[發明專利]一種基于注意力長短期記憶循環神經網絡的論文質量測評方法

在審

• 申請號: 202010320432.6
• 申請日: 2020-04-22
• 公開（公告）號: CN111522946A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 田文洪
• 申請（專利權）人: 成都中科云集信息技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于注意力長短期記憶循環神經網絡(Att_BiLSTM)的論文質量測評方法，其特征在于：整篇論文數據采集，通過互聯網和其它公開方式獲得論文數據；論文數據識別，提取PDF/word文本內各章節內容；論文數據表示，對論文進行處理，映射成計算機可分析處理的數據形式；論文數據標簽，獲取論文質量等級標簽；各章節數據表征，采用長文本模型并結合注意力機制進行特征表征；整篇論文質量分類，對各章節內容進行加權數據表征，然后進行整篇論文質量分類。

2.根據權利要求1所述的論文質量測評方法，其特征在于，在所述論文數據識別過程中，提取PDF/word文本內各章節內容。

3.根據權利要求1所述的論文質量測評方法，其特征在于，在所述數據表示過程中，將文本進行分句，用字嵌入方式，顆粒度更小，字典將更小，更加完整的映射章節的文本向量。

4.根據權利要求1所述的論文質量測評方法，其特征在于，在所述數據標簽過程中，利用學校論文評級信息和上傳時間等信息，提取出論文質量等級(包括優、良、差等等級信息)。

5.根據權利要求1所述的論文質量測評方法，其特征在于，在所述各章節數據表征過程提取中，采用長文本模型并結合注意力機制，用于對論文各章節內容質量進行特征提取，將正向最后一個長短期記憶細胞隱藏層輸出特征和反向最后一個長短期記憶細胞隱藏層輸出特征組合起來。

6.根據權利要求5所述的論文質量測評方法，其特征在于，采用基于論文章節內容的注意力長短期記憶循環神經網絡(Att_BiLSTM)，并結合注意力提升機制，注重章節中一些比較重要的語意特征，忽略一些不那么重要的語意特征的干擾，獲得注意力矩陣，有效地減小模型復雜度，大大提升了質量評級準確度。

7.根據權利要求1所述的論文質量測評方法，其特征在于，所述整篇論文質量分類，通過最小化改進的交叉熵來調整模型參數，完成訓練的模型參數的優化和質量分類。