[目的/意义]学术论文投稿中面临期刊选择多样性和拒稿重投问题，研究利用深度学习和多标签分类技术，基于论文题录信息给出多标签的投稿选刊建议。[方法/过程]选取情报学领域8种CSSCI期刊近20年的论文作为样本，采用TextCNN、TextRNN等深度学习模型和预训练语言模型BERT构建多标签分类方法进行实验，并对比不同特征组合和多标签设置策略下的实验效果。[结果/结论]多标签分类能够反映学术论文对不同期刊的适合度，预训练语言模型BERT表现最佳，F1达到68.99%。
科研之友
微信
新浪微博
Facebook
分享链接
