随着国家大力倡导和弘扬创新,鼓励创新的精神,高度重视中小企业的创新发展,中小企业的技术创新与改革问题越来越受到重视。中小企业作为我国产学研合作的重要组成部分,在改革发展中十分需要获得政府与高校在技术、资金、政策和人才等方面的支持。实际上,当中小企业遇到技术创新与改革难题时,面对数以万计的相关领域专家,短时间内很难找到比较合适的人员进行咨询。针对这一问题,本文基于数据挖掘和机器学习的相关技术,设计了为中小企业服务的安全领域专家推荐系统。该系统主要面向安全领域,包括交通安全、建筑生产安全,电力安全等领域。当安全领域的企业有技术需求时,可以根据需求进行相似度匹配,找到最适合,最满足企业需求的安全领域专家,在节省企业搜索成本的同时,更有利于企业与专家精准对接。首先,本文研究已有的专家推荐算法特点,结合安全领域的特点,提出了利用专利网站中安全领域的专利信息作为专家最新的研究成果的观点,并设计了能够抓取专家论文信息的网络爬虫程序,主要是在“上海科技创新资源数据中心”网站下,基于万方数据库搜索以“安全”为关键词的专利信息。然后对专利信息进行预处理,并利用Word2Vec模型构建词向量空间模型,接着使用卷积神经网络算法对专家的论文信息进行分类。其次,为解决冷启动问题,让安全领域的企业用户参与系统地设计计中,企业用户根据专家的具体情况进行满意度打分,判断专家是否符合该企业以及该行业的需求。系统根据企业的评分值对推荐结果进行调整。通过优化推荐系统的非负矩阵分解算法,提高推荐准确率,并对推荐内容进行展示。最后,基于上述研究实现了安全领域的专家推荐系统,并基于MoviesLens数据对本系统进行了测试,测试结果表明本文提出的基于机器学习的安全领域专家推荐系统具有一定的可行性和有效性。