[发明专利]基于SVM学习模型的科技期刊来稿质量评价系统

摘要

本发明公开了一种基于SVM学习模型的科技期刊来稿质量评价系统，步骤1，获取若干专家的专家评价指标；步骤2，将每个专家的评价指标建立以下集合量：步骤3，将若干专家集合C作为训练样本，输入装有SVM学习模型的计算机中，得到SVM分类器；步骤4，根据步骤3得到的SVM分类器，决定该稿件是否录用；这样大大的减少审稿过程中人为因素的干扰，严格以稿件质量作为稿件取舍的标准，同时，也提高了审稿专家的审稿认真程度，并缩短审稿周期，提高科技期刊的质量。

主权项

1.一种基于SVM学习模型的科技期刊来稿质量评价系统，具体包含如下步骤：步骤1，获取若干专家的；所述的专家评价指标，是按照传统的专家评价法得到的评价指标，包括政治性、思想性、创新性、学术性、科学性和实用性6项评价内容，每个评价指标分为好、较好、一般、差等4个评价等级，将6项评价内容的4个评价等级赋予对应的定性模糊评价量值，4个评价等级的定性模糊评价量值分别为100，80，60，0；步骤2，将每个专家的评价指标建立以下集合量：A={好，较好，一般，差};B={100，80，60，0};C=(a₁，a₂，a₃，a₄，a₅，a_6, b)；其中，集合A是评价指标的模糊集合，集合B是与集合A对应的量化集合，集合C为根据评价指标对论文评价得到的向量，其中a₁，a₂，a₃，a₄，a₅，a₆为六个评价指标量化值，b是评价类别对综合评价指标进行量化后的变量；步骤3，将若干专家集合C作为训练样本，输入装有SVM学习模型的计算机中，计算机按照SVM学习模型进行训练、检验，得到SVM分类器；步骤4，稿件录用决策：根据步骤3得到的SVM分类器，决定该稿件是否录用，具体为：基于二叉树的四分类算法，首先按类别把训练数据集分为两个子集SetA(80,100)和SetB(60)，对SetA的数据赋予标号+1，SetB的数据赋予标号‑1，用此两类数据构造分类函数SVM1，进一步对SetA中的训练数据集执行相同的步骤,得到另外一个分类函数SVM2；对于一个新的样本，用SVM1进行分类：如果结果为1，则表明该样本可能属于100 , 80类中的一种，则用SVM2进行分类，如果结果为‑1，则结果为60；用SVM2进行分类时如果结果为1，则表明该样本类别为100,否则为80；100和80分别为质量好和质量较好的评价量值；通过以上计算，筛选出高质量的文稿。