田俊鵬，李曉戈，2，馬鮮艷

1(西安郵電大學(xué) 計(jì)算機(jī)學(xué)院，西安 710000) 2(西安郵電大學(xué) 陜西省網(wǎng)絡(luò)數(shù)據(jù)分析與智能處理重點(diǎn)實(shí)驗(yàn)室，西安 710000)

1 引 言

現(xiàn)如今各行各業(yè)對(duì)于科技研發(fā)的需求日益上升，科技信息化開(kāi)始進(jìn)入大規(guī)模應(yīng)用階段，但企業(yè)卻很難尋找到專業(yè)的研發(fā)團(tuán)隊(duì)去滿足相應(yīng)的研發(fā)需求.相反，高校重點(diǎn)實(shí)驗(yàn)室作為國(guó)內(nèi)科研領(lǐng)域的重要組成部分，前沿科研應(yīng)用于行業(yè)相對(duì)遲緩.因此，加大產(chǎn)學(xué)研密切合作，既是檢驗(yàn)高校技術(shù)成果的有效途經(jīng)，也是解決企業(yè)科技研發(fā)需求的有效方案.

從實(shí)踐中發(fā)現(xiàn)，部分在線技術(shù)轉(zhuǎn)移平臺(tái)雖然登記了大量專利信息、技術(shù)成果以及研發(fā)需求信息，但并未有一套成熟的系統(tǒng)針對(duì)需求給出與其匹配的技術(shù)供給，導(dǎo)致技術(shù)轉(zhuǎn)移成交量較少.以“陜西省中小企業(yè)服務(wù)平臺(tái)”為例，2020-2021年成交195例，僅占平臺(tái)全部需求的28%.關(guān)于在線平臺(tái)的科技研發(fā)推薦的難點(diǎn)關(guān)鍵在于:1)技術(shù)供給文本通常包含大量信息，相似度計(jì)算決定供需匹配的準(zhǔn)確性;2)單一屬性無(wú)法全面表征技術(shù)供給方的科研領(lǐng)域及能力，技術(shù)供給方通常會(huì)從多個(gè)方面介紹自己的科研領(lǐng)域，例如：論文、專利、項(xiàng)目、成果、儀器等.各種指標(biāo)屬性對(duì)于供需方成交的影響力不同，因此需要對(duì)各屬性數(shù)據(jù)計(jì)算結(jié)果賦予合適的權(quán)值，才能使供需匹配結(jié)果更加合理.因此，本文將基于文本語(yǔ)義匹配的方法[1]，針對(duì)“陜西省中小企業(yè)服務(wù)平臺(tái)”的技術(shù)需求文本，以及平臺(tái)上公布的陜西省各高校重點(diǎn)實(shí)驗(yàn)室科研成果信息，探索技術(shù)需求匹配中的多維關(guān)鍵特征，為科技研發(fā)轉(zhuǎn)移提供可行方案.

