基于深度自编码器的学术期刊影响力排序与分区方法

摘要：

[目的/意义]期刊影响力排序和分区是评价期刊影响力的重要指标.然而,现有学术期刊分区方法只使用单个或少数期刊表征因素来进行排序,从而不能反映出合理的期刊分区.利用深度自编码器提出一种新的多因素综合体系学术期刊排序方法并实施期刊分区.[方法/过程]首先,利用相关系数矩阵和方差膨胀因子挑选了若干个具有高独立性的关键期刊因素;其次,使用渐进式深度自编码器构架设计策略,分析了在采用不同构架时的期刊分布规律,并将第一个隐元作为排序度量来实施期刊排序;最后,实现了两种深度自编码器分区方法,分别对比了采用平均期刊数目划分和非平均期刊数目划分的分区方法.[结果/结论]选择"图书馆学;情报学""法学"和"体育学"三类期刊为实证研究.结果表明,该方法不仅能够实现期刊全局和局部关系的多层次分析,而且能够以非线性方式将多个期刊表征因素融合为单个排序度量分值.

关键词：学术期刊、期刊影响力、深度学习、排序度量

所属期刊栏目：39

分类号：G250.23(图书馆学、图书馆事业)

资助基金：西北工业大学发展战略研究基金"双一流背景下高校图书馆智慧服务模式研究" 编号:2019FZY14

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：145-152,175