学术论文的评审工作大多采用同行评审的方法完成,但庞大的稿件数量给人工评审带来了过重的负担,审稿人的主观偏好对结果的影响也不容忽视。基于此,提出一种基于类概率的多分类器加权投票模型来预测论文评审结果,协助人工评审。该模型采用基于集成学习的投票法,根据文本的词汇特征和评审准则的统计特征对样本进行分类。并充分考虑各分类器的性能差异,通过融合类概率进一步调整和优化权重系数,从而使投票模型的性能得到提升。实验证明,论文所提出的方法有效地提高了模型的性能,预测结果的准确率更高。
科研之友
微信
新浪微博
Facebook
分享链接
