【技術實現步驟摘要】
本專利技術涉及論文送審自動遴選模型構建，尤其涉及基于多維度特征分析的論文送審自動遴選模型構建方法。
技術介紹
1、在當前的學術研究領域，論文發表是科研成果展示和交流的重要方式。論文送審環節對于保證學術質量至關重要，然而，傳統的論文送審模式存在諸多問題。
2、在傳統的論文送審過程中，編輯通常依賴于人工經驗來選擇評審高校或專家。這種人工選擇方式面臨著效率低下的問題。編輯需要花費大量時間去了解各個高校相關學科的實力和潛在評審專家的情況，從眾多高校中逐一篩選合適的送審對象，這一過程冗長且繁瑣，嚴重影響了論文送審的時效性，導致論文從投稿到進入評審環節可能會經歷較長的等待時間。
3、而且，人工選擇難以全面綜合地考慮各種相關因素。例如，編輯可能僅對部分高校的綜合排名較為熟悉，但對于高校特定學科的具體排名、學科覆蓋范圍等細節難以精準把握。這種片面的考量往往會導致送審高校選擇不合理，可能出現送審高校與論文研究方向匹配度不高的情況。比如，將一篇高度專業化的理工科論文送到文科優勢明顯的高校進行評審，這不僅無法保證評審質量，還可能耽誤作者的研究成果及時發布。
4、再者，現有的送審模式缺乏動態性和數據支撐。編輯在選擇送審高校時，很難實時獲取高校在審稿活躍度、審稿效率以及專家信譽度等方面的數據。例如，有的高校雖然學科實力較強，但近期由于各種原因導致審稿專家數量減少，審稿效率大幅下降，人工選擇時卻無法及時察覺這種變化，從而影響整個論文送審和評審流程的順暢性。
5、另外，隨著學術研究的不斷發展和高校數量的增加，論
6、為了解決上述傳統論文送審模式中的缺陷，急需一種能夠基于多維度特征進行分析，且具有自動化、精準化和動態化的論文送審自動遴選模型，能夠綜合考慮高校的綜合排名、學科排名、審稿數據等多方面因素，快速、準確地篩選出合適的論文送審高校，提高論文送審的效率和質量，保障學術研究成果能夠及時、公正地得到評審和發表。
技術實現思路
1、本專利技術提出的基于多維度特征分析的論文送審自動遴選模型構建方法，以解決上述現有技術中提到的問題。
2、為了實現上述目的，本專利技術采用了如下技術方案：一種基于多維度特征分析的論文送審自動遴選模型構建方法，包括以下步驟：
3、s1、數據收集與高校學科畫像構建步驟：
4、設定高校集合，通過多渠道為高校h1-hn收集綜合排名、學校類別排名、一級學科排名、二級學科清單特征數據，綜合排名數據來源于教育評估機構每年發布的高校綜合實力排名榜；學校類別排名依據教育主管部門對高校的分類標準，從同類高校對比中獲??；一級學科排名取自學術組織或評估機構發布的學科評估報告；二級學科清單從高校官方網站的學科建設頁面或教育部門備案的學科信息庫中提取，構建學科畫像；
5、s2、接審高校向量表示步驟：
6、接審高校的向量表示為，其中f是利用深度學習技術構建的映射函數，re表示接審高校的綜合排名，ce表示接審高校的類別排名，s1，e表示接審高校的一級學科排名，s2，e表示接審高校的二級學科清單，具體為采用深度神經網絡，其架構包含輸入層、多個隱藏層和輸出層，輸入層節點數量與收集的高校特征數量一致，輸出層節點數量根據向量空間維度設定；在訓練過程中，運用帶有準確標注的高校數據樣本，通過反向傳播算法持續優化神經網絡的權重和偏置，使生成的向量表征高校的多維度特征；
7、s3、送審高校向量表示步驟：
8、送審高校的向量表示為，其中，rs表示送審高校的綜合排名，cs表示送審高校的類別排名，s1，s表示送審高校的一級學科排名，s2，s表示送審高校的二級學科清單，映射函數f的訓練和優化方式與接審高校向量表示步驟相同；
9、s4、評分加權因子計算步驟：
10、設定接審高校的評分加權因子，α、β、γ為權重系數，通過嚴謹構建成對比較判斷矩陣確定權重系數，依據歷史數據精準判斷各指標相對重要性，具體為若專家依據經驗認定接審次數相對總評閱時間的重要性為3，則在判斷矩陣相應位置準確賦值3；
11、將判斷矩陣各元素除以所在列總和進行歸一化處理，再對歸一化后的矩陣每行求平均獲取權重，同時嚴格計算一致性比率cr，其中，，ci表示一致性指標，是判斷矩陣的最大特征值，n是判斷矩陣的階數，若一致性檢驗未達標，運用層次分析法細致調整判斷矩陣，直至符合一致性要求，接審次數從論文送審系統的歷史記錄中統計得出；總評閱時間通過精確記錄每篇論文的送審起始時間和評審結果返回時間準確計算，結合接審次數得出單篇論文平均評閱時間；黑名單專家數量從專家數據庫中統計被標記為不合格的專家數量；
12、s5、向量相似度計算步驟：
13、采用余弦相似度計算送審高校和接審高校之間的相似度，對計算結果進行歸一化處理，使其數值范圍嚴格限定在0到1之間，其中表示送審高校向量和接審高校向量之間的相似度，具體歸一化操作如下：設原始余弦相似度計算結果為x，歸一化后的結果，其中min和max分別為所有相似度計算結果中的最小值和最大值；
14、s6、綜合評分模型步驟：
