本发明专利技术公开了一种基于人工智能的学术期刊智能推荐系统及方法，涉及计算机技术领域，根据目标期刊的引用关系，得到目标期刊的引用关系相关的学术期刊集，将目标期刊中的某一引用内容作为目标引用内容，将目标引用内容在目标期刊中与被引用期刊中不同的特征作为目标特征，获取目标期刊中包括目标引用内容的段落，获取所述段落的主题特征，构建目标特征对应主题特征贡献度的特征向量，对学术期刊作者是研究工作的学科和研究方向进行衡量，通过特征向量对推荐期刊的学术相似度进行评估，根据学术期刊集中的学术期刊的特征向量组与目标向量组进行比对，对学术期刊进行推荐排序，从而提高推荐的学术期刊的针对性。
【技术实现步骤摘要】
本专利技术涉及计算机，具体为一种基于人工智能的学术期刊智能推荐系统及方法。
技术介绍
1、随着互联网技术与科研成果平台的结合，大量的学术期刊在网络上进行发布，通过网络平台对相关学术内容的获取，为相关用户获取学术期刊提供了便利。由于网络平台上学术期刊的数量庞大，所以各个学术期刊管理平台逐步建立学术期刊的检索与推荐系统。
2、在传统的期刊推荐方法中，大多数都采用的文本的外部特例，例如词组结构和词语的相似度，缺乏科研工作者撰写学术期刊过程中，知识内容在学术期刊中的传递关系，对学术期刊内容的影响。导致推荐的学术期刊虽然在用词上与用户需要的内容接近，但是学术期刊内在的逻辑关系和作者思路与用户需要的存在较大差异，使得相关用户在检索学术期刊上花费大量时间。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的学术期刊智能推荐系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案一种基于人工智能的学术期刊智能推荐系统及方法：
3、步骤s100：将获取到的一篇学术期刊作为目标期刊，根据目标期刊的引用关系，得到目标期刊的引用关系相关的学术期刊集；
4、步骤s200：将目标期刊中的某一引用内容作为目标引用内容，将目标引用内容在目标期刊中与被引用期刊中不同的特征作为目标特征；
5、步骤s300：获取目标期刊中包括目标引用内容的段落，获取段落的主题特征，构建目标特征对应主题特征贡献度的特征向量；</p>6、步骤s400：汇集目标期刊中的所有引用内容的特征向量构成的特征向量组记为目标向量组，根据学术期刊集中的学术期刊的特征向量组与目标向量组进行比对，对学术期刊进行推荐排序。
7、进一步的，步骤s100包括：
8、步骤s101：获取目标期刊中的目标引用内容a1，将目标期刊中包括a1的段落记为par1，将被所述目标期刊引用的学术期刊记为m1，其中，m1中包括所述目标引用内容a1，将m1中包括所述目标引用内容a1的段落记为par2；
9、步骤s102：汇集若干个学术期刊m1进入第一期刊组k1，获取a1的相关内容记为a2，将被m1引用的学术期刊记为m2，其中，m2中包括a2，汇集若干个学术期刊m2进入第二期刊组k2，获取学术期刊集k，其中，k=k1∪k2；
10、步骤s103：根据学术期刊引用a1或a2的引用顺序，对学术期刊集k中的学术期刊进行排布，得到引用顺序的学术期刊集k’；
11、a1表示目标期刊的直接引用内容，根据目标期刊的引用的内容对学术期刊进行筛选，可筛序出于目标期刊的学术相关程度更接近的学术期刊，减少与目标期刊不一致的学术期刊的推荐数量；
12、a2表示与a1相关的期刊，对于期刊m2中的一部分作为a1被引用，另一部分作为a2被引用，由于a2与a1源自同一学术内容，a1与a2具有相关性，用a1与a2作为引证的学术期刊也具有相关性；
