面向期刊选择的学术论文内容分类研究

摘要：

[目的]根据某一学科期刊的收录内容进行层次体系构建,进而在投稿时依据文章内容与期刊的相似程度给出投稿指导意见的方法.[方法]以图书馆学、情报学学科为例,采用层次聚类构建两层体系结构,分别利用SVM、CNN、RNN三种分类方法进行实验,对比其在不同特征组合下的实验效果,选择最合适的分类算法.为了优化分类准确程度,尝试将内容接近的期刊进行组合.[结果]当实验的特征组合更为丰富且更能反映文献的核心内容时,准确率最高可达81.84％.[局限]在进行层次结构体系构建时,选取的实验数据量较小,存在一定的局限性.[结论]在实验数据充足的条件下,深度学习算法比机器学习算法呈现出更明显的分类优势.将内容接近的期刊进行组合后,分类效果可以得到显著提升.

关键词：期刊类目划分、层次分类模型、深度学习、SSCI期刊、分类优化

所属期刊栏目：4

分类号：G254(图书馆学、图书馆事业)

资助基金：本文系江苏省“六大人才高峰”高层次人才基金项目“多粒度学术对象区分性测度和分析研究”项目编号:JY-001

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：96-109