2 相關(guān)工作

近年來(lái)在線技術(shù)轉(zhuǎn)移平臺(tái)發(fā)展迅速，為企業(yè)科技研發(fā)服務(wù)提供了基礎(chǔ)平臺(tái).但存在數(shù)據(jù)不對(duì)稱、技術(shù)供應(yīng)方成果多導(dǎo)致的人工檢索難等問(wèn)題.目前，線上供需推薦研究成果較少.2017年清華大學(xué)楊德林教授利用TF-IDF的方法計(jì)算余弦相似度[2]，從網(wǎng)絡(luò)平臺(tái)的特點(diǎn)出發(fā)，運(yùn)用文本表示及相似度計(jì)算模型，計(jì)算并評(píng)價(jià)了技術(shù)供需匹配效率.Mikolov等[3]開(kāi)發(fā)的Word2vec能夠利用大規(guī)模未經(jīng)標(biāo)注的語(yǔ)料高效地生成詞的向量表示，且利用依存關(guān)系和上下文關(guān)系來(lái)訓(xùn)練詞向量，可以包含更多的語(yǔ)義信息.2019年何喜軍[4]等人提出計(jì)算供需文本詞頻特征、相關(guān)性特征和語(yǔ)義特征的匹配模型，通過(guò)采集在線技術(shù)轉(zhuǎn)移平臺(tái)數(shù)據(jù)，使用熵值法將多特征計(jì)算結(jié)果進(jìn)行融合.目前國(guó)內(nèi)外在語(yǔ)義層面上計(jì)算句子相似度的先進(jìn)研究方法大多是基于詞向量和深度模型的[5]，這類方法在表征上下文語(yǔ)義信息方面還有許多不足之處.基于句向量的表示方法可以更好的表征句子的語(yǔ)義特征，表征更加豐富的上下文信息，可以通過(guò)均值模型或加權(quán)模型將詞向量轉(zhuǎn)化為句向量，也可以通過(guò)字向量拼接得到句向量的表示.2018年谷歌提出的Bert預(yù)訓(xùn)練模型通過(guò)取高層的隱向量求得對(duì)應(yīng)的句向量[6]，可以更好的捕捉上下文語(yǔ)義關(guān)系.TextCNN[7]用于文本等序列化數(shù)據(jù)的特征提取有不錯(cuò)的效果，但在文本特征提取任務(wù)中滑動(dòng)窗口的大小較難確定.傳統(tǒng)的RNN也可用于序列化特征提取，但對(duì)于局部特征的捕捉能力有限.TextRCNN[8]網(wǎng)絡(luò)結(jié)合雙向RNN與TextCNN的特點(diǎn)，對(duì)于解決“長(zhǎng)距離依賴”和捕捉局部特征問(wèn)題有明顯的改善.本文基于句向量的嵌入表示計(jì)算文本的相似度[9]，以TextRCNN作為特征提取器，將不同屬性的相似性評(píng)分結(jié)合熵值法動(dòng)態(tài)構(gòu)建權(quán)重矩陣.最終實(shí)現(xiàn)融合多屬性的推薦方式，嘗試探索科研推薦的有效方案.

3 多屬性融合企業(yè)研發(fā)推薦模型設(shè)計(jì)

本文基于 “陜西省中小企業(yè)服務(wù)平臺(tái)”數(shù)據(jù)進(jìn)行企業(yè)研發(fā)供需推薦，其中包括各高校重點(diǎn)實(shí)驗(yàn)室數(shù)據(jù)172組，每組數(shù)據(jù)包含專利、論文、成果、項(xiàng)目以及專著等多個(gè)屬性.每個(gè)屬性包含若干條概要信息描述該屬性信息.數(shù)據(jù)結(jié)構(gòu)示例如圖1所示.

圖1 多屬性數(shù)據(jù)結(jié)構(gòu)示例Fig.1 Example of multi-attribute data structure

針對(duì)該供需數(shù)據(jù)特征，圖2展示了該推薦模型的系統(tǒng)流程.使用Bert預(yù)訓(xùn)練模型[10]作為供需文本的嵌入層，用于表征文本的上下文信息.結(jié)合TextRCNN模型用于學(xué)習(xí)文本相似性特征，輸出層使用Softmax函數(shù)作為相似性評(píng)分[11]，對(duì)各屬性評(píng)分計(jì)算結(jié)果結(jié)合熵值法賦予權(quán)值，計(jì)算出每個(gè)實(shí)驗(yàn)室的推薦評(píng)分并排序.

圖2 系統(tǒng)流程圖Fig.2 System flow chart

3.1 供需文本嵌入表示

句子表示階段采用基于Bert預(yù)訓(xùn)練模型表示上下文特征，可以獲得多層輸出，每一層輸出包括輸入的每個(gè)字對(duì)應(yīng)的隱向量，通過(guò)取高層的隱向量求得對(duì)應(yīng)的句向量，Bert使用了Transformer[12]作為算法的主要框架，如圖3所示.

圖3 Bert模型結(jié)構(gòu)圖Fig.3 Bert model structure diagram

由于Bert模型在設(shè)計(jì)的時(shí)候使用了完全基于注意力機(jī)制的雙向Transformer編碼結(jié)構(gòu).能夠計(jì)算出每個(gè)詞對(duì)句子中所有詞的關(guān)系，進(jìn)而能夠反映出詞與詞之間的相互關(guān)系以及重要程度.因此能夠蘊(yùn)含更多上下文信息，從而可以更好地服務(wù)于下游任務(wù).對(duì)于Bert的輸入表示是將Token Embeddings、Segment Embeddings以及Position Embeddings這3個(gè)向量進(jìn)行拼接[13]，如圖4所示.

