一、成果介绍：

目前，人才评价主要基于专家自己填写的信息，存在数据时效性低、准确性难以验证的问题。同时数据来源单一，造成学者画像精度低、学术评价片面、缺乏权威性等问题。在此背景下，迫切需要构建一套时效性高、准确性可验证、学者画像精度高、学术评价科学公正、具有权威性的专家画像。清华大学 AMiner 团队通过对数据语义化、语义集成等难点技术的攻关，结合知识图谱、机器学习和大数据等技术，研究构建多维、客观的专家画像。

二、专家画像构建能够实现以下特征：

1. 多维多粒度学术画像的精准实现与纠错

2.科研行为画像的准确性和实时性验证

3. 立体精准可信的学术评价体系

4.场景自适应的学术同行分类与推荐

多维多粒度学术画像的精准实现与纠错构建了适用于学术领域的用户画像模型，多维立 体地展示了学术用户的特征，保证了画像的全面性。将科研人员实时动态的科研行为变化引入到学术知识图谱构建中，构建学术画像图谱和学术关系图谱，同时构建了研究画像信息可信溯源机制，帮助学术画像的准确性验证。科研行为画像的准确性和实时性验证使获取的测试样本具有典型的代表性和广泛性，形成了科学、客观的科研行为画像样本验证数据集，可以用于客观评价科研行为用户画像的准确程度。立体精准可信的学术评价体系通过基于学者的学术产出、科研项目、学术活动等多维度

科研行为进行影响力度量和预测，实现了评价体系的“立体”化。通过构建自适应权重的同行评价体系并对其进行评估，实现了评价体系的“精准”化。通过探索个体隐私保护、关键科研行为信息安全保障方法，实现了评价体系的“可信”化。场景自适应的学术同行分类与推荐满足了不同应用需求的科研项目评审专家推荐，同时可以向科研学者精准地推送科研专家，并提供推荐解释。

三、 应用说明

该专家画像为中国科技部专家智能指派系统的构建提供了坚实的基础，在数据层面为项

目评审专家推荐系统的实现提供了可靠的数据支撑。

四、 效益分析

专家画像构建为科学、合理的人才评价以及项目评审专家推荐提供了强大的数据支撑。解决了以往专家画像精度低、学术评价片面、缺乏权威性、数据时效性低、准确性难以验证等问题方面，大幅度提升人才评价/专家推荐的科学性和合理性，也有助于人才系统的建设与发展。

五、 合作方式

联合推广。