15、將推薦指數與加權因子結合，形成綜合評分，為防止異常值對綜合評分產生過大干擾，對加權因子we合理設置上下限，依據廣泛的歷史數據分析，設定we的上限為10，下限為0，當計算結果超出此范圍時，取邊界值作為最終的加權因子；
16、s7、閾值設定與排序步驟：
17、設定閾值，篩選綜合評分高于閾值的高校，其中表示被推薦的高校集合，hi表示高校集合h中的某一個高校，se，i表示高校hi的綜合評分，閾值t根據歷史送審數據的詳細分布情況和實際具體需求進行動態靈活調整，調整方法如下：深入分析歷史送審數據中綜合評分的分布曲線，依據不同的遴選目標確定閾值位置；
18、將閾值設置在分布曲線的高分段；若傾向高覆蓋率，則降低閾值，同時，結合實際送審任務的反饋信息，包括推薦高校的實際審稿質量和匹配度，對閾值進行精細微調。
19、進一步的，還包括反饋優化步驟：收集審核人的反饋信息，反饋信息包括論文與接審高校學科匹配度的評價、評審質量的評價、審稿時間合理性的綜合評價；根據反饋結果調整特征權重和推薦算法，若某一特征對應的反饋評價低于閾值，則適當降低該特征在模型中的權重；若發現推薦算法產生不合理推薦，則對算法進行針對性優化改進。
20、進一步的，還包括模型評估步驟：使用測試數據集對模型進行評估，測試數據集包含論文樣本和高校樣本，且樣本的分布情況與實際送審場景一致；采用準確率、召回率指標衡量模型性能，準確率計算為準確推薦的高校數量與總推薦高校數量的精確比值，召回率計算為準確推薦的高校數量與實際應推薦高校數量的準確比值；根據評估結果及時發現并改進模型缺陷，若發現準確率低于閾值，則調整特征或優化算法。
21本文檔來自技高網...
【技術保護點】
1.一種基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，還包括：
3.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，還包括模型評估步驟：使用測試數據集對模型進行評估，測試數據集包含論文樣本和高校樣本，且樣本的分布情況與實際送審場景一致；采用準確率、召回率指標衡量模型性能，準確率計算為準確推薦的高校數量與總推薦高校數量的精確比值，召回率計算為準確推薦的高校數量與實際應推薦高校數量的準確比值；根據評估結果及時發現并改進模型缺陷，若發現準確率低于閾值，則調整特征或優化算法。
4.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，還包括數據預處理步驟：對收集的特征數據進行全面清洗、高效去噪和標準化處理；清洗過程中，去除數據中的重復記錄、錯誤值和缺失值；去噪處理運用數據平滑算法，具體為移動平均法，減少數據中的隨機波動干擾；標準化處理將不同特征的數據映射到預設區間，包括采用歸
5.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，在數據收集與高校學科畫像構建步驟中，對特征數據進行定期更新，更新周期根據數據來源的更新頻率確定。
6.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，在接審高校向量表示步驟和送審高校向量表示步驟中，引入正則化技術防止模型過擬合，提高模型的泛化能力。
7.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，在評分加權因子計算步驟中，對權重系數α、β、γ進行動態調整，根據不同學科領域或論文類型的特點，調整各系數的取值。
8.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，在向量相似度計算步驟中，采用改進的余弦相似度算法，考慮特征之間的相關性，提高相似度計算的準確性。
...【技術特征摘要】
1.一種基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，還包括：
3.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，還包括模型評估步驟：使用測試數據集對模型進行評估，測試數據集包含論文樣本和高校樣本，且樣本的分布情況與實際送審場景一致；采用準確率、召回率指標衡量模型性能，準確率計算為準確推薦的高校數量與總推薦高校數量的精確比值，召回率計算為準確推薦的高校數量與實際應推薦高校數量的準確比值；根據評估結果及時發現并改進模型缺陷，若發現準確率低于閾值，則調整特征或優化算法。
4.根據權利要求1所述的基于多維度特征分析的論文送審自動遴選模型構建方法，其特征在于，還包括數據預處理步驟：對收集的特征數據進行全面清洗、高效去噪和標準化處理；清洗過程中，去除數據中的重復記錄、錯誤值和缺失值；去噪處理運用數據平滑算法，具體為移動平均法，減少數據中的...
【專利技術屬性】
技術研發人員：江杰，席婷婷，石志立，
申請(專利權)人：合肥德谷信息科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。