[目的/意义]学术论文是学者科研水平与学术贡献的重要佐证和标志。构建科学的学术论文评价模型,对人才评价、科研经费分配、评奖评优、晋升及招聘等都具有重要指导意义。[方法/过程]文章选择Web of Science数据库中“Information Scienc...[目的/意义]学术论文是学者科研水平与学术贡献的重要佐证和标志。构建科学的学术论文评价模型,对人才评价、科研经费分配、评奖评优、晋升及招聘等都具有重要指导意义。[方法/过程]文章选择Web of Science数据库中“Information Science and Library Science”学科类别下发表于2010年的论文作为研究对象。首先,基于论文多方面的关联特征构建模型特征空间;然后,采用机器学习中被广泛用于预测任务的有监督学习算法——BP神经网络训练模型,并进行十折交叉验证确保模型稳定性;最后,通过计算模型的校正决定系数(R_(adjusted)^(2))和均方根误差(RMSE),选择出最优模型。[结果/结论]本研究构建的最优BP神经网络模型的校正决定系数(R_(adjusted)^(2))达0.91,均方根误差(RMSE)约19.8,评价性能较好。展开更多
文摘[目的/意义]学术论文是学者科研水平与学术贡献的重要佐证和标志。构建科学的学术论文评价模型,对人才评价、科研经费分配、评奖评优、晋升及招聘等都具有重要指导意义。[方法/过程]文章选择Web of Science数据库中“Information Science and Library Science”学科类别下发表于2010年的论文作为研究对象。首先,基于论文多方面的关联特征构建模型特征空间;然后,采用机器学习中被广泛用于预测任务的有监督学习算法——BP神经网络训练模型,并进行十折交叉验证确保模型稳定性;最后,通过计算模型的校正决定系数(R_(adjusted)^(2))和均方根误差(RMSE),选择出最优模型。[结果/结论]本研究构建的最优BP神经网络模型的校正决定系数(R_(adjusted)^(2))达0.91,均方根误差(RMSE)约19.8,评价性能较好。
