[发明专利]一种论文审稿人确定方法和系统

说明书

本申请实施例公开了一种论文审稿人确定方法和系统，所述方法包括：基于待审论文特征关键词在审稿人数据库中匹配R₀位审稿人；计算R₀位审稿人与所述待审论文的关联度，以筛选出设定关联度范围的R₁位初筛审稿人和每位初筛审稿人的审稿论文特征向量；计算R₁位初筛审稿人在下一个时间步的预测论文特征向量与待审论文特征向量的相似度值，以筛选出设定相似度范围的R₂位二筛审稿人和每位二筛审稿人的预测论文特征向量；将二筛审稿人的预测论文特征向量组成的原始矩阵融入个性化矩阵得到每位二筛审稿人的编码函数，以计算二筛审稿人的推荐概率，再筛选出设定推荐概率范围的R₃位三筛审稿人。通过层层筛选使得论文审稿人的推荐更加精准。

技术领域

本申请实施例涉及深度学习技术领域，具体涉及一种论文审稿人确定方法和系统。

背景技术

同行评议是论文在期刊发表前的必要环节，也是保证论文发表质量的重要流程。目前，同行评议中审稿人选择的主要方法是依赖于期刊编辑在期刊独立的审稿人备选库中，人工依据关键词进行匹配检索，给出审稿人推荐列表，再依据主观标准对审稿人进行排序选择高质量审稿人。

近年来，也出现过利用统计学的方法，例如基于构建学者的词频特征矩阵来构建LDA模型，计算学者之间的相似度；也有基于构建计算时间感知矩阵计算节点间带时间感知的相似度矩阵，从而计算待审稿论文和各期刊间相似度。

可以看出，现有技术均采用传统机器学习模型，无法针对庞大数据快速的构建审稿人推荐系统；并且流程单一，仅利用一次计算相似度就进行推荐，精确度较低。

发明内容

为此，本申请实施例提供一种论文审稿人确定方法和系统，采用了更为完善的层层筛选流程，使得论文审稿人的推荐更加精准。

为了实现上述目的，本申请实施例提供如下技术方案：

根据本申请实施例的第一方面，提供了一种论文审稿人确定方法，所述方法包括：

根据待审论文确定待审论文特征关键词和待审论文特征向量，基于所述待审论文特征关键词在审稿人数据库中匹配R₀位审稿人；

计算R₀位审稿人与所述待审论文的关联度，以筛选出设定关联度范围的R₁位初筛审稿人和每位初筛审稿人的审稿论文特征向量；

计算R₁位初筛审稿人在下一个时间步的预测论文特征向量与所述待审论文特征向量的相似度值，以筛选出设定相似度范围的R₂位二筛审稿人和每位二筛审稿人的预测论文特征向量；将二筛审稿人的预测论文特征向量组成的原始矩阵融入个性化矩阵得到每位二筛审稿人的编码函数，以计算二筛审稿人的推荐概率，再筛选出设定推荐概率范围的R₃位三筛审稿人，作为待审论文的审稿人候选；R₀、R₁、R₂和 R₃为大于一的整数。

可选地，所述计算R₁位初筛审稿人在下一个时间步的预测论文特征向量与所述待审论文特征向量的相似度值，包括：

嵌入层在每位初筛审稿人的审稿论文特征序列中的每个审稿论文特征向量中加上对应的位置嵌入向量，得到输入序列；

将输入序列输入多个双向Transformer层，输出最后一层隐藏状态序列；

将隐藏状态序列输入全连接层，得到R₁位初筛审稿人在下一个时间步的论文特征向量；

根据所述论文特征向量和所述待审论文特征向量计算相似度值。

可选地，所述将输入序列输入多个双向Transformer层，输出最后一层隐藏状态序列，包括：