申请/专利权人：南京理工大学

申请日：2024-01-09

公开（公告）日：2024-04-19

公开（公告）号：CN117909758A

主分类号：G06F18/22

分类号：G06F18/22;G06F18/214;G06F40/126;G06F40/284;G06F40/30;G06F16/36;G06F16/383;G06N3/0455;G06N3/042;G06N3/096;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种学位论文审稿人遴选方法、装置、设备及介质。根据平台数据库中数据分别构建论文和审稿人的结构数据，利用大模型标签嵌入、图注意力网络和SentenceBert方法构建论文编码器；利用匹配算法进行审稿人的遴选。本发明提出了一种融合关键词语义和学科高阶协同关系的的审稿人遴选模型，主要利用了图注意力网络，根据数据结构多层次的特点，分别构建论文学科与关键词的视图和审稿人学科的视图，依次在论文表征和审稿人匹配的过程中充分利用学科信息，并在匹配过程中构建相似度矩阵和抽取线索向量的方法复合学科信息。本发明采用了基于大语言模型标签嵌入的先验知识注入方法，为模型提供了更好的初始化表征。

主权项：1.一种学位论文审稿人遴选方法，其特征在于，包括以下步骤：第一步，根据平台数据库中数据分别构建论文和审稿人的结构数据；第二步，利用大模型标签嵌入、图注意力网络和SentenceBert方法构建论文编码器；从大模型中获得学科和关键词的嵌入作为图注意力网络的输入，从而注入先验知识，然后再将图注意力网络学习到的论文学科和关键词的深层次关联关系以及SentenceBert表征的论文标题融合，得到论文编码器的结果，即论文的表征；第三步，利用匹配算法进行审稿人的遴选；首先使用与论文编码器中同样的方式构建审稿人专业信息关联图，图中节点分别为各个学科大类、一级学科和二级学科，边为审稿人专业数据中自带的关联关系，通过图注意力网络去学习和表征；然后用论文编码器对待送审的论文进行编码，对审稿人已评审过的论文进行批量编码；再利用上述三者，即待送审论文编码表示、审稿人专业信息关联图、审稿人已评审过的论文的批量编码，构建相似度矩阵；最后从相似度矩阵中抽取线索向量，并根据线索向量计算出审稿人与待送审论文的匹配程度；将此过程应用于符合条件的审稿人，得到TopN审稿人推荐。

全文数据：

权利要求：

百度查询： 南京理工大学 学位论文审稿人遴选方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD