CN110020729A - 基于人工智能的文章评审方法及装置 - Google Patents
基于人工智能的文章评审方法及装置 Download PDFInfo
- Publication number
- CN110020729A CN110020729A CN201910162925.9A CN201910162925A CN110020729A CN 110020729 A CN110020729 A CN 110020729A CN 201910162925 A CN201910162925 A CN 201910162925A CN 110020729 A CN110020729 A CN 110020729A
- Authority
- CN
- China
- Prior art keywords
- article
- type
- evaluation
- pending
- key message
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
Abstract
本发明公开了一种基于人工智能的文章评审方法及装置,分析获得待审文章的关键信息和类型,按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关键信息,根据所述待审文章的类型,获得相应的评审通过条件,将所述待审文章与所述评审通过条件进行匹配,若匹配度达到预设阈值,则判定评审通过,本方案中通过机器学习等技术建立了不同类型文章对应的不同的评审标准,基于人工智能分析获得待审文章的关键内容,对待审文章的关键内容依据相应的评审标准和评审阈值进行评审,整个评审过程完全基于人工智能进行,排除了人为因素的干扰,实现了对文章公正客观的评审,提高了文章评审的效率。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于人工智能的文章评审方法 及装置。
背景技术
众所周知,一篇论文的发表,必须建立在其价值的基础上,而价值的高 低也是这篇论文质量的评判标准,好的论文,首先应当是有一定的理论和研 究价值的,它必须能体现作者分析某种现象时独到的见解,或解决某一问题 行之有效的方法。因为一篇高水平论文是以充分的实践研究为基础,并结合 该领域的发展水平与现状创作出来的。就以学术论文为例,它既是笔者科研 能力,创新能力,书面能力的综合体现,同样也是衡量个人学术水平和指导 老师教学能力的重要指标。
对于学术类期刊而言,判断文稿能否发表,需要进行评审;对于职称评 定而言,申报者所发表论文的水平是重要指标,因而也需要进行论文评审; 不仅论文,新闻报道、小说文章以及散文诗歌等是社会文化传播发展的载体, 也是无数文字工作者的工作内容,在发表时同样需要进行评审。
由于文章评审工作的经常性和重要性,如果因非客观评价等因素导致文 章评审不够客观公正,不仅会导致部分好文章不能得到发表,还会引发种种 的矛盾和影响科学事业的健康发展。
如何避免文章评审不够客观公正等对期刊杂志的评审工作带来的困扰, 是本领域亟待解决的技术问题。
发明内容
有鉴于此,本申请实施例提供了一种基于人工智能的文章评审方法及装 置,以克服现有技术中如何避免文章评审不够客观公正等对期刊杂志的评审 工作带来的困扰的技术问题。
第一方面,本申请实施例提供了一种基于人工智能的文章评审方法,, 包括:
分析获得待审文章的关键信息和类型;
按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关 键信息;
根据所述待审文章的类型,获得相应的评审通过条件,其中,各类型的 评审通过条件是对不同类型的经过评审的文章数据进行机器学习训练获得的;
将所述待审文章与所述评审通过条件进行匹配,若匹配度达到预设阈值, 则判定评审通过。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式, 所述分析获得待审文章的关键信息和类型之前,还包括:
根据预设的隐私信息的类型,滤除所述待审文章中属于所述隐私信息的 类型的数据。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式, 所述分析获得待审文章的关键信息和类型之前,还包括:
根据文章数据库,对所述待审文章进行查重操作;
所述分析获得待审文章的关键信息和类型,包括:
若所述文章数据库中没有与所述待审文章重复的文章,则分析获得待审 文章的关键信息和类型。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式, 所述方法还包括:
获取不同类型文章的历史评审过程数据;
将所述不同类型文章的历史评审过程数据作为输入,通过进行机器学习 训练,并以逻辑解析向量的方式输出不同类型文章的评审通过条件;
所述按所述待审文章的类型,对所述关键信息进行组织,获得存在关联 的关键信息,包括:
按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关 键信息;
对所述关键信息进行转换,获得离散数据模式的关键信息。
结合第一方面的第三种可能的实施方式,本申请实施例提供了第一方面 的第四种可能的实施方式,所述将所述待审文章与所述评审通过条件进行匹 配,包括:
利用所述待审文章所属类型的评审通过条件,对所述关键信息进行抽象 分析,获得两者关系的匹配度。
第二方面,本申请实施例提供了一种基于人工智能的文章评审装置,包 括:
数据分析模块,用于分析获得待审文章的关键信息和类型;
组织关联模块,用于按所述待审文章的类型,对所述关键信息进行组织, 获得存在关联的关键信息;
评审条件模块,用于根据所述待审文章的类型,获得相应的评审通过条 件,其中,各类型的评审通过条件是对不同类型的经过评审的文章数据进行 机器学习训练获得的;
匹配判定模块,用于将所述待审文章与所述评审通过条件进行匹配,若 匹配度达到预设阈值,则判定评审通过。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式, 所述装置还包括:
隐私滤除模块,用于根据预设的隐私信息的类型,滤除所述待审文章中 属于所述隐私信息的类型的数据。
结合第二方面,本申请实施例提供了第二方面的第二种可能的实施方式, 所述装置还包括:
文章查重模块,用于根据文章数据库,对所述待审文章进行查重操作;
所述数据分析模块,具体用于:
若所述文章数据库中没有与所述待审文章重复的文章,则分析获得待审 文章的关键信息和类型。
结合第二方面,本申请实施例提供了第二方面的第三种可能的实施方式, 所述评审条件模块,包括:
获取单元,用于获取不同类型文章的历史评审过程数据;
输出单元,用于将所述不同类型文章的历史评审过程数据作为输入,通 过进行机器学习训练,并以逻辑解析向量的方式输出不同类型文章的评审通 过条件;
所述组织关联模块,包括:
关联单元,用于按所述待审文章的类型,对所述关键信息进行组织,获 得存在关联的关键信息;
转换单元,用于对所述关键信息进行转换,获得离散数据模式的关键信 息。
结合第二方面的第三种可能的实施方式,本申请实施例提供了第二方面 的第四种可能的实施方式,所述匹配判定模块,包括:
匹配单元,用于利用所述待审文章所属类型的评审通过条件,对所述关 键信息进行抽象分析,获得两者关系的匹配度。
本申请实施例提供的基于人工智能的文章评审方法及装置,分析获得待 审文章的关键信息和类型,按所述待审文章的类型,对所述关键信息进行组 织,获得存在关联的关键信息,根据所述待审文章的类型,获得相应的评审 通过条件,将所述待审文章与所述评审通过条件进行匹配,若匹配度达到预 设阈值,则判定评审通过,本方案中通过机器学习等技术建立了不同类型文 章对应的不同的评审标准,基于人工智能分析获得待审文章的关键内容,对 待审文章的关键内容依据相应的评审标准和评审阈值进行评审,整个评审过 程完全基于人工智能进行,排除了人为因素的干扰,实现了对文章公正客观 的评审,提高了文章评审的效率。
附图说明
图1为本发明实施例一提供的基于人工智能的文章评审方法的流程示意 图;
图2为本申请实施例六提供基于人工智能的文章评审装置的结构示意 图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发 明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述, 显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于 本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获 得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1为本发明实施例一提供的基于人工智能的文章评审方法的流程示意 图,如图1所示,该基于人工智能的文章评审方法可以包括以下步骤:
101、分析获得待审文章的关键信息和类型;
102、按待审文章的类型,对关键信息进行组织,获得存在关联的关键信 息;
103、根据待审文章的类型,获得相应的评审通过条件,其中,各类型的 评审通过条件是对不同类型的经过评审的文章数据进行机器学习训练获得的;
104、将待审文章与评审通过条件进行匹配,若匹配度达到预设阈值,则 判定评审通过。
实际应用中,该基于人工智能的文章评审方法的执行主体可以是基于人 工智能的文章评审装置。在实际应用中,该基于人工智能的文章评审装置可 以通过虚拟装置,例如软件代码实现,也可以通过写入有相关执行代码的实 体装置,例如,U盘实现,再或者,也可以通过集成有相关执行代码的实体 装置实现,例如,智能手机、笔记本电脑、台式机等。
结合实际场景进行示例:以本实施例的执行主体为基于人工智能的文章 评审装置为例,实际应用中,待审文章可以是多个领域的文章,比如可以是 学术论文,也可以是散文、诗歌等,在此不做限定。以待审文章为学术论文 为例,首先可以对学术论文进行分类,分类的方法可以包括多种,例如按内 容性质和研究方法的不同可以把学术论文分为理论性论文、实验性论文、描 述性论文和设计性论文,若按照论文等级来分,可以分为学年论文、毕业论 文、硕士学位论文和博士学位论文。而对于不同等级的文章,评审的具体要 求也是不同的,往往是等级越高评审就会相对严格,所参考的标准也会比下 一级高许多。可以理解,基于人工智能的文章评审装置通过机器学习等相关 技术,以存储不同类型的文章对应的不同的评审标准,依据该类论文对应的 评审标准对论文进行评审可以得出不同的结果,以此结果来评价该论文,因 此为了明确一论文是否通过评审,可以设置一阈值,比如60分,当评审结果 高于60分则认为评审通过,否则不通过。实际应用中,论文评审的内容,通 常包括论文中的关键信息,比如论文内容是否符合客观实际,概念、定义、 论点是否正确、论据是否充分、实验材料、数据与结果是否可靠等;论文是 否在某一学科领域有新发现、新观点。可以理解,基于人工智能的文章评审 装置通过机器学习等相关技术可以提取出待审文章的关键信息。
相应的,基于人工智能的数据分析方法包括有多种,比如线性回归分析、 方差分析、主成分分析和典型相关分析、判别分析、聚类分析、统计分析等, 实际应用中,可以根据需要进行选择,在此不做限定。
具体地,基于人工智能的文章评审装置对一论文进行评审,首先通过智 能分析获得待审论文的关键信息和类型,一方面根据待审论文的类型得到对 应的评审标准和评审阈值,另一方面,按待审论文的类型,对论文类型对应 的各个关键信息进行提取组织,从而获得存在关联的关键信息,比如论点是 否正确、论据是否充分、实验材料、数据与结果等的关联,将待审论文的存 在关联的关键信息与评审标准进行智能匹配,若匹配度达到预设阈值,即评 审结果达到评审阈值,则判定该论文通过评审。以上评审过程完全基于人工 智能进行,排除了人为因素。
本实施例提供的基于人工智能的文章评审方法,通过机器学习等技术建 立了不同类型文章对应的不同的评审标准和评审阈值,基于人工智能分析获 得待审文章的关键信息和类型,按待审文章的类型,对关键信息进行组织, 获得存在关联的关键信息,从而得到待审文章的关键内容,对待审文章的关 键内容依据相应的评审标准和评审阈值进行评审,最终完成文章评审,整个 评审过程完全基于人工智能进行,排除了人为因素的干扰,实现了对文章公 正客观的评审,提高了文章评审的效率。
实施例二
为了预防评审文章中相关隐私信息的泄漏给文章作者或者相关单位带来 的困扰,本申请实施例二中,在实施例一的基础上,上述步骤101之前,还 可以包括以下步骤:
201、根据预设的隐私信息的类型,滤除待审文章中属于隐私信息的类型 的数据。
具体地,待审文章的隐私信息类型可以包括作者姓名、电话号码、家庭 住址以及工作单位等,这些信息都是作者的隐私信息,如果泄漏,可能会给 文章作者带来不可估量的后果,因此,本方案中基于人工智能的文章评审装 置,通过预设相关隐私信息的类型,将待审文章中符合预设的相关隐私信息 类型的隐私信息识别出来并将其隐藏,以避免不必要的隐私信息泄漏。
本实施例提供的基于人工智能的文章评审方法,在分析获得待审文章的 关键信息和类型之前,根据预设的隐私信息的类型,滤除待审文章中属于隐 私信息的类型的数据。本方案通过在文章评审之前隐藏待审文章中相关的隐 私信息,避免了评审文章中相关隐私信息的泄漏给文章作者或者相关单位带 来的困扰。
实施例三
为了防止相同或相似文章的重复评审带来的工作困扰,本申请实施例二 中,在实施例一的基础上,上述步骤101之前,还可以包括以下步骤:
301、根据文章数据库,对待审文章进行查重操作;
具体地,基于人工智能的文章评审装置中设置有相应的文章数据库,可 以理解,该文章数据库所包含文章的范围要不小于当前待审文章所投稿期刊 等级的文章数据库。基于人工智能的文章评审装置根据相应的文章数据库对 当前待审文章进行检索,完成对待审文章的查重操作。可以理解,若查重操 作结果为文章数据库中含有待审文章重复的文章,则基于人工智能的文章评 审装置可以选择不再继续对待审文章进行评审或者其他操作。
相应的,上述步骤101具体包括:
若文章数据库中没有与待审文章重复的文章,则分析获得待审文章的关 键信息和类型。
具体地,若查重操作的结果为文章数据库中没有与待审文章重复的文章, 则基于人工智能的文章评审装置继续对该待审文章进行评审。后续评审方法 详见上述实施例一中,在此不再赘述。
本实施例提供的基于人工智能的文章评审方法,基于人工智能的文章评 审装置在分析获得待审文章的关键信息和类型之前,根据文章数据库,对待 审文章进行查重操作,若文章数据库中没有与待审文章重复的文章,则继续 进行相关评审。本方案通过在文章评审之前对待审文章进行查重操作,避免 了相同或相似文章的重复评审给给相关评审工作带来的困扰。
实施例四
在实施例一的基础上,本申请实施例四提供的基于人工智能的文章评审 方法还可以包括以下步骤:
401、获取不同类型文章的历史评审过程数据;
402、将不同类型文章的历史评审过程数据作为输入,通过进行机器学习 训练,并以逻辑解析向量的方式输出不同类型文章的评审通过条件;
具体地,不同类型文章的历史评审过程数据包括根据不同类型文章相应 的评审专家群体与期刊编辑之间的历史交流模式向量数据,提炼形成的相应 类型文章从期刊收取评审到最终同意录用的一整个流程中对投稿稿件的处置 方式,基于人工智能的文章评审装置将得到处置的各类稿件处置方式作为输 入,进行编码变换,即机器学习训练之后,以逻辑解析向量的方式输出不同 类型文章的评审通过条件。
相应的,上述步骤102包括步骤:
403、按待审文章的类型,对关键信息进行组织,获得存在关联的关键信 息;
404、对关键信息进行转换,获得离散数据模式的关键信息。
具体地,按待审文章的类型,对关键信息进行组织,获得存在关联的关 键信息后,对获得的关键信息进行编码转换,以获得离散数据模式的关键信 息。
本实施例提供的基于人工智能的文章评审方法,基于人工智能的文章评 审装置通过获取不同类型文章的历史评审过程数据,将不同类型文章的历史 评审过程数据作为输入,通过进行机器学习训练,并以逻辑解析向量的方式 输出不同类型文章的评审通过条件,按待审文章的类型,对关键信息进行组 织,获得存在关联的关键信息之后,对关键信息进行转换,获得离散数据模 式的关键信息。本方案中基于人工智能的机器学习得到评审通过条件保证了 对对各类型的待审文章都有试用的评审通过条件,实现了基于人工智能的文 章评审的灵活性,保证了评审的客观公正。
实施例五
本申请实施例五提供的基于人工智能的文章评审方法,在实施例四的基 础上,上述步骤104,可以包括以下步骤:
501、利用待审文章所属类型的评审通过条件,对关键信息进行抽象分析, 获得两者关系的匹配度。
具体地,抽象分析的方法包括实施例一中的数据分析方法,在此不再赘 述。基于人工智能的文章评审装置将待审文章对应的评审通过条件中的逻辑 解析向量与待审文章的离散数据模式的关键信息进行数据匹配,可以得到相 应的匹配度大小,如匹配度为70分,进一步地,可以根据匹配度和预设阈值 的比较,判断评审是否通过,即完成对待审文章的评审。
本实施例提供的基于人工智能的文章评审方法,通过将离散数据模式的 的关键信息和对应的逻辑解析向量进行数据分析比对,得到相应的匹配度, 从而完成基于人工智能的文章评审,保证了文章评审的客观公正。
下述为本申请系统实施例,可以用于执行本申请方法实施例。对于本申 请系统实施例中未披露的细节,请参照本申请方法实施例。
实施例六
图2为本申请实施例六提供基于人工智能的文章评审装置的结构示意图, 如图2所示,该装置可以包括:
数据分析模块601,用于分析获得待审文章的关键信息和类型;
组织关联模块602,用于按待审文章的类型,对关键信息进行组织,获 得存在关联的关键信息;
评审条件模块603,用于根据待审文章的类型,获得相应的评审通过条 件,其中,各类型的评审通过条件是对不同类型的经过评审的文章数据进行 机器学习训练获得的;
匹配判定模块604,用于将待审文章与评审通过条件进行匹配,若匹配 度达到预设阈值,则判定评审通过。
实际应用中,数据分析模块601主要功能是通过初步数据分析实现投稿 文章的领域、方向、类型、期刊归属等划分。
本实施例提供的基于人工智能的文章评审装置,通过机器学习等技术建 立了不同类型文章对应的不同的评审标准和评审阈值,基于人工智能分析获 得待审文章的关键信息和类型,按待审文章的类型,对关键信息进行组织, 获得存在关联的关键信息,从而得到待审文章的关键内容,对待审文章的关 键内容依据相应的评审标准和评审阈值进行评审,最终完成文章评审,整个 评审过程完全基于人工智能进行,排除了人为因素的干扰,实现了对文章公 正客观的评审,提高了文章评审的效率。
另一实施例中,在上述实施例六的基础上,本实施例提供的基于人工智 能的文章评审装置还可以包括:
隐私滤除模块701,用于根据预设的隐私信息的类型,滤除待审文章中 属于隐私信息的类型的数据。
本实施例提供的基于人工智能的文章评审装置,在分析获得待审文章的 关键信息和类型之前,根据预设的隐私信息的类型,滤除待审文章中属于隐 私信息的类型的数据。本方案通过在文章评审之前隐藏待审文章中相关的隐 私信息,避免了评审文章中相关隐私信息的泄漏给文章作者或者相关单位带 来的困扰。
另一实施例中,在上述实施例六的基础上,本实施例提供的基于人工智 能的文章评审装置还可以包括:
文章查重模块801,用于根据文章数据库,对待审文章进行查重操作;
相应的,数据分析模块601,具体用于:
若文章数据库中没有与待审文章重复的文章,则分析获得待审文章的关 键信息和类型。
实际应用中,文章查重模块801主要功能是对待审文件进行检索、查重, 实现该待审文章与其他同类型文章在字面上的重复率检测,该模块具有可实 现对多种不同语言撰写的文章进行翻译切换检索。