圖4 Bert輸入表示Fig.4 Bert input representation

3.2 神經(jīng)網(wǎng)絡(luò)特征提取

通過(guò)嵌入層得到文本的向量表示后，該向量作為TextRCNN層的輸入，用以提取文本的相似性特征.TextRCNN結(jié)合了卷積網(wǎng)絡(luò)與循環(huán)網(wǎng)絡(luò)的優(yōu)點(diǎn)，既可以獲取局部特征也可以獲取上下文特征.TextRCNN將經(jīng)過(guò)嵌入層得到的向量使用循環(huán)網(wǎng)絡(luò)RNN進(jìn)行上下文特征提取.LSTM[14]網(wǎng)絡(luò)可以學(xué)習(xí)長(zhǎng)期依賴信息，由記憶細(xì)胞、輸入門、遺忘門和輸出門組成，其中記憶細(xì)胞用來(lái)存儲(chǔ)和更新歷史信息，3個(gè)門結(jié)構(gòu)通過(guò)Sigmoid函數(shù)來(lái)決定信息的保留程度.記憶單元的結(jié)構(gòu)如圖5所示.

圖5 LSTM網(wǎng)絡(luò)記憶單元結(jié)構(gòu)Fig.5 LSTM network memory cell structure

由于LSTM網(wǎng)絡(luò)對(duì)于“長(zhǎng)距離依賴”具有更好的處理能力，本文使用LSTM網(wǎng)絡(luò)代替RNN網(wǎng)絡(luò)用于特征提取.首先使用LSTM處理輸入的向量，然后在每個(gè)時(shí)間步，把LSTM的輸出與對(duì)應(yīng)的句向量拼接，作為當(dāng)前時(shí)間步的“語(yǔ)義向量”，可以更好的表示文本的上下文特征.之后使用池化層進(jìn)行特征選擇，選取 K個(gè)重要的語(yǔ)義向量作為輸出的特征，把文本所有的語(yǔ)義向量取縱向最大池化操作得到特征表示輸出，Text-RCNN網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示.

圖6 TextRCNN網(wǎng)絡(luò)結(jié)構(gòu)Fig.6 TextRCNN network structure

3.3 多屬性指標(biāo)評(píng)價(jià)體系構(gòu)建

各重點(diǎn)實(shí)驗(yàn)室信息包括論文、專利、項(xiàng)目、專著以及成果等多屬性指標(biāo)，各屬性指標(biāo)對(duì)于需求的重要性程度不同，需強(qiáng)化數(shù)據(jù)中的重要屬性，削弱次要屬性，引入多特征權(quán)值矩陣是一種可行的方法.本文采用熵值法確定多屬性權(quán)值矩陣.

使用熵值法計(jì)算首先要進(jìn)行非負(fù)處理，由于相似評(píng)分均為正數(shù)，故文本采用極差標(biāo)準(zhǔn)法對(duì)各項(xiàng)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理[15].標(biāo)準(zhǔn)化計(jì)算公式如公式(1)所示.

(1)

Bij為原始數(shù)據(jù)，其中i=1，2，3，…，m；j=1，2，3，…，n；i和j分別表示第i個(gè)科技研發(fā)團(tuán)隊(duì)及該科技研發(fā)團(tuán)隊(duì)第j個(gè)科研成果屬性；(Bj)max和(Bj)min分別代表第j個(gè)成果屬性相似性得分的最大值和最小值.由于指標(biāo)中涉及百分比變量，為避免權(quán)重為0的情況，統(tǒng)一將歸一化后數(shù)值為0的指標(biāo)按0.01計(jì)算.

首先，計(jì)算第i個(gè)實(shí)驗(yàn)室下第j個(gè)推薦指標(biāo)所占的比重Pij，計(jì)算公式如公式(2)所示.

(2)

計(jì)算第j個(gè)指標(biāo)的熵值ej，計(jì)算公式如公式(3)所示.

(3)

其中，ej為第j項(xiàng)指標(biāo)的熵值，n為評(píng)價(jià)指標(biāo)的數(shù)量，ln為自然對(duì)數(shù).計(jì)算第j個(gè)指標(biāo)的熵值Sj，計(jì)算公式如公式(4)所示.

