受到各种类型的故障影响,同时故障根本原因可能涉及到多个组件和服务之间的相互作用,增加了故障排查的难度。这就需要运维人员具备深入的技术知识和丰富的经验,才能准确识别故障根本原因,并提出相应的解决方案。近年来,随着人工智能的不断发展,运用机器学习技术帮助运维系统快速分析异常问题根因和及时推荐运维专家解决工单成为研究热点之一。机器学习技术不仅可以快速高效地处理大量数据,还能够提高运维工单自动化的准确性和有效性。然而当前关于运维工单专家推荐的方法主要基于历史工单传递关系以及工单相似性获得运维专家Top-N推荐序列,这类方法可能会导致推荐序列中的专家相似度较高,以至于推荐的专家都无法解决工单从而延长工单解决时间。此外,传统基于分类的机器学习方法在进行运维工单根因分析时,难以通过复杂的系统节点关系发现实际异常节点。本文针对上述问题设计开发了一个面向运维工单的自动化管理系统,主要工作内容如下:针对运维工单专家推荐结果序列的相似性问题,本文引入神经网络注意力机制,构建运维专家循环推荐网络。该网络假设当前推荐的运维专家无法解决工单,并根据当前推荐结果对下一次推荐进行反馈,避免后续推荐的运维专家与当前推荐专家相似度较高,从而减少无效推荐。同时,为进一步提高运维专家推荐准确度,本文通过对历史工单异常描述和解决方案转换提取特征用于提高工单异常描述的信息表示。针对复杂软件系统难以发现实际异常节点的问题,本文同时采用文本处理模型和图模型提取系统节点的特征表示用于提高运维工单根因分析的准确性。通过利用图卷积神经网络聚合邻居节点信息的能力,学习系统节点的图特征表示,同时结合系统节点文本特征计算运维工单描述异常节点和对应图节点的相似度匹配异常节点。最后基于本文提出的运维专家推荐方法和运维工单根因分析方法设计实现了一个运维工单自动化管理系统。该系统采用B/S架构,通过调用工单根因分析模型和工单专家推荐模型为当前工单快速提供异常根因分析结果和推荐运维专家。该系统能够根据当前运维工单信息快速提供准确的异常根因分析结果,并推荐满足要求的运维专家。

基于异构网络表示学习的专家推荐和文本分类研究

这是一篇关于异构网络,表示学习,专家推荐,文本分类,深度学习的论文, 主要内容为随着人工智能的蓬勃发展,深度学习开始在很多领域诸如计算机视觉、自然语言处理、推荐系统大放异彩。然而,在很多数据稀疏的场景下,训练样本的短缺导致深度学习难以达到很好的效果。解决数据稀疏问题的关键在于如何通过引入更多的信息和关联来增强信息的传递和共享,而这正是网络表示学习技术的优势所在,通过构建同构或异构网络并使用低维向量表示节点,网络表示学习可以在高效处理大规模网络的同时,最大程度地保留原网络中的节点属性和结构特征。问答社区中的专家推荐问题和超多类别文本分类问题是两个较为典型的数据稀疏场景,前者由于用户的提问和回答需要较高的用户兴趣和专业水平,使得用户与问题的交互相对稀疏,后者由于类别过多,类别间数据存在不均衡,多数类别的数据较为稀疏。因此,本文使用异构网络对这两个问题进行建模,并使用网络表示学习方法抽取和利用异构网络上的丰富的信息,从而提升推荐和分类的性能。本文的主要研究内容和创新成果如下:1.针对专家推荐任务中由于数据稀疏性导致的难以对用户兴趣和用户专业性做出准确刻画的问题,本文提出了一种基于异构网络表示学习的专家推荐方法。首先,为了缓解数据稀疏性问题,构建一个由用户和问题组成的异构网络,使用基于元路径随机游走的方法学习用户长期兴趣,并将其与使用长短期记忆网络学习到的用户短期兴趣相结合得到用户兴趣表示。然后,为了显式地对用户专业性进行建模,提出反馈聚合网络,它利用用户历史回答及反馈信息得到用户专业性表示,通过使用加入注意力机制的长短期记忆网络,此网络还可以捕捉到用户专业性的动态变化,使用户专业性向量表达更加准确。在Stackexchange公开数据集上本文所提算法提升各项指标近4%。2.针对文本分类问题中在分类类别数较多时,对于数据较为稀疏的类别,模型无法学习到有效表示导致分类准确率低的问题,本文提出了一种基于异构网络表示学习的文本分类方法。此方法将单词、文档和类别构建为文本异构网络,显示地学习向量表示。为了同时捕捉节点属性和网络结构信息,同时利用好标签,本文在构建好的异构网络上设计异构图神经网络进行节点表示的学习,考虑到节点异构性,针对不同类型的节点使用不同的聚合函数从而让信息在网络中进行有效传递。并且考虑到类别间存在层级关联,设计多层级的分类损失,从而将类别间联系也建模进异构网络中,引入更丰富的信息,降低模型的分类难度。在实验与结果分析环节,在某电信客服数据集上实现了接近4%准确率的提升,验证了使用异构网络建模的有效性。

基于知识图谱的领域评审专家推荐

这是一篇关于专家推荐,知识图谱,实体抽取,相似度计算,知识推理的论文, 主要内容为习近平主席在全国网络和信息化工作会议上发表讲话,强调“没有网络安全就没有国家安全”。现如今,网络与信息安全已经上升为国家战略,网络与信息安全领域的发展离不开计算机技术。因此,为促进网络与信息安全领域的蓬勃发展,需要大力开展计算机科学领域相关科研项目的开发工作。其中,在科研项目立项、结项等阶段,存在一个关键步骤——领域评审专家推荐。领域评审专家推荐即根据科研项目文档,推荐相关领域的专家进行项目评审,以评估项目的实际意义、可行性及完成质量。本文面向计算机科学领域,对领域知识图谱的构建、科研项目文档的表征、领域专家的评价、领域评审专家的推荐等研究内容展开了研究。研究工作包括领域专业实体的识别、领域间关系的建立、项目文档分析、知识推理,形成了一整套领域评审专家推荐的自动化方法。主要研究工作和成果如下:(1)基础知识库构建方法的研究提出了一套面向计算机科学领域的基础知识库构建方法。构建了基于WebMagic爬虫框架的数据爬取算法,引入ip代理池等策略保证数据采集工作的顺利进行。主要包括专家信息库及论文信息库,从专家基础信息、社会特征信息、领域特征信息三个维度出发,构建了专家信息库,包含6242位专家,16种专家属性;基于专家信息及研究领域信息,构建了论文信息库,包含889583篇论文记录等,完成相关基础数据库的建设。(2)领域知识图谱构建方法的研究提出了一种基于规则及深度学习相结合的领域知识图谱构建方法。在实体抽取方面,利用《计算机科学技术百科全书》及国家自然科学基金标签体系名词作为实体标注集合,以论文数据作为训练语料,构建了一种基于BiLSTM-Attention-CRF的领域专业实体识别模型;在关系抽取方面,从字符、语义、领域结构等方面,对研究领域间的相似度进行计算,构建了一种基于相似度计算的关系抽取算法。实验表明,该实体识别模型网络结构设计合理,识别效果较好,关系抽取算法引入多维度特征,对研究领域间关系表征效果较好。(3)科研项目文档表征方法的研究提出了一种基于TextRank算法与实体识别模型相结合的科研项目文档表征模型。从文档自身具有的结构出发,划分模型分析的文本域,参考字符、语义及统计特征,在模型策略上引入投票机制及线性加权算法,构建了科研项目文档表征模型。实验表明,构建的科研项目文档表征模型具有高于人工标注准确率的效果,能够对实际的项目评审工作提供有效的帮助。(4)基于知识推理的专家推荐方法的研究提出了一种基于知识推理的专家推荐模型。利用构建的领域知识图谱,依据科研项目文档表征模型的表征词集合实现实体定位,基于TransE算法设计了知识推理模型,构建候选的研究领域集合;设计了(领域专家,领域吻合度,领域权威度)专家表征模型,构建专家领域评价模型。实验表明,构建的领域评审专家推荐模型能够实现与科研项目研究领域相匹配的最优专家推荐,对项目评审质量的提升具有一定的帮助效果。最后,基于SpringBoot框架、Layui框架以及ECharts组件实现了领域评审专家推荐系统。本系统包括基础数据管理、课题管理、科研项目文档表征、领域评审专家推荐四个主要功能模块。为基础知识库的数据管理提供良好的人机交互界面,实现了领域评审专家推荐及其过程中所涉及的中间数据或成果的展示。

