[发明专利]学者学术潜力预测方法、系统、终端以及介质

说明书

本申请提供一种学者学术潜力预测方法、系统、终端以及介质，包括：获取学者学术成果数据；利用所述学者学术成果数据得到在固定时间步长下的多个学者的学术能力分值；根据所述学术能力分值训练学术能力预测模型，并利用所述模型输出在预测时间步长下的所述多个学者的学术潜力值。解决了现有技术中缺乏利用计算机算法与技术可以根据学者过去时空的发文情况，来进行未来学术潜力预测，进而很难提高评价的准确度，导致学者管理效率低下的问题，本申请通过采用计算机算法与技术充分考虑了学者过去时空的发文情况来进行未来学术潜力预测，提高评价的准确度，进而使发现与挖掘有潜力人才的效率大大增高。

技术领域

本申请涉及一种科研人才技术领域，特别是涉及一种学者学术潜力预测方法、系统、终端以及介质。

背景技术

随着科技科研领域对国家发展重要性得凸显，有效发现与挖掘有潜力人才成为亟需解决的问题，传统得学者评价方法基于学者发文量、发文引用数量、Hindex等静态指标，没有充分考虑学者发文频率的时间规律。随着大数据技术发展，缺乏利用计算机算法与技术可以根据学者过去时空的发文情况进行未来学术潜力预测，进而很难提高评价的准确度，导致学者管理效率低下。

申请内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种学者学术潜力预测方法、系统、终端以及介质，用于解决现有技术中缺乏利用计算机算法与技术可以根据学者过去时空的发文情况进行未来学术潜力预测，进而很难提高评价的准确度，导致学者管理效率低下的问题。

为实现上述目的及其他相关目的，本申请提供一种学者学术潜力预测方法，包括：获取学者学术成果数据；利用所述学者学术成果数据得到在固定时间步长下的多个学者的学术能力分值；根据所述学术能力分值训练学术能力预测模型，并利用所述模型输出在预测时间步长下的所述多个学者的学术潜力值。

于本申请的一实施例中，所述学术成果数据包括：每篇论文的发表时间数据、论文所属期刊影响因子数据以及论文被引数量数据。

于本申请的一实施例中，根据所述学术能力分值与所对应的时间步长组成的时间序列训练学术能力预测模型。

于本申请的一实施例中，将预测时间步长作为输入，根据所述模型输出在该时间步长下的学者学术潜力预测值。

于本申请的一实施例中，所述学术能力预测模型的类型包括LSTM神经网络模型。

于本申请的一实施例中，所述LSTM神经网络模型的训练方式包括：设定第一步长，计算学者历史步长的学术能力分值，将标准化的学术能力分值输入至初始化的LSTM神经网络模型。

于本申请的一实施例中，利用所述LSTM神经网络模型输出结果进行逆标准化处理得到在预测时间步长下的所述多个学者的学术潜力值；其中，所述标准化处理的方式包括：根据所述LSTM神经网络模型输出结果计算均值及标准差。

为实现上述目的及其他相关目的，本申请提供一种学者学术潜力预测系统，包括：学术成果数据抽取模块，用于获取学者学术成果数据；学术能力分值模块，用于利用所述学者学术成果数据得到在固定时间步长下的学者的学术能力分值；学术潜力预测模块，用于根据所述学术能力分值训练学术能力预测模型，并利用所述模型输出在预测时间步长下的所述多个学者的学术潜力值。

为实现上述目的及其他相关目的，本申请提供一种学者学术潜力预测终端，包括：存储器，用于存储计算机程序；处理器，运行所述计算机程序，以执行所述学者学术潜力预测方法。

为实现上述目的及其他相关目的，本申请提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被运行时实现所述学者学术潜力预测方法。