(4)

設(shè)候選推薦實(shí)驗(yàn)室集合為Q={q1，q2，q3，…，qj}，j為該數(shù)據(jù)集中科研團(tuán)隊(duì)的總數(shù)，qi為第i個(gè)實(shí)驗(yàn)室.qi={p1，p2，…，qn}為該科研團(tuán)隊(duì)科研成果屬性集合.pm={c1，c2，c3，…，ck}表示第i個(gè)科研團(tuán)隊(duì)屬性m下的所有成果集合.定義相似度評(píng)分函數(shù)score來(lái)衡量候選實(shí)驗(yàn)室Qi下的每一項(xiàng)科研成果與需求r的相關(guān)程度，計(jì)算公式如公式(5)所示.最后根據(jù)評(píng)分結(jié)果進(jìn)行排序，給出推薦的科技研發(fā)團(tuán)隊(duì).

(5)

4 模型評(píng)價(jià)數(shù)據(jù)集及評(píng)價(jià)方法

4.1 模型評(píng)價(jià)數(shù)據(jù)集準(zhǔn)備

為驗(yàn)證Bert-TextRCNN網(wǎng)絡(luò)在短文本相似性匹配任務(wù)上的有效性驗(yàn)證，本文使用兩種數(shù)據(jù)集進(jìn)行驗(yàn)證，分別是ATEC螞蟻花唄數(shù)據(jù)集和LCQMC相似度匹配數(shù)據(jù)集.其中ATEC螞蟻花唄數(shù)據(jù)集由阿里巴巴螞蟻金服提供，采集于金融行業(yè)，來(lái)自客服與顧客的直接對(duì)話，基本都是短句子；LCQMC相似度匹配數(shù)據(jù)集是哈爾濱工業(yè)大學(xué)為解決在中文領(lǐng)域大規(guī)模問(wèn)題匹配數(shù)據(jù)集的缺失，人工標(biāo)注的相似度任務(wù)數(shù)據(jù)集.兩種數(shù)據(jù)集的樣本構(gòu)造如表1及表2所示.由于這兩個(gè)數(shù)據(jù)集為非平衡數(shù)據(jù)集[16]，故對(duì)數(shù)據(jù)集進(jìn)行欠采樣處理，既可以平衡模型對(duì)正負(fù)樣例的學(xué)習(xí)能力，還可以考察模型在小數(shù)據(jù)集上的表現(xiàn).數(shù)據(jù)集處理后結(jié)果如表3所示.

表1 ATEC數(shù)據(jù)集樣例Table 1 Sample ATEC data set

表2 LCQMC數(shù)據(jù)集樣例Table 2 Sample LCQMC data set

表3 數(shù)據(jù)集欠采樣處理結(jié)果Table 3 Data set under-sampling processing result

4.2 評(píng)價(jià)方法

選擇ROC-AUC作為評(píng)價(jià)標(biāo)準(zhǔn)，指標(biāo)越接近1，代表模型性能越好.根據(jù)ROC的橫縱坐標(biāo)，可以構(gòu)建混淆矩陣，利用混淆矩陣可計(jì)算ROC曲線的兩個(gè)指標(biāo)TPR和FPR，即召回率和查準(zhǔn)率.根據(jù)TPR和FPR，可以計(jì)算出準(zhǔn)確率的綜合評(píng)分F1值，具體計(jì)算公式如公式(6)所示：

(6)

其中召回率表示模型正確預(yù)測(cè)出測(cè)試集正例數(shù)據(jù)數(shù)量與測(cè)試集數(shù)據(jù)總數(shù)的比率(其中TP表示正例數(shù)據(jù)預(yù)測(cè)正確的個(gè)數(shù)，F(xiàn)N表示負(fù)例數(shù)據(jù)預(yù)測(cè)正確的個(gè)數(shù))；準(zhǔn)確率用來(lái)評(píng)估測(cè)試集預(yù)測(cè)正確的正例數(shù)量與測(cè)試集數(shù)據(jù)預(yù)測(cè)成正例的比率(FP表示測(cè)試集負(fù)例數(shù)據(jù)預(yù)測(cè)錯(cuò)誤的個(gè)數(shù))；F1值即為兩者的調(diào)和平均數(shù).

