公开(公告)号：CN110598954A

公开(公告)日：2019-12-20

申请号：CN201910902981.1

申请日：2019-09-24

申请人： 中国人民大学

发明人： 赵鑫 ,  李思晴 ,  文继荣

IPC分类号： G06Q10/04 ,  G06F16/38 ,  G06F16/34 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于深度学习的利用评审意见预测论文被引用数的方法，其利用深度组件和宽度组件联合对论文评审意见进行训练；深度组件包括摘要-评论匹配机制以及交叉评论匹配机制，用于学习评审意见的深度特征；首先，所述摘要-评论匹配机制抽取出与摘要相关的评论，去除对预测论文被引用数不相关的信息；然后，所述交叉评论匹配机制捕捉不同评审意见之间的一致性和多样性，以此来刻画多个评审员之间的交互；同时，通过所述宽度组件集成宽度特征；最后，利用深度组件和宽度组件联合进行论文被引用数的预测。本发明深度刻画了评审意见中的语义信息，丰富了语义表示，通过挖掘评审意见的文本信息，使得论文被引用数的预测更准确。

公开(公告)号：CN110598954B

公开(公告)日：2022-03-11

申请号：CN201910902981.1

申请日：2019-09-24

申请人： 中国人民大学

发明人： 赵鑫 ,  李思晴 ,  文继荣

IPC分类号： G06Q10/04 ,  G06F16/38 ,  G06F16/34 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种基于深度学习的利用评审意见预测论文被引用数的方法，其利用深度组件和宽度组件联合对论文评审意见进行训练；深度组件包括摘要‑评论匹配机制以及交叉评论匹配机制，用于学习评审意见的深度特征；首先，所述摘要‑评论匹配机制抽取出与摘要相关的评论，去除对预测论文被引用数不相关的信息；然后，所述交叉评论匹配机制捕捉不同评审意见之间的一致性和多样性，以此来刻画多个评审员之间的交互；同时，通过所述宽度组件集成宽度特征；最后，利用深度组件和宽度组件联合进行论文被引用数的预测。本发明深度刻画了评审意见中的语义信息，丰富了语义表示，通过挖掘评审意见的文本信息，使得论文被引用数的预测更准确。