融合关联关系的卷积神经网络项目评审专家推荐方法研究

这是一篇关于推荐系统,专家推荐,概率图模型,卷积神经网络的论文, 主要内容为目前,我国各级科技项目管理陆续实现了信息化系统,并构建了科技项目与科技人才专家信息库。专家在我国各类科技项目评审工作中都发挥着至关重要的作用,但是评审项目的专家往往由人工方式选择或随机选取产生,容易导致评审专家与所需评审的项目不匹配或者不公平的现象发生,研究自动推荐评审专家是目前为了更高效的开展项目评审工作所急需解决的问题。针对此类问题研究者通常采用基于内容的推荐方法,主要考虑项目和专家之间在内容上的相关程度,往往忽略了项目之间和专家之间的关联关系。本文针对项目评审的专家推荐任务,提出了融合专家关联关系的评审专家推荐方法以及融合项目关联关系及专家关联关系的多项目评审专家推荐方法。主要完成了以下研究工作:(1)融合专家关联关系的评审专家推荐方法在项目评审的专家遴选工作中,不仅仅需要考虑专家本身的学科方向及综合实力,专家之间的各种社会化关系也同时具有很重要的参考意义。基于此点考虑,本文提出了一种融合专家关联关系的评审专家推荐方法:首先借助专家之间的几种关联关系来衡量专家之间的相关程度,利用马尔可夫网络来构建专家之间的相关性;然后使用独热(one-hot)编码分别将多名专家和待评审项目的内容属性转化为向量表示,通过一层嵌入(Embedding)层将其分别映射成稠密的隐向量并将多名专家隐向量和专家关联关系连接成专家矩阵,再对专家矩阵使用卷积和池化操作得到的结果与项目隐向量连接并通过多层感知机(MLP)层的计算得到此多名专家与该项目之间的匹配度得分。(2)融合项目关联关系及专家关联关系的多项目评审专家推荐方法在针对单项目的评审专家推荐方法研究的基础上,本文同时利用项目之间的关联关系和专家之间的关联关系,在针对多个项目推荐多个专家的得分排序问题上提出了一种融合项目关联关系及专家关联关系的多项目评审专家推荐方法。该方法与前面提出的针对单项目的专家推荐方法原理相同,但该方法所构造的模型更为复杂,须同时构造项目关联关系矩阵和专家关联关系矩阵再分别与通过嵌入(Embedding)映射的多个项目向量和多个专家向量连接成项目矩阵和专家矩阵,最后将两者通过卷积和池化操作后的结果连接并通过多层感知机(MLP)层得到此多名专家与此多个项目之间的匹配度得分。(3)云南省科技人才专家信息管理系统的设计及实现主要介绍了云南省科技人才专家信息管理系统主要功能的设计与实现,并重点介绍了其中的专家推荐功能。其中推荐模型的实现基于He等人发布的部分开源代码并在其中做了大量改进,主要包括对网络结构、激活函数、损失函数等的修改,并将项目关联关系和专家关联关系融合到卷积神经网络框架中。该系统中专家推荐功能的实现对于融合项目关联关系及专家关联关系的多项目评审专家推荐方法研究具有重要的支撑作用。

