[發(fā)明專利]學(xué)術(shù)期刊評價方法

無效

• 申請?zhí)枺?/td>: 201110130012.2
• 申請日: 2011-05-18
• 公開（公告）號: CN102789459A
• 公開（公告）日: 2012-11-21
• 發(fā)明（設(shè)計）人: 張弛
• 申請（專利權(quán)）人: 張弛
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 駱蘇華

技術(shù)領(lǐng)域

本發(fā)明涉及電子數(shù)據(jù)處理技術(shù)，尤其涉及一種學(xué)術(shù)期刊評價方法。

背景技術(shù)

目前，學(xué)術(shù)期刊評價的傳統(tǒng)方法包括計算影響因子等方式，由于其評價的信息有限，因此，難以衡量學(xué)術(shù)期刊的綜合實力。

并且，在現(xiàn)有的學(xué)術(shù)期刊評價技術(shù)中，如果引入更多的信息，則必然會導(dǎo)致需要配備高水平的電子設(shè)備，耗費過多的系統(tǒng)資源，或者需要占用較多的處理時間，其效率通常不高。

因此，如果采用更多的信息來對學(xué)術(shù)期刊進行高效率的評價，同時不需要配備高水平的電子設(shè)備，不需要耗費過多的系統(tǒng)資源，則需要在現(xiàn)有的學(xué)術(shù)期刊評價方法的基礎(chǔ)上，提供一種創(chuàng)新的學(xué)術(shù)期刊評價方法。

發(fā)明內(nèi)容

本發(fā)明解決的問題是提出一種新的學(xué)術(shù)期刊評價方法，可以提高數(shù)據(jù)處理的效率。

為解決上述問題，本發(fā)明提供一種學(xué)術(shù)期刊評價方法，包括：

獲取待評價的學(xué)術(shù)期刊間的相互引用數(shù)據(jù)，建立評價用數(shù)據(jù)庫；

基于所述評價用數(shù)據(jù)庫中的數(shù)據(jù)，生成鄰接矩陣；其中，所述鄰接矩陣的第i行第j列的數(shù)值k代表編號為j的學(xué)術(shù)期刊引用編號為i的學(xué)術(shù)期刊共k次；

對所述鄰接矩陣中的向量進行調(diào)整，以生成歸一化鄰接矩陣；

基于衰減概率，基于所述歸一化鄰接矩陣生成評價用矩陣；

計算所述評價用矩陣的平穩(wěn)分布，獲得各學(xué)術(shù)期刊的重要程度。

可選地，還包括：將所述各學(xué)術(shù)期刊的重要程度導(dǎo)入所述評價用數(shù)據(jù)庫，生成各學(xué)術(shù)期刊重要程度的排序。

可選地，所述相互引用數(shù)據(jù)采用稀疏矩陣的方式存儲在評價用數(shù)據(jù)庫中。

可選地，所述對所述鄰接矩陣中的向量進行調(diào)整包括對非零向量的調(diào)整和對全零向量的調(diào)整；其中，所述對非零向量的調(diào)整為歸一化。

可選地，所述對全零向量的調(diào)整具體為：將全零向量修改為1/N向量，其中N代表待評價的學(xué)術(shù)期刊的總量。

可選地，所述對所述鄰接矩陣中的向量進行調(diào)整采用時間復(fù)雜度O(n2)的平凡算法。

可選地，所述基于所述歸一化鄰接矩陣生成評價用矩陣具體為：其中，為所述評價用矩陣，M為所述歸一化鄰接矩陣；d為衰減概率；E為全1矩陣，N代表待評價的學(xué)術(shù)期刊的總量。

可選地，所述計算所述評價用矩陣的平穩(wěn)分布采用冪法計算。

可選地，所述計算所述評價用矩陣的平穩(wěn)分布采用迭代方式。

可選地，所述迭代過程中，取平均分布作為初值迭代，比較迭代前后兩個分布之差，如差值小于某個閾值，即認(rèn)為收斂。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：由于將相互引用數(shù)據(jù)采用矩陣的形式存儲，并且進行歸一化等多項處理后得到評價用矩陣，計算所述評價用矩陣的平穩(wěn)分布即獲得評價結(jié)果，因此可以在處理過程中引入多種信息，并且處理過程效率高，對資源的消耗較小。

附圖說明

圖1是本發(fā)明實施例一的學(xué)術(shù)期刊評價方法的流程圖。

具體實施方式

本發(fā)明中，將相互引用數(shù)據(jù)采用矩陣的形式存儲，并且進行歸一化等多項處理后得到評價用矩陣，計算所述評價用矩陣的平穩(wěn)分布即獲得評價結(jié)果，因此可以在處理過程中引入多種信息，并且處理過程效率高，對資源的消耗較小。

為使本發(fā)明的上述目的、特征和優(yōu)點能夠更為明顯易懂，下面結(jié)合附圖對本發(fā)明的具體實施方式做詳細(xì)的說明，由于重點在于說明本發(fā)明的原理，所以不必按比例制圖。

請參考圖1，本發(fā)明實施例一的學(xué)術(shù)期刊評價方法包括：

步驟S11，獲取待評價的學(xué)術(shù)期刊間的相互引用數(shù)據(jù)，建立評價用數(shù)據(jù)庫；

步驟S12，基于所述評價用數(shù)據(jù)庫中的數(shù)據(jù)，生成鄰接矩陣；其中，所述鄰接矩陣的第i行第j列的數(shù)值k代表編號為j的學(xué)術(shù)期刊引用編號為i的學(xué)術(shù)期刊共k次；

步驟S13，對所述鄰接矩陣中的向量進行調(diào)整，以生成歸一化鄰接矩陣；

步驟S14，基于衰減概率，基于所述歸一化鄰接矩陣生成評價用矩陣；

步驟S15，計算所述評價用矩陣的平穩(wěn)分布，獲得各學(xué)術(shù)期刊的重要程度。

下面以一個實例對本發(fā)明實施例進行詳細(xì)描述。

本實例中，以Web?Of?Science網(wǎng)站2008年收錄的共6620冊自然科學(xué)學(xué)術(shù)期刊為基礎(chǔ)進行評價。

Web?Of?Science網(wǎng)站是由Thomson公司維護，其數(shù)據(jù)庫中收錄了眾多自然、社會科學(xué)權(quán)威學(xué)術(shù)期刊的信息，包括各學(xué)術(shù)期刊的影響因子，每年引用各學(xué)術(shù)期刊文章數(shù)，被各學(xué)術(shù)期刊文章引用數(shù)等等數(shù)據(jù)。