本实施例提供的基于人工智能的文章评审装置,基于人工智能的文章评 审装置在分析获得待审文章的关键信息和类型之前,根据文章数据库,对待 审文章进行查重操作,若文章数据库中没有与待审文章重复的文章,则继续 进行相关评审。本方案通过在文章评审之前对待审文章进行查重操作,避免 了相同或相似文章的重复评审给给相关评审工作带来的困扰。
实施例七中,在上述实施例六的基础上,评审条件模块603,可以包括:
获取单元100,用于获取不同类型文章的历史评审过程数据;
输出单元200,用于将不同类型文章的历史评审过程数据作为输入,通 过进行机器学习训练,并以逻辑解析向量的方式输出不同类型文章的评审通 过条件;
组织关联模块602,可以包括:
关联单元300,用于按待审文章的类型,对关键信息进行组织,获得存 在关联的关键信息;
转换单元400,用于对关键信息进行转换,获得离散数据模式的关键信 息。
本实施例提供的基于人工智能的文章评审装置,基于人工智能的文章评 审装置通过获取不同类型文章的历史评审过程数据,将不同类型文章的历史 评审过程数据作为输入,通过进行机器学习训练,并以逻辑解析向量的方式 输出不同类型文章的评审通过条件,按待审文章的类型,对关键信息进行组 织,获得存在关联的关键信息之后,对关键信息进行转换,获得离散数据模 式的关键信息。本方案中基于人工智能的机器学习得到评审通过条件保证了 对对各类型的待审文章都有试用的评审通过条件,实现了基于人工智能的文 章评审的灵活性,保证了评审的客观公正。
另一实施例中,在上述实施例七的基础上,匹配判定模块604,可以包 括:
匹配单元500,用于利用待审文章所属类型的评审通过条件,对关键信 息进行抽象分析,获得两者关系的匹配度。
本实施例提供的基于人工智能的文章评审装置,通过将离散数据模式的 的关键信息和对应的逻辑解析向量进行数据分析比对,得到相应的匹配度, 从而完成基于人工智能的文章评审,保证了文章评审的客观公正。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描 述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不 再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步 骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可 读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而 前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代 码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其 限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术 人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或 者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技 术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的文章评审方法,其特征在于,包括:
分析获得待审文章的关键信息和类型;
按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关键信息;
根据所述待审文章的类型,获得相应的评审通过条件,其中,各类型的评审通过条件是对不同类型的经过评审的文章数据进行机器学习训练获得的;
将所述待审文章与所述评审通过条件进行匹配,若匹配度达到预设阈值,则判定评审通过。
2.根据权利要求1所述的方法,其特征在于,所述分析获得待审文章的关键信息和类型之前,还包括:
根据预设的隐私信息的类型,滤除所述待审文章中属于所述隐私信息的类型的数据。
3.根据权利要求1所述的方法,其特征在于,所述分析获得待审文章的关键信息和类型之前,还包括:
根据文章数据库,对所述待审文章进行查重操作;
所述分析获得待审文章的关键信息和类型,包括:
若所述文章数据库中没有与所述待审文章重复的文章,则分析获得待审文章的关键信息和类型。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取不同类型文章的历史评审过程数据;
将所述不同类型文章的历史评审过程数据作为输入,通过进行机器学习训练,并以逻辑解析向量的方式输出不同类型文章的评审通过条件;
所述按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关键信息,包括:
按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关键信息;
对所述关键信息进行转换,获得离散数据模式的关键信息。
5.根据权利要求4所述的方法,其特征在于,所述将所述待审文章与所述评审通过条件进行匹配,包括:
