寻找专家在推动成功的合作和加快高质量研究开发和创新方面起着至关重要的作用。但是，科学出版物和数字专业知识的快速增长使确定合适的专家是一个具有挑战性的问题。根据向量空间模型，文档语言模型和基于图形的模型，可以将寻找给定主题的专家的现有方法分类为信息检索技术。在本文中，我们建议$ \ textit {expfinder} $，一种用于专家发现的新合奏模型，该模型集成了一种新颖的$ n $ gram-gram vector空间模型，称为$ n $ vsm和基于图的模型，并表示作为$ \ textit {$ \ mu $ co-hits} $，这是共同算法的拟议变体。 $ n $ vsm的关键是利用$ n $ gram单词和$ \ textIt {expfinder} $ compriese $ n $ vsm的最新反向文档频率加权方法中的实现专家发现。与六个不同的专家发现模型相比，我们在四个不同的数据集上全面评估$ \ textit {expfinder} $。评估结果表明，$ \ textit {expfinder} $是专家发现的高效模型，显着优于19％至160.2％的所有比较模型。
translated by 谷歌翻译