5 實(shí)驗(yàn)與分析

本章主要驗(yàn)證Bert-TextRCNN網(wǎng)絡(luò)模型各部分在短文本相似度匹配任務(wù)上的實(shí)驗(yàn)對(duì)比，驗(yàn)證本文所采用模型在該任務(wù)上的有效性，同時(shí)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析，探究模型各部分組成對(duì)實(shí)驗(yàn)結(jié)果的影響，為將來(lái)進(jìn)一步優(yōu)化改進(jìn)或應(yīng)用于其他領(lǐng)域提供參考依據(jù).

5.1 相似度對(duì)照實(shí)驗(yàn)

相似度對(duì)照實(shí)驗(yàn)?zāi)Ｐ筒捎肳ord2vecTextCNN、Word2vecTextRCNN、Bert-TextCNN以及Bert-TextRCNN這4種模型設(shè)置對(duì)照組，分別驗(yàn)證引入預(yù)訓(xùn)練模型Bert對(duì)于實(shí)驗(yàn)結(jié)果的影響以及TextCNN和TextRCNN對(duì)于短文本相似度匹配任務(wù)的不同表現(xiàn).實(shí)驗(yàn)結(jié)果如表4、表5所示.

由實(shí)驗(yàn)結(jié)果可見(jiàn)Bert-TextRCNN在ATEC數(shù)據(jù)集和LCQMC數(shù)據(jù)集上的表現(xiàn)要優(yōu)于其他3種網(wǎng)絡(luò)結(jié)構(gòu)，這得益于Bert預(yù)訓(xùn)練模型的遮蔽語(yǔ)言模型和多層Transfomer結(jié)構(gòu)作為特征提取器，可直接作為一種抽象特征來(lái)服務(wù)于下游任務(wù).對(duì)比實(shí)驗(yàn)表明，采用Bert預(yù)訓(xùn)練模型構(gòu)建句向量的效果要優(yōu)于Word2vec的詞向量表示方法.在文本相似度計(jì)算領(lǐng)域，TextRCNN的效果比TextCNN的表現(xiàn)更好，這是由于Text-CNN只能捕捉局部特征，而TextRCNN使用LSTM網(wǎng)絡(luò)代替卷積層，更好的捕捉序列化特征，從而捕捉到文本上下文語(yǔ)義信息.

5.2 多特征權(quán)值矩陣對(duì)照實(shí)驗(yàn)

在文本相似度實(shí)驗(yàn)的基礎(chǔ)上，采用在ATEC數(shù)據(jù)集和LCQMC數(shù)據(jù)集表現(xiàn)最好的Bert-TextRCNN模型作為相似度計(jì)算模型，在“陜西省中小企業(yè)研發(fā)服務(wù)平臺(tái)”成交信息數(shù)據(jù)集上測(cè)試引入多屬性權(quán)值矩陣對(duì)于推薦結(jié)果準(zhǔn)確性的影響.對(duì)于多屬性權(quán)重矩陣的構(gòu)建分為兩種思路，一種是根據(jù)各屬性數(shù)據(jù)分布情況使用熵值法[17]動(dòng)態(tài)確定各組數(shù)據(jù)不同屬性的權(quán)重，一種是根據(jù)業(yè)內(nèi)專家對(duì)于屬性的重要性評(píng)估，采用層次分析法確定固定權(quán)值矩陣.層次分析法確定權(quán)值過(guò)程如下：

5.2.1 構(gòu)建判斷矩陣

判斷矩陣是建立各層次之間關(guān)系的結(jié)構(gòu)化形式，根據(jù)各層次之間的重要性程度兩兩之間相互比較構(gòu)建判斷矩陣.首先根據(jù)相關(guān)專家對(duì)指標(biāo)的相關(guān)重要性進(jìn)行評(píng)估賦分，賦分標(biāo)準(zhǔn)按表6所示.

表6 標(biāo)度取值及含義Table 6 Scale value and meaning

根據(jù)10名相關(guān)領(lǐng)域的專家評(píng)價(jià)結(jié)果作為層次分析法分析的對(duì)象.隨機(jī)選取其中一位專家評(píng)價(jià)結(jié)果將其結(jié)果轉(zhuǎn)換為判斷矩陣B′如公式(7)所示，該矩陣具有正互反的特點(diǎn)，即Bii=Bjj=1，Bij×Bji=1.