基于知识图谱的专家画像生成与推荐方法研究与应用

这是一篇关于专家推荐,知识图谱,文本聚类,K-means,TransR,矩阵分解的论文, 主要内容为随着我国科学技术的全面发展,需要进行评估、决策的发展战略、研究课题、工程项目迅速增长。其中,评审专家的遴选和推荐是决定项目评审质量的核心环节。为保证专家推荐的合理性、准确性,智能化专家推荐方法的研究与应用,已经成为研究热点之一。为此,本文深入研究了已有的专家推荐方法与系统,研究应用先进的知识图谱技术来生成专家画像,对推荐模型开展优化研究,并设计和实现了一个基于知识图谱的专家管理与推荐系统。本文主要研究工作和成果如下:1、设计了基于文本的专家信息抽取技术,通过分词和词性标注、并列词性再识别、命名实体识别、专家信息提取四个步骤,将非结构化的专家信息文本转化成结构化的数据。2、提出了一种基于专家画像的实体消歧算法(Entity Disambiguation Based on Expert Persona,EDEP)。针对专家的重复信息,通过构建专家画像,建立多维度的特征模型,基于特征相似度进行层次聚类,最后得到描述专家特征的统一特征模型。实验结果表明,该算法弥补了传统算法不适合实体属性多或者存在大量空属性的不足。3、提出了一种基于聚类知识图谱的协同过滤推荐算法(Collaborative Filtering Recommendation Algorithm Based on Clustering Knowledge Graph,CKG-CF)。使用K-means算法挖掘实体之间的隐藏关系,并通过Trans R算法将学习到的关系嵌入到知识图谱中,最后和基于矩阵分解的协同过滤算法进行融合。实验结果表明,与传统算法相比,该算法可以提升RSME和MAE的指标。4、基于上述研究成果,采用Spring Boot+My Batis+Vue框架,设计开发了一个基于知识图谱的专家管理与推荐系统。该系统可以实现专家信息的存储、维护、检索,可以提供专家基本信息、相关研究领域及其成果等信息,可以比较准确地推荐不同领域的专家。主要贡献:提出了一种基于专家画像的实体消歧算法,提出了一种基于聚类知识图谱的协同过滤推荐算法,设计开发了一个基于知识图谱的专家管理与推荐系统。

基于深度学习和社区论坛问答的专家推荐系统的设计与实现

这是一篇关于社区论坛问答,关键词提取,专家推荐的论文, 主要内容为随着互联网技术的快速发展,社区论坛上的发贴互动数量大幅增长,它成了人们获取信息的主要途径之一,这些问答贴中包含了大量的信息交流,帮助用户解决了许多问题。但在一些问答贴中,包含了一些无效甚至是错误的回答,这样的回答会对用户及关注相同问题的人造成误导,甚至会给用户带来很大的损失。为了高效的解决用户提出的问题,当一个新问题提出时,如何找出相关用户来回答这一新问题,减少无效答案对用户的影响,也是一个非常值得研究的问题。基于这些问题,本文提出了以下研究内容。首先,本文提出了一种基于社区论坛问答的正确回答识别方法,该方法融合问答贴文本特征和非文本特征,例如回答的字数、发布回答的用户的粉丝数量等等,经过实验证明,本文所提方法在进行正确回答识别任务时有了较好的表现。其次,为了提高专家推荐功能的精确度,针对关键词提取技术中有监督模型泛化能力相对较弱的问题,受到预训练模型的启发,本文提出了一种面向问答的关键词提取算法,提出了一种能有效提高模型鲁棒性和准确性的关键词提取方法。最后,本文设计了基于深度学习和社区论坛问答的专家推荐系统。对该系统进行了用户需求分析,划分了该系统的功能模块,设计了该系统的可视化界面,提高了用户的使用体验。