基于语义的专家推荐系统的HNSW版本。使用HNSW近似最近邻搜索推荐出最匹配的论文、专利、项目。同时使用以上数据按正态分布评分推荐出最匹配的专家。
查看演示：https://www.itech4u.cn/homeSemanticSearch
切换分支有近似最近邻算法Annoy、远程方法调用RMI、后端框架flask、索引切分等其他方式的实现。
词向量训练和HNSW索引构建，需要事先准备语料
python job.py运行推荐服务器
python server.py- word2vec词向量并构建论文等文档向量
- HNSW索引构建
- 准备特征文件实现推荐时筛选（可改为使用不需要特征文件且支持多属性查询的MA-NSW: https://github.com/RyanLiGod/MA-NSW）
- 将目标查询短句分词并生成其句向量
- 使用近似最近邻算法HNSW查询出最接近目标向量的论文、专利、项目
- 使用以上数据按正态分布评分推荐出最匹配的专家