利用所述待审文章所属类型的评审通过条件,对所述关键信息进行抽象分析,获得两者关系的匹配度。
6.一种基于人工智能的文章评审装置,其特征在于,包括:
数据分析模块,用于分析获得待审文章的关键信息和类型;
组织关联模块,用于按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关键信息;
评审条件模块,用于根据所述待审文章的类型,获得相应的评审通过条件,其中,各类型的评审通过条件是对不同类型的经过评审的文章数据进行机器学习训练获得的;
匹配判定模块,用于将所述待审文章与所述评审通过条件进行匹配,若匹配度达到预设阈值,则判定评审通过。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
隐私滤除模块,用于根据预设的隐私信息的类型,滤除所述待审文章中属于所述隐私信息的类型的数据。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
文章查重模块,用于根据文章数据库,对所述待审文章进行查重操作;
所述数据分析模块,具体用于:
若所述文章数据库中没有与所述待审文章重复的文章,则分析获得待审文章的关键信息和类型。
9.根据权利要求6所述的装置,其特征在于,所述评审条件模块,包括:
获取单元,用于获取不同类型文章的历史评审过程数据;
输出单元,用于将所述不同类型文章的历史评审过程数据作为输入,通过进行机器学习训练,并以逻辑解析向量的方式输出不同类型文章的评审通过条件;
所述组织关联模块,包括:
关联单元,用于按所述待审文章的类型,对所述关键信息进行组织,获得存在关联的关键信息;
转换单元,用于对所述关键信息进行转换,获得离散数据模式的关键信息。
10.根据权利要求9所述的装置,其特征在于,所述匹配判定模块,包括:
匹配单元,用于利用所述待审文章所属类型的评审通过条件,对所述关键信息进行抽象分析,获得两者关系的匹配度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910162925.9A CN110020729B (zh) | 2019-03-05 | 2019-03-05 | 基于人工智能的文章评审方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910162925.9A CN110020729B (zh) | 2019-03-05 | 2019-03-05 | 基于人工智能的文章评审方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110020729A true CN110020729A (zh) | 2019-07-16 |
CN110020729B CN110020729B (zh) | 2021-03-16 |
Family
ID=67189284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910162925.9A Active CN110020729B (zh) | 2019-03-05 | 2019-03-05 | 基于人工智能的文章评审方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110020729B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630321A (zh) * | 2009-08-26 | 2010-01-20 | 中山大学 | 一种基于数据挖掘的在线文章筛选方法 |
CN101937462A (zh) * | 2010-09-03 | 2011-01-05 | 中国科学院声学研究所 | 文献自动评价方法及系统 |
CN102314453A (zh) * | 2010-06-30 | 2012-01-11 | 百度在线网络技术(北京)有限公司 | 高质量版本的筛选方法及系统 |
US20130262031A1 (en) * | 2012-03-28 | 2013-10-03 | Berlinger & Co., Ag | Methods and devices for monitoring the integrity of an article during transporting said article |
CN105894410A (zh) * | 2016-03-31 | 2016-08-24 | 湘潭大学 | 一种基于知识自动化的课程群支撑度评价方法 |
CN107315736A (zh) * | 2017-06-22 | 2017-11-03 | 云天弈(北京)信息技术有限公司 | 一种辅助写作系统及方法 |
CN107870912A (zh) * | 2016-09-22 | 2018-04-03 | 广州市动景计算机科技有限公司 | 文章质量评分方法、设备、客户端、服务器及可编程设备 |