13、在学术类期刊中，各个目标期刊的引用关系是较为明确的，通过同一引用内容进行溯源，根据溯源的轨迹对学术期刊进行排布，得到相关学术内容在学术期刊中的继承过程。
14、进一步的，步骤s200包括：
15、步骤s201：获取par1中的特征词记入特征词集合v1，获取par2中的特征词记入特征词集合v2；
16、步骤s202：获取目标期刊中的新增特征词v10，其中，v10=v1-v2；
17、步骤s203：将v10中的词作为par1的目标特征；
18、v1表示在引用a1部分在目标期刊的特征词，v2表示在被目标期刊中的特征词，v1-v2表示在去除被目标期刊中的特征词后目标期刊中剩余的特征词，这部分特征词是目标期刊的撰写者在引用a1后发散出的词，包括了目标期刊的撰写者的研究方法或具体的研究方向，通过目标特征对相似的学术期刊进行挖掘，提高最终获取到的推荐结果与目标期刊研究方向的接近程度。
19、进一步的，步骤s300包括：
20、步骤s301：获取段落par1中包括的i个语句，提取各个语句中的主题词，其中第i个语句对应的主题词构成的集合为ri；
21、步骤s302：获取i个语句中的第j个语句与第j+1个语句的结构词uj，j+1，j+1≤i，其中，uj，j+1=rj∩rj+1，其中rj表示第j个语句中的主题词，rj+1表示第j+1个语句中的主题词，对par1中的所有语句进行遍历，将par1的结构词汇入结构词集合u1；
22、步骤s303：获取u1和v10集合的词向量模型，取v10中任意一个词，获取任意一个词与u1中各个词的词向量距离，记入集合d，d：{d1、d2、d3、……dn}，其中，d1、d2、d3、……dn分别表示任意一个词对应的词向量，分别与u1中的第1个、第2个、第3个、……和第n个词对应的词向量的距离；
23、步骤s304：计算词向量的平均距离dave，dave=（d1+d2+d3+……+dn）÷n，计算任意一个词对par1的贡献度c，c=1/dave；
24、步骤s305：计算v10中各个词的贡献度，将v10中的词与贡献度进行对应构成特征向量，其中，v10中第f个词wf，与wf对应贡献度cf，组成特征向量（wf，cf）；
25、在学术期刊的撰写过程中要求逻辑的严谨和思维逻辑的连贯，所以获取学术期刊的论述过程，得到学术期刊的思维过程，通过获取目标期刊撰写者的新增特征词与思维过程的关联，得到新增特征词对于目标期刊工作的贡献程度，进一步确定目标期刊的具体研究方向和研究过程。
26、进一步的，步骤s400包括：
27、步骤s401：对于第一期刊组k1的各篇学术期刊中，包括集合v10中的词的段落进行提取，计算各个段落中词的贡献度，构建对照向量，将同一词的特征向量与对照向量进行比对计算相似度，将同一段落中的相似度进行求和，得到同一段落的关于a1的比较系数；
28、第一期刊组中的学术期刊与目标期刊具有相同的引用内容，通过比较相同比较内容在期刊中起到的不同作用，将引用的期刊起到了近似作用的期刊作为优先推荐的学术期刊；
29、步骤s402：获取第二期刊组k2的各篇学术期刊中包括a2内容的段落，在包括a2内容的段落中对v10中的词进行识别并构建对照向量，重复步骤s401中的方法，计算各个词差异度的和，得到所述同一段落的关于a2的第一比较系数；
30、步骤s403：从k’中获取a2的引用关系，得到任意一个段落par3引用a2的层级数h，其中，对于同一引用内容进行溯源，根据引用关系将学术期刊进行排列，将a2原始内容对应的学术期刊的层级数记为1，其后学术期刊的层级数，根据排列次序依次增大；选取一个数值恒大于0的单调减函数作为衰减系数函数α，计算par3的第二比较系数q22，q22=α（h）×q21，其中，q21表示par3对应的第一比较系数，α本文档来自技高网
...
