[发明专利]基于多模型集成的学者年龄预测方法、装置、设备和介质

说明书

本申请提供的一种基于多模型集成的学者年龄预测方法、装置、设备和介质，通过将基于学者的学术发表成果所提取到的多种指标信息进行清洗及融合处理以作为对应学者的初始学术特征；将各初始学术特征输入以学者年龄作为输出结果进行训练的XGBoost模型，以得到第一预测结果；同时，将初始学术特征进行正态分布标准化，并输入以学者年龄作为输出结果进行训练的三层神经网络模型，以得到第二预测结果；将第一预测结果与所二预测结果求平均值以作为最终预测年龄。本申请通过多类指标作为学术特征对人才的年龄进行预测，能够做到7.1％的相对误差的较好效果，可解决了在学术人才挖掘过程中年龄预测的问题，实现对人才年龄的自动化预测。

技术领域

本发明涉及文本处理技术领域，特别是涉及一种基于多模型集成的学者年龄预测方法、装置、设备和介质。

背景技术

在进行科研类人才挖掘工作时，通常会从学术发表中提取人才相关信息，基于学术产出质量以及文本挖掘结果来筛选所需要的人才，但其中存在一个问题是学者的年龄信息并不可直接获取，而年龄对于学者后续的发展以及企事业单位的需求有较大的影响，以往可采用的方法包括基于学者名称的网络检索，以及基于学者发文时间的大致推断，但耗时较长并且准确度不高。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于多模型集成的学者年龄预测方法、装置、设备和介质，以解决现有技术中的问题。

为实现上述目的及其他相关目的，本申请提供一种基于多模型集成的学者年龄预测方法，所述方法包括：将基于学者的学术发表成果所提取到的多种指标信息进行清洗及融合处理以作为对应学者的初始学术特征；将各所述初始学术特征输入以学者年龄作为输出结果进行训练的XGBoost模型，以得到第一预测结果；同时，将初始学术特征进行正态分布标准化，并输入以学者年龄作为输出结果进行训练的三层神经网络模型，以得到第二预测结果；将所述第一预测结果与所述第二预测结果求平均值以作为最终预测年龄。

于本申请的一实施例中，所述指标信息的类型包括：时间点指标、时间段指标、发文量相关数量指标、合作者相关数量指标、发文被引指标、学科领域、及文章类型指标中任意一种或多种组合。

于本申请的一实施例中，所述指标信息包括：直接从学术发表成果中提取的原始指标信息、以及对所述原始指标信心进行数据加工得到的衍生指标信息；所述衍生指标信息包括：H指数、FWCI、学者的学术年龄、作为第一作者的学术年龄、及发文量加速度中任意一种或多种组合。

于本申请的一实施例中，所述XGBoost模型经调参得到的模型参数的学习率为0.09，树的最大深度为2，属性采样比为0.8，boosting轮数为290。

于本申请的一实施例中，所述XGBoost模型是基于GBDT模型的基础上改进得到的；所述改进点包括：增加了对模型复杂度进行约束的正则化项；以及除了一阶导同时计算了二阶导对参数进行迭代。

于本申请的一实施例中，基于所述XGBoost模型还能得到各初始学术特征的重要度排名，以供筛选基于学者的学术发表成果所提取的指标信息。

于本申请的一实施例中，所述三层神经网络模型的三层神经网络结构包括：两个隐藏层、及一个输出层；所述隐藏层的神经元数设为13；所述隐藏层的激活函数为LeakyReLU，并且都有标准化层；优化器为ADAM，损失函数为平均绝对百分比误差MAPE；迭代数量为200，batch_size为32。