CN108510237A (zh) * | 2018-03-05 | 2018-09-07 | 兴义市点石文化传播有限责任公司 | 一种文学创作审核系统 |
CN109117470A (zh) * | 2017-06-22 | 2019-01-01 | 北京国双科技有限公司 | 一种评价文本信息的评价关系提取方法及装置 |
CN109241297A (zh) * | 2018-07-09 | 2019-01-18 | 广州品唯软件有限公司 | 一种内容分类聚合方法、电子设备、存储介质及引擎 |
CN109284482A (zh) * | 2018-10-25 | 2019-01-29 | 百度在线网络技术(北京)有限公司 | 写作平台系统及用于写作平台的文章发布方法 |
-
2019
- 2019-03-05 CN CN201910162925.9A patent/CN110020729B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630321A (zh) * | 2009-08-26 | 2010-01-20 | 中山大学 | 一种基于数据挖掘的在线文章筛选方法 |
CN102314453A (zh) * | 2010-06-30 | 2012-01-11 | 百度在线网络技术(北京)有限公司 | 高质量版本的筛选方法及系统 |
CN101937462A (zh) * | 2010-09-03 | 2011-01-05 | 中国科学院声学研究所 | 文献自动评价方法及系统 |
US20130262031A1 (en) * | 2012-03-28 | 2013-10-03 | Berlinger & Co., Ag | Methods and devices for monitoring the integrity of an article during transporting said article |
CN105894410A (zh) * | 2016-03-31 | 2016-08-24 | 湘潭大学 | 一种基于知识自动化的课程群支撑度评价方法 |
CN107870912A (zh) * | 2016-09-22 | 2018-04-03 | 广州市动景计算机科技有限公司 | 文章质量评分方法、设备、客户端、服务器及可编程设备 |
CN107315736A (zh) * | 2017-06-22 | 2017-11-03 | 云天弈(北京)信息技术有限公司 | 一种辅助写作系统及方法 |
CN109117470A (zh) * | 2017-06-22 | 2019-01-01 | 北京国双科技有限公司 | 一种评价文本信息的评价关系提取方法及装置 |
CN108510237A (zh) * | 2018-03-05 | 2018-09-07 | 兴义市点石文化传播有限责任公司 | 一种文学创作审核系统 |
CN109241297A (zh) * | 2018-07-09 | 2019-01-18 | 广州品唯软件有限公司 | 一种内容分类聚合方法、电子设备、存储介质及引擎 |
CN109284482A (zh) * | 2018-10-25 | 2019-01-29 | 百度在线网络技术(北京)有限公司 | 写作平台系统及用于写作平台的文章发布方法 |
Non-Patent Citations (2)
Title |
---|
CHENG LONG ET AL.: "On Good anf Fair Paper-Reviewer Assignment", 《2013 IEEE 13TH INTERNATIONAL CONFERENCE ON DATA MINING》 * |
廉阳: "博士学位论文质量的影响因素及预测研究", 《中国优秀硕士学位论文全文数据库 社会科学Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110020729B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poria et al. | Multimodal sentiment analysis: Addressing key issues and setting up the baselines | |
CN106096004B (zh) | 一种建立大规模跨领域文本情感倾向性分析框架的方法 | |
Zeune et al. | Deep learning of circulating tumour cells | |
Bazeley | Issues in mixing qualitative and quantitative approaches to research | |
