面向投稿选刊的学术论文多标签分类研究

摘要：

[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%.

关键词：投稿选刊、多标签分类、深度学习、自然语言处理

所属期刊栏目：44

分类号：G254(图书馆学、图书馆事业)

资助基金：中国博士后科学基金面上项目;中央高校基本科研业务费项目;开源跨模态科技情报知识组织与智能分析项目

在线出版日期：2024-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：48-56,108