[发明专利]基于自然语言处理和社交网络的科研成果归属预测方法及系统

权利要求书

1.基于自然语言处理和社交网络的科研成果归属预测方法，其特征在于，包括如下步骤：

S1，训练样本库建立：基于现有的成果认领平台，为每个已经认领过科研成果的科研人员构建成果集合，所述成果集合中，将同一科研人员的同一类型成果按照时间排序形成列表L；

所述列表L中的任一成果p，与该成果p的前列表L_before、该成果p的后列表L_after共同构成正样本(p,L_before,L_after)；

以非同一科研人员的随机成果p′替换成果p，与成果p的前列表L_before、成果p的后列表L_after共同构成负样本(p′,L_before,L_after)；

S2，基于预训练模型训练二分类任务模型：任意选择的成果p是否在某位研究人员的成果列表L中定义为一个二分类问题，基于RoBERTa构建科研人员成果识别预训练模型，将步骤S1中的正负样本集中的搜索文本通过tokenizer转换为token，然后将token转换为模型训练输入可以接受的排列格式，输入模型训练，得到科研人员成果识别模型；所述搜索文本至少包括成果关键词和标题；

S3：构建科研人员合作网络：将同一科研成果的合作者作为边的两端计算权值，计算所有的科研人员之间的边权值后，得到带权有向科研人员合作网络，其中合作网络的边权值的计算方法为：科研成果p的作者列表，按照参与程度排序为A(p)＝[a₁,a₂,a₃,…,a_n]，其中，n表示成果p的作者个数；其中作者a_i与a_j在成果p中的合作价值为将作者a_i与a_j在所有合作成果中的价值累加可以得到合作网络中边的权值为：

S4：构建成果属性过滤：针对待分配成果p，基于基础属性，排除不匹配的科研人员；所述基础属性至少包括人员姓名、所属单位、发表时间；

S5：打分预测：根据科研人员成果识别模型归属概率中位数设定模型推理最低有效值S_min；

对于仍未被认领的成果，基于步骤S4所述的过滤方法，构建归属候选人集合m，使用步骤S2训练的科研人员成果识别模型，计算集合中候选人对该成果模型推理分数S₁，并令集合中候选人对该成果合作归属分数S₂为0；

对于已被部分合作者认领，但合作者未认领齐全的成果，其中认领的作者记为[a₁,a₂,a₃,…,a_n]，通过步骤S3中构建的科研人员合作网络得到候选人集合m′，使用步骤S2训练的科研人员成果识别模型，计算集合中候选人对该成果模型推理分数S₁，集合中候选人对该成果原始合作归属分数其中α为系统参数，将S₁高于最低有效值S_min候选人员的S₂′进行同比例归一化得到合作归属分数S₂，使其取值在0到1之间，令S₁不高于最低有效值S_min候选人员的合作归属分数S₂为0；

合计S₁与S₂计算总分S_total，当候选人集合中最高的S_total＞S_min时，作者将会被归属于S_total最高的候选人。

2.如权利要求1所述的基于自然语言处理和社交网络的科研成果归属预测方法，其特征在于：所述步骤S1成果集合中的成果类型至少包括论文L_paper、专利L_patent、项目L_project、专著L_book，训练集中的正样本总数量为

其中，len()函数表示列表中的成果个数；m表示科研人员个数；

所述正负样本的比例为1:10。