(7)

5.2.2 計(jì)算多特征指標(biāo)權(quán)重系數(shù)

利用幾何平均法計(jì)算權(quán)重系數(shù)分為以下步驟：首先將判斷矩陣B′的元素按照行相乘得到一個(gè)新的列向量Mi，接著計(jì)算Mi的n次方根Vi，最后對(duì)Vi進(jìn)行歸一化處理得到wi，具體計(jì)算如公式(8)所示，特征權(quán)重映射如表7所示.

(8)

表7 屬性權(quán)重映射關(guān)系Table 7 Attribute weight mapping

共設(shè)置3組對(duì)照實(shí)驗(yàn).分別驗(yàn)證引入熵值法、層次分析法與不引入多特征權(quán)重矩陣分別對(duì)于多屬性推薦中權(quán)值矩陣對(duì)推薦結(jié)果的影響.測(cè)試數(shù)據(jù)使用“陜西省中小企業(yè)研發(fā)服務(wù)平臺(tái)”所發(fā)布188條成交記錄作為測(cè)試數(shù)據(jù)集進(jìn)行測(cè)試，從中隨機(jī)抽取若干條成交記錄中的需求文本進(jìn)行結(jié)果分析，平臺(tái)成交記錄示例如表8所示.通過(guò)對(duì)推薦得分的前5名實(shí)驗(yàn)室的科研成果內(nèi)容根據(jù)成交結(jié)果判別推薦的準(zhǔn)確性.為了消除某一屬性內(nèi)實(shí)體數(shù)量過(guò)多而導(dǎo)致的得分堆疊致使推薦分?jǐn)?shù)過(guò)高，從而影響推薦結(jié)果的問(wèn)題，故對(duì)相似度計(jì)算模型的得分進(jìn)行剪枝操作，相似度得分低于0.3認(rèn)為與目標(biāo)需求不相關(guān)，故置為0.對(duì)比實(shí)驗(yàn)結(jié)果示例如表9、表10及表11所示.

表8 成交結(jié)果示例Table 8 Sample auction results

表9 相似度計(jì)算模型結(jié)合熵值法推薦結(jié)果Table 9 Similarity calculation model combined with entropy method recommendation results

表10 相似度計(jì)算模型結(jié)合層次分析法推薦結(jié)果Table 10 Similarity calculation model combined with analytic hierarchy process recommended results

針對(duì)需求“涇河大橋上部結(jié)構(gòu)鋼結(jié)構(gòu)…”，通過(guò)在數(shù)據(jù)集中人工篩選，其中“陜西省結(jié)構(gòu)與抗震重點(diǎn)實(shí)驗(yàn)室”與“陜西省公路橋梁與隧道重點(diǎn)實(shí)驗(yàn)室”是與其最為匹配的目標(biāo)科技研發(fā)團(tuán)隊(duì).需求“關(guān)于高溫碳化金屬有機(jī)框架材料…”，通過(guò)人工篩選，其中“陜西省納米材料與技術(shù)重點(diǎn)實(shí)驗(yàn)室”與“陜西省輕化工助劑重點(diǎn)實(shí)驗(yàn)室”是與其最為匹配的目標(biāo)科技研發(fā)團(tuán)隊(duì).對(duì)比實(shí)際成交結(jié)果，實(shí)際成交方均被包含于上述人工篩選的科研團(tuán)隊(duì)中，可知該實(shí)例交易記錄不存在太多客觀擾動(dòng)因素.分析實(shí)驗(yàn)結(jié)果，在引入熵值法的推薦結(jié)果中對(duì)應(yīng)需求的實(shí)際成交方排名分別為第2名和第1名，表明權(quán)值矩陣可以調(diào)整推薦結(jié)果，且引入熵值法的推薦結(jié)果要明顯優(yōu)于層次分析法.這是由于熵值法會(huì)根據(jù)推薦得分的數(shù)據(jù)分布情況動(dòng)態(tài)確定各指標(biāo)權(quán)值，充分強(qiáng)化高分?jǐn)?shù)據(jù)，削弱低分?jǐn)?shù)據(jù).而層次分析法權(quán)值矩陣固定，對(duì)于每組得分都賦予相同權(quán)值，且判斷矩陣由人為填寫，致使推薦結(jié)果附帶一定的主觀性.

