[发明专利]一种期刊推荐方法及装置

权利要求书

1.一种期刊推荐方法，其特征在于，包括：

将目标论文的标题和摘要输入论文特征向量模型中，得到所述目标论文的论文特征向量；

根据现有论文的论文特征向量和所述目标论文的论文特征向量进行聚类分析，得到所述目标论文的论文类别；

根据所述目标论文的论文类别下的现有论文与目标论文的相似度，以及各现有论文的知识图谱，确定目标候选期刊集；

根据所述目标候选期刊集中各候选期刊对应的期刊特征向量，计算用户设定的查询因子权重与所述目标候选期刊集中各候选期刊的相关度，将相关度最高的候选期刊作为目标期刊；所述查询因子权重包括期刊影响因子、发表难度、审稿时长和录用时长。

2.如权利要求1所述的方法，其特征在于，将目标论文的标题和摘要输入论文特征向量模型中，得到所述目标论文的论文特征向量，包括：

将所述目标论文的标题和摘要进行预处理，得到预处理后的标题和摘要；所述预处理包括长度转换和张量标注；

将所述预处理后的标题和摘要输入所述论文特征向量模型中，得到所述目标论文的论文特征向量。

3.如权利要求1所述的方法，其特征在于，在将目标论文的标题和摘要输入论文特征向量模型中，得到所述目标论文的论文特征向量之前，还包括：

从期刊数据库中获取现有论文，并建立所述现有论文的标识与所述现有论文的标题及摘要的对应关系，以及所述现有论文的标识与所属期刊的映射关系；

将所述现有论文的标题和摘要输入论文特征向量模型中，得到各现有论文的论文特征向量。

4.如权利要求1所述的方法，其特征在于，根据所述目标论文的论文类别下的现有论文与目标论文的相似度，以及各现有论文的知识图谱，确定目标候选期刊集，包括：

针对所述目标论文的论文类别下的现有论文，计算与所述目标论文的欧氏距离，将得到的欧氏距离按照从小到大排序，并选取欧氏距离排在预设次序的现有论文所对应的期刊作为第一候选期刊集；

针对所述现有论文建立各现有论文的知识图谱，并根据所述目标论文和各现有论文的知识图谱进行知识推理，得到第二候选期刊集；

将所述第一候选期刊集合第二候选期刊集进行融合，得到目标候选期刊集。

5.如权利要求1所述的方法，其特征在于，在根据所述目标候选期刊集中各候选期刊对应的期刊特征向量，计算用户设定的查询因子权重与所述目标候选期刊集中各候选期刊的相关度，将相关度最高的候选期刊作为目标期刊之前，还包括：

从期刊数据库获取各期刊的期刊特征，生成各期刊的期刊特征向量；所述期刊特征包括期刊影响因子、发表难度、审稿时长和录用时长。

6.一种期刊推荐装置，其特征在于，包括：

向量模块，用于将目标论文的标题和摘要输入论文特征向量模型中，得到所述目标论文的论文特征向量；

类别模块，用于根据现有论文的论文特征向量和所述目标论文的论文特征向量进行聚类分析，得到所述目标论文的论文类别；

分析模块，用于根据所述目标论文的论文类别下的现有论文与目标论文的相似度，以及各现有论文的知识图谱，确定目标候选期刊集；

选刊模块，用于根据所述目标候选期刊集中各候选期刊对应的期刊特征向量，计算用户设定的查询因子权重与所述目标候选期刊集中各候选期刊的相关度，将相关度最高的候选期刊作为目标期刊；所述查询因子权重包括期刊影响因子、发表难度、审稿时长和录用时长。

7.如权利要求6所述的装置，其特征在于，所述向量模块，包括：

预处理单元，用于将所述目标论文的标题和摘要进行预处理，得到预处理后的标题和摘要；所述预处理包括长度转换和张量标注；

向量单元，用于将所述预处理后的标题和摘要输入所述论文特征向量模型中，得到所述目标论文的论文特征向量。