随着科技事业的飞速发展,制定了与科研项目管理相关的的政策、法规和管理办法。在科研项目管理中,科研项目绩效评价十分重要。科研项目具有多样性和复杂性的特点,因此其评价不能仅靠定量指标,为了充分挖掘项目的潜在价值及效益,专家评价依旧不容忽视。但专家评价一定程度上有着缺乏公平公正性的风险,其次,如何聚集各专家意见也是一项值得探讨的工作。基于以上问题,本文以科研项目和评审专家为研究对象,将文本挖掘应用于科研项目与评审专家的匹配中,实现科研项目与评审专家自动匹配。首先根据专家遴选原则提出匹配原则,在此基础上,将文本聚类技术与匹配模型融合,获取专家集群,有效减少算法运算量;再运用文本相似度计算实现专家备选集的匹配,通过提出包含专家学术及科研影响力、社会关系以及与项目领域吻合程度的综合得分,全面综合的对备选专家进行筛选;为符合模型需求,运用分词、词性标注、关键词提取等技术获取专家特征和项目特征,作为模型的输入。同时,本文结合模糊AHP提出一种双犹豫的层次分析法,使评审专家意见的聚集更加高效且准确,专家在评价项目时可以使用多个隶属度和非隶属度,充分表达自己的犹豫信息,从而使评价更加灵活、高效;然后,运用模糊理论提出一种自动修复不一致专家评分的方法,从而得到可接受的一致性的结果,这样无需将不一致的结果返给专家进行二次评审,提高评审效率,并在此基础上提出运用该方法确定最优方案的流程。最后,运用一个具体科研项目实例,为其自动分配评审专家并运用双犹豫的层次分析法确定评价指标权重,阐述了基于文本挖掘的专家匹配的使用场景,并应用模糊AHP确定指标权重,通过对比分析验证了其可行性和有效性。本文提出的基于文本聚类的科研项目与专家匹配模型不仅具有避免评审专家“关系化、圈子化”问题,增强专家遴选的公众公平性的现实意义;由于在文本聚类的基础上计算相似度,还具有降低运算量,提高匹配效率的理论意义;在将专家的主观评价转变成客观数值时,运用双犹豫的层次分析法,能够处理专家犹豫不决的判断,最大限度地保持信息地完整性,使得评价更加灵活更加广泛;提出的自动修复专家不一致评分的方法,有效避免了传统人工校对人工修改的弊端,减轻专家工作量,提升评价效率,为多目标决策问题提供借鉴。