基于约束优化的专家匹配方法及系统

摘要

本发明公开了一种基于约束优化的专家匹配方法，包括：最大化任务与所述任务被分配的专家之间的相关性；根据约束条件建立约束化框架；利用LDA话题模型为每一位专家和每一个任务分别自动生成话题分布，专家vi的话题的描述文档为dvi＝{wvik}，每一个任务qj的话题描述文档dqj＝{wqjk}；计算专家和任务之间的相关性；根据计算的相关性求解所述约束化框架，得到任务和专家的匹配方案，还公开了一种基于约束优化的专家匹配系统。本发明得到了任务和专家匹配较好的解决方案，并通过用户反馈对解决方案进行调节，得到了任务和专家匹配的最优解。

主权项

一种基于约束优化的专家匹配方法，其特征在于，包括以下步骤：S1：采用以下公式最大化任务与所述任务被分配的专家之间的相关性： Max Σ v i ∈ V ( q j ) Σ q j ∈ Q ( v i ) R ij 其中，V(qj)表示分配给任务qj的专家集合，Q(vi)表示分配给专家vi的任务集合，Rij表示专家vi和任务qj的相关性；S2：根据约束条件建立约束化框架；S3：利用LDA话题模型为每一位专家和每一个任务分别自动生成话题分布，专家vi的话题描述文档为dvi＝{wvik}，每一个任务qj的话题描述文档dqj＝{wqjk}，其中wvik表示专家vi对应的描述文档中出现的第k个单词，wqjk表示任务qj对应的描述文档中出现的第k个单词；S4：计算专家和任务之间的相关性；S5：根据所述S4计算的相关性求解所述约束化框架，得到任务和专家的匹配方案。