基于随机森林和支持向量机模型的期刊评价
2022-08-22温学兵姚佳宜
沈阳师范大学学报(自然科学版) 2022年2期
温学兵, 谢 维, 姚佳宜
(1. 沈阳师范大学 数学与系统科学学院, 沈阳 110034;2. 沈阳师范大学 学报编辑部, 沈阳 110034)
学术期刊是交流学术、分享知识的平台,科研人员多以在高质量期刊发表论文为目标,因为高质量期刊往往意味着拥有业内较高的认可度、高水平的同行评审以及较大的影响力。
按照量化程度,学术评价大致分为定性评价、定量评价和定性评价与定量评价相结合三大类。定性评价不可避免地存在主观性,因此定量评价被广泛认可[1-2]。定量评价分为单指标评价和多指标评价。任一期刊量化指标都有其优势和劣势,不可能全面反映出期刊的质量高低,片面地强调单个指标,会导致期刊片面发展,甚至干扰学术的公平、公正。多指标评价避免了单指标评价的片面性,得到了国内外学者和期刊界的广泛认可。随着学术期刊评价的快速发展,常用的多属性评价方法已经多达几十种。多数评价指标与评价结果之间不是精准的线性关系,而是非线性关系,目前在学术评价领域使用非线性评价占比超过3/4,如TOPSIS(technique for order preference by similarity to an ideal solution)、主成分方法、因子分析法、灰色关联评价方法等。
如今,人工智能迅速发展,与许多领域紧密结合,而机器学习方法是人工智能领域一个较为重要的研究分支[3-5],机器学习方法中的随机森林[6-9]和支持向量机[10-13]被广泛应用于各个领域。学术期刊评价必定存在人为选取量化指标数据这一环节,量化指标的数值存在着人为干预的情况,无论如何选取,很大程度上都不可避免地存在某些量化指标数据选取不合理的情况。……
登录APP查看全文
