随着工业界的蓬勃发展,涌现出很多大型现代化设备,这些大型设备可以提高工业的生产效率,促进社会发展,可以说人类的发展越来越离不开大型先进设备的支持。但是越是功能强大的设备,其机器结构越复杂且造价昂贵,大型现代化设备的使用时间越久,所暴露出的故障数量就越多,种类越广,复杂且多变。一旦设备出现自身无法解决的问题,唯一办法就是要找专业的维修专家来进行设备维修,推荐哪位维修专家来对该设备所发生的故障精准高效地进行维修就是一个问题了,所以本文以该问题作为研究对象,利用历史维修任务中所产生的相关数据,从故障维修专家的领域推荐以及维修专家个性化推荐等方面展开研究,目的就是要根据用户的需求找出最优的故障维修专家推荐方案。为解决故障维修专家所属领域的推荐问题,本文提出一种基于改进的BERT故障文本分类模型,利用该模型可以对用户提交的故障文本描述信息做故障类型的分类,进而找到所有擅长维修该故障领域的维修专家。将领域推荐问题转化为文本分类问题,完成召回层的推荐任务,生成维修专家候选集,为维修专家的个性化推荐做准备。为解决故障维修专家的个性化推荐问题,本文提出一种融合了用户、维修专家、以及二者交互特征的基于XGBoost的故障维修专家个性化推荐模型,利用该模型可以计算出在召回层所产生的每位候选故障维修专家的得分,每名维修专家的得分按照由高到低排序,选取得分数较高的前几位故障维修专家作为最终推荐结果。利用该推荐方法可以有效保证对于不同用户需求的个性化推荐,完成排序层的推荐任务,有效地提高了推荐结果的准确率。基于上述研究成果,设计并实现设备故障维修专家推荐系统。该系统为用户提供报障工单的智能化管理功能和对维修专家的领域和个性化的推荐功能,用户可以利用web与该系统进行交互,提高了用户对数据的管理效率,有助于用户作出合理决策。