表11 相似度計(jì)算模型(不引入權(quán)值矩陣)推薦結(jié)果示例Table 11 Similarity calculation model(without introducing weight matrix)recommendation results

熵值法對(duì)各指標(biāo)的權(quán)值計(jì)算與數(shù)據(jù)的分布有關(guān)，數(shù)據(jù)量的離散程度不同，最終確定的權(quán)重也不同，為驗(yàn)證在小樣本上權(quán)值矩陣對(duì)推薦結(jié)果帶來(lái)的影響，在上述實(shí)驗(yàn)的基礎(chǔ)上抽取172個(gè)待推薦的科研團(tuán)隊(duì)其中的50個(gè)，但這50個(gè)目標(biāo)團(tuán)隊(duì)中要包含與實(shí)際需求最相關(guān)的2個(gè)科研團(tuán)隊(duì)，使用表8所示成交實(shí)際樣例進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果如表12所示.

表12 小數(shù)據(jù)樣例推薦結(jié)果示例Table 12 Small data sample recommended example results

由實(shí)驗(yàn)結(jié)果可以看出，本文提出的推薦算法在小數(shù)據(jù)集上的推薦結(jié)果并未受到明顯的影響，表明采用熵值法確定指標(biāo)權(quán)重的方法在小量數(shù)據(jù)上實(shí)現(xiàn)科研團(tuán)隊(duì)推薦具有一定的抗擾動(dòng)性，這是熵值法的計(jì)算方式與該推薦任務(wù)的特殊性結(jié)合導(dǎo)致的結(jié)果.由公式(2)和公式(3)可知，對(duì)于成果項(xiàng)中的第j項(xiàng)指標(biāo)，對(duì)應(yīng)的指標(biāo)值Bij的差異越大，熵值就越小，其所包含的信息量越多.由公式(5)可知，熵值越小，對(duì)應(yīng)成果指標(biāo)的權(quán)值越大.在科技研發(fā)團(tuán)隊(duì)推薦任務(wù)中，第j項(xiàng)指標(biāo)下指標(biāo)值Bij離散程度較大，說(shuō)明j指標(biāo)下有n(0

6 結(jié) 語(yǔ)

本文為實(shí)現(xiàn)技術(shù)供需雙方信息共享和加速供需有效對(duì)接，充分利用互聯(lián)網(wǎng)平臺(tái)以實(shí)現(xiàn)技術(shù)交易的有效途徑，提出一種融合多屬性表示的相似度計(jì)算模型，利用句向量與序列化結(jié)合最大池化的特征提取方式，使文本的相似度度量結(jié)果更加準(zhǔn)確.實(shí)驗(yàn)采集“陜西省中小企業(yè)服務(wù)平臺(tái)”的供需數(shù)據(jù)用于驗(yàn)證模型在供需匹配領(lǐng)域的有效性，并驗(yàn)證權(quán)值矩陣可以有效的提高供需推薦的準(zhǔn)確性.但由于只在“陜西省中小企業(yè)研發(fā)平臺(tái)”進(jìn)行供需推薦測(cè)試，數(shù)據(jù)量相對(duì)較小，且由于在實(shí)際研發(fā)中存在價(jià)格、事件、效率等客觀因素，未進(jìn)行人工標(biāo)注測(cè)試集，僅采用隨機(jī)抽取部分交易成交信息驗(yàn)證分析模型的準(zhǔn)確性.為增強(qiáng)實(shí)驗(yàn)結(jié)果的說(shuō)服力，該部分內(nèi)容還有待優(yōu)化，是今后繼續(xù)改善提升的方向.由于該領(lǐng)域標(biāo)注數(shù)據(jù)集的缺乏，本文使用了通用領(lǐng)域LCQMC數(shù)據(jù)集訓(xùn)練好的模型作為相似度得分計(jì)算模型，用其對(duì)提出的推薦算法進(jìn)行驗(yàn)證，如果使用相關(guān)領(lǐng)域的數(shù)據(jù)集應(yīng)該會(huì)取得更好的效果.基于圖結(jié)構(gòu)的推薦方式目前在許多領(lǐng)域有不錯(cuò)的表現(xiàn)，未來(lái)工作中將考慮采用基于知識(shí)圖譜以及圖神經(jīng)網(wǎng)絡(luò)的方式進(jìn)行改進(jìn).