基于类概率的加权投票模型用于预测论文评审结果

摘要：

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.

关键词：论文评审;加权投票;类概率;集成学习

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技计划项目重点研发项目编号:2019YFS0493

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1409-1414