【技术保护点】
1.一种基于人工智能的学术期刊智能推荐方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤S100包括：
3.根据权利要求2所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤S200包括：
4.根据权利要求3所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤S300包括：
5.根据权利要求4所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤S400包括：
6.一种学术期刊智能推荐系统，使用如权利要求1-5中任意一项所述的基于人工智能的学术期刊智能推荐方法，其特征在于，所述系统包括以下模块：学术期刊集管理模块、目标特征管理模块、特征向量管理模块和推荐排序模块，其中，学术期刊集管理模块用于对学术期刊进行汇集和管理，目标特征管理模块用于对学术期刊中的目标特征进行获取，特征向量管理模块用于管理目标特征对应的特征向量，推荐排序模块用于对学术期刊进行排序推荐。
7.根据权利要求6所述的一种学术期刊智能推荐系统，其特征在于：学术期刊集管理模块包括：引用标记单元、期刊集合并单元、排布管理单元和层级管理单元，其中，引用标记单元用于对学术期刊中相同的引用内容进行标记，期刊集合并单元用于具有相同引用的学术期刊进行合并，排布管理单元用于根据引用关系对学术期刊进行排列，层级管理单元用于管理各个学术期刊在排布后的层级数。
8.根据权利要求6所述的一种学术期刊智能推荐系统，其特征在于：目标特征管理模块包括：特征词获取单元和新增特征词管理单元，其中，特征词获取单元用于获取段落汇总的特征词，新增特征词管理单元用于获取目标期刊中的新增特征词。
9.根据权利要求6所述的一种学术期刊智能推荐系统，其特征在于：特征向量管理模块包括：主题词获取单元、词向量比对单元、贡献度计算单元和特征向量汇集单元，其中，主题词获取单元用于获取段落中的主题词，词向量比对单元用于比对词向量间的距离，贡献度计算单元用于计算目标特征对于段落主题特征的贡献度，特征向量汇集单元用于汇集各个词及词对应的贡献度组成的特征向量。
10.根据权利要求6所述的一种学术期刊智能推荐系统，其特征在于：推荐排序模块包：第一比较单元、第二比较单元、衰减系数管理单元和权重比较单元，其中，第一比较单元用于计算同一段落的关于目标引用内容的比较系数，第二比较单元用于计算同一段落的关于目标引用内容的相关内容的第一比较系数和第二比较系数，衰减系数管理单元用于通过衰减系数函数和层级数计算衰减系数，权重比较单元用于比较各个学术期刊的权重值，对学术期刊进行排列推荐。
...
【技术特征摘要】
1.一种基于人工智能的学术期刊智能推荐方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤s100包括：
3.根据权利要求2所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤s200包括：
4.根据权利要求3所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤s300包括：
5.根据权利要求4所述的一种基于人工智能的学术期刊智能推荐方法，其特征在于：步骤s400包括：
6.一种学术期刊智能推荐系统，使用如权利要求1-5中任意一项所述的基于人工智能的学术期刊智能推荐方法，其特征在于，所述系统包括以下模块：学术期刊集管理模块、目标特征管理模块、特征向量管理模块和推荐排序模块，其中，学术期刊集管理模块用于对学术期刊进行汇集和管理，目标特征管理模块用于对学术期刊中的目标特征进行获取，特征向量管理模块用于管理目标特征对应的特征向量，推荐排序模块用于对学术期刊进行排序推荐。
7.根据权利要求6所述的一种学术期刊智能推荐系统，其特征在于：学术期刊集管理模块包括：引用标记单元、期刊集合并单元、排布管理单元和层级管理单元，其中，引用标记单元用于对学术期刊中相同的引用内容进行标记，期刊集合并单元用...
【专利技术属性】
技术研发人员：冯娟，董彦，李峰，张富溟，
申请(专利权)人：青岛大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。