Ansari et al. | Worldwide COVID-19 Vaccines Sentiment Analysis Through Twitter Content. | |
US11950020B2 (en) | Methods and apparatus for displaying, compressing and/or indexing information relating to a meeting | |
Sanger | Beyond gender and sexuality binaries in sociological theory: The case for transgender inclusion | |
Gruenstein et al. | Meeting structure annotation: Annotations collected with a general purpose toolkit | |
Jovanovic et al. | A corpus for studying addressing behaviour in multi-party dialogues | |
Nowson et al. | Look! Who's talking? Projection of extraversion across different social contexts | |
Vaishnav et al. | Understanding the computational demands underlying visual reasoning | |
Zhou et al. | Combining empirical and machine learning techniques to predict math expertise using pen signal features | |
Wainer et al. | How productivity and impact differ across computer science subareas | |
Nimala et al. | A robust user sentiment biterm topic mixture model based on user aggregation strategy to avoid data sparsity for short text | |
Kathan et al. | A personalised approach to audiovisual humour recognition and its individual-level fairness | |
Mohan et al. | Artificial intelligence, machine learning, and data science technologies: future impact and well-being for society 5.0 | |
Frohmann | The role of the scientific paper in science information systems | |
CN110020729A (zh) | 基于人工智能的文章评审方法及装置 | |
Schrumpf et al. | A neural natural language processing system for educational resource knowledge domain classification | |
TW201734759A (zh) | 一種區分主題的方法及裝置 | |
Wessler et al. | Empirical research in affective computing: an analysis of research practices and recommendations | |
Shen et al. | A general approach to multimodal document quality assessment | |
Navarretta et al. | Classifying multimodal turn management in Danish dyadic first encounters | |
Purver et al. | Tracking changes in ESG representation: Initial investigations in uk annual reports | |
Modaresi et al. | From phrases to keyphrases: An unsupervised fuzzy set approach to summarize news articles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |