- 选题背景和意义：
在现代的研究工作中，人力资源作为主体，位于一个相当重要的地位。而在当下，一项工作的展开，所涉及的知识领域和过去相比，更加的精细化专业化，这就需要对人力资源进行更加深入的分类与评估，其效果取决于人力资源的评价的准确性和科学性。对于人力资源来说，如何将他们的能力用直观的方式来展示出来，如何让他们将自己擅长的领域在工作中得到充分的发挥，是这个课题需要研究的一个重点。通过将人力资源信息用合理的算法进行分析，同时对要进行的工作的需求进行细致的分解分析，再通过信息匹配，量化地选择出适合该工作的专家。在分工更加精细明确的现在，实现人力资源信息的精准匹配将使工作的效率与效果都得到较大的提高，也能让专家们能更好的展现发挥自己的能力，对整个社会活动具有相当程度的帮助。
- 课题关键问题及难点：
本课题中，基本的环节可分为三个，人力资源的分析，人力资源需求的分析，程序实现。在前两步中，需要对人力资源的各种属性进行分析，知识是具有网状结构的，一项知识在经过逐步分析后会有多个祖先结点，对于一个知识领域，同时因为需求的不同，涉及到的深度也会产生变化，这就要求对知识领域中每一个结点都需要进行相应算法处理，使人力资源信息输入到系统中后，能生成一个对应的树，在需求分析完后，对需求领域各专家的能力进行直观上的排序，从而选出合适的专家来进行相应的工作。这就牵扯出第一个难点，如何对专家在个领域的能力进行评估。另一方面在需求上，也同样涉及到难点，如何将需求尽可能的转化到现有词条。最后在程序实现上，需要考虑尽可能多的实际应用情景，进行更加合理的系统设计。
- 文献综述（或调研报告）：
为了完成一个较为完整的人力资源匹配系统，需要从信息收集到信息处理再到信息匹配进行完整的设计。其中比较重要的就是关于人力资源评价算法和知识领域划分的方法，这也是寻找资料时着重研究的目标。
在人力资源分析的部分，首先需要考虑的就是信息的获取，除去专家作为用户自行在系统中更新的基本信息外，需要通过一定的方法对相关的能力信息进行一定的处理。在文献5中，提出了对论文的分配算法，通过研究二部图匹配理论，在匈牙利最大匹配算法和Kuhn-Munkres最优匹配算法的基础上得到了均衡分配算法，通过该方法，可以将专家相关的论文有效率的整理到一起，不足之处在于，对各项权重子的比重研究，需要相当的数据与实验，而算法整体来说，时间复杂度较高。
在文献1中，通过结合专家成果信息的特殊性，对专家成果类别适用的数据清洗算法进行了研究，这种算法考虑了文本的不规范性对信息获取的影响，通过基于特征的数据标准化方法（FDS），通过实验证明了和正向最大匹配算法（FMM）相比较，证明了其在时间复杂度上的优越性，但对训练集在测试集中所占的比例依赖更大，对数据本身有一定的要求。同时提出的基于粒计算的属性自动融合算法，建立有向知识粒图，使用最大权值路径算法，相比其他算法，该方法能够较少受属性值冲比例的影响，但相比之下时间消耗更多。通过信息获取的研究，使我们能够获取相对可靠的专家信息，并进行进一步的操作。
在文献2中，建立了一个三层包含16个易度量指标的科技专家评价综合指标体系和专家评价数学模型，同时给出了科技词条模型和科技词条库的构建方法，并结合二者给出了专家擅长领域的计算方法，对专家进行了基于科技词条模型的科技专家评价方法。通过对不同指标进行不同方式的处理，综合得到了专家评价，将专家文献中科技词条与科技词条库中的词条进行匹配，选出候选特征词条后通过基于LSA的文本聚类算法对专家的科技成果文本集进行聚类，再结合相关领域的权重，对专家进行了较为全面的评价，这种方法在使用时，思路较为清晰，在面对不同的需求时，能进行灵活的变化，但相应的，依赖于对专家各项信息考虑的全面性和合理性，由于需要使用科技词条库，在科技词条的扩充，同义词的同一，词条选取的优化上都有一定的难度。
另一方面，文献3更注重的是进行对专家领域的识别，提出了使用动态主题模型在纯文本数据中的领域专家识别框架，这种方法使用动态主题模型，按时间片划分进行训练，以得到每篇文档在每个主题概率分布，实验中与静态主题模型相比较，结合了时间演化因素后对大多数的领域来说都有更好的效果，这种方法的不足在于，动态模型的建立需要较多的时间，所以需要考虑时间成本和空间成本的取舍。
考虑到本课题需要建立一个系统，所以需要对专家推荐系统进行充分的需求分析。文献4中，在专家系统的需求上进行了深入的分析，从信息管理，在线咨询，智能推荐三方面进行了程序实现。但是实际需求上不仅仅是这些部分，如果要完成一个完整的系统，则需要更加细致的对需求进行分别实现。
参考文献：
1.周江. 专家信息资源收集中数据清洗与融合算法研究[D].中南大学,2013.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
