.png){kind=icon}
返回
AI-Driven Panel Assignment Optimization via Document Similarity and Natural Language Processing
.png){kind=icon}
OA
AI
DOI：10.3390/ai6080177.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效的专家和同行评审人员分配至关重要。传统方法——基于人工偏好或启发式规则——往往引入偏差、不一致性和可扩展性挑战。我们提出了一种自动化框架，结合基于Transformer的文档相似度建模与基于优化的评审人员分配。使用all-mpnet-base-v2模型（版本3.4.1），我们的系统计算提案文本与评审人员文档之间的语义相似度，包括简历和谷歌学术个人资料，无需评审人员的人工输入。这些相似度分数随后转换为排名，并整合到整数线性规划（ILP）公式中，该公式考虑了工作量平衡、利益冲突和特定角色的评审人员分配（负责人、记录员、评审员）。该方法在两个不同学科（化学工程和哲学）的40名研究人员中进行了测试，每个学科有10份提案文档。结果显示了高自相似度分数（0.65–0.89），不同领域之间的强区分度（−0.21至0.08），以及评审人员文档类型之间的可比性能。优化在分配约束下持续优先考虑顶级匹配，同时保持可行性。通过消除对主观偏好的需求并利用深度语义分析，我们的框架提供了一种可扩展、公平且高效的替代方案，用于人工或启发式分配过程。这种方法可以支持大规模评审工作流程，同时增强透明度并与评审人员专长保持一致。
Keyword:
transformer-based document similarity
Integer Linear Programming
reviewer assignment
semantic similarity
expert review
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
5
论文数:
1.1K
被引数:
941
机构
引用论文
.png){kind=icon}
Transforming literature screening: The emerging role of large language models in systematic reviews变革文献筛选：大型语言模型在系统评价中的新兴作用
OAAI
OAAI分享收藏分享收藏Heuristics for the generalised assignment problem: simulated annealing and tabu search approaches
PREAI
分享收藏分享收藏分享收藏
查看更多内容