[发明专利]基于多评价维度的热点学科预测方法、装置、终端、及介质

权利要求书

1.一种基于多评价维度的热点学科预测方法，其特征在于，包括：

获取多个研究学科在一历史时段内基于至少一个评价维度的表现数据；

以所获取的表现数据为模型输入数据，构建一时间递归神经网络模型；其中，所述时间递归神经网络模型输出各所述研究学科的基于所述表现数据的学科比重数据，用于预测对应于所述历史时段的下一时间节点的热点学科。

2.根据权利要求1所述的方法，其特征在于，所述评价维度包括：科研经费分布情况、资讯或媒体发稿情况、论文发布情况、及专利申请情况中的任意一种或多种的组合。

3.根据权利要求2所述的方法，其特征在于，包括：

所述评价维度包括论文发布情况，所述论文发布情况包括论文数量情况和/或论文质量情况；

其中，所述论文质量情况包括论文被其他文献引用的频次情况、论文被顶尖期刊收录的数量情况、论文发布后被媒体平台报道的频次情况、及论文发布后被媒体平台报道所带来的评价情况中的任意一种或多种组合。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多个研究学科在一历史时段内基于至少一个评价维度的表现数据；

采用相邻时间节点的数据平均值来为缺失的表现数据赋值，并将填补缺失数据后的表现数据作为所述模型输入数据。

5.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：

获取多个研究学科在一历史时段内基于至少一个评价维度的表现数据；

将所获取的表现数据或将填补缺失数据后的表现数据做归一化处理后再作为所述模型输入数据。

6.根据权利要求1所述的方法，其特征在于，所述时间递归神经网络模型的类型包括采用梯度下降算法作为模型优化器的LSTM神经网络模型。

7.根据权利要求1所述的方法，其特征在于，所述研究学科选自科技知识组织体系词表的学科词组。

8.一种基于多评价维度的热点学科预测装置，其特征在于，包括：

数据获取模块，用于获取多个研究学科在一历史时段内基于至少一个评价维度的表现数据；

热点学科预测模块，用于以所获取的表现数据为模型输入数据，构建一时间递归神经网络模型；其中，所述时间递归神经网络模型输出各所述研究学科的基于所述表现数据的学科比重数据，用于预测对应于所述历史时段的下一时间节点的热点学科。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于多评价维度的热点学科预测方法。

10.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至7中任一项所述基于多评价维度的热点学科预测方法。