CN110175774A

CN110175774A - 文献价值评估方法和装置

Info

Publication number: CN110175774A
Application number: CN201910441944.5A
Authority: CN
Inventors: 程艳茹; 龙明涛; 程国艮
Original assignee: Chinese Translation Language Through Polytron Technologies Inc
Current assignee: Chinese Translation Language Through Polytron Technologies Inc
Priority date: 2019-05-24
Filing date: 2019-05-24
Publication date: 2019-08-27

Abstract

本发明实施例提供一种文献价值评估方法和装置，其中方法包括：基于待评估文献的作者信息，获取待评估文献的作者评估结果；其中，作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种；基于待评估文献的文献信息，获取待评估文献的文献评估结果；其中，文献信息包括文献被引次数；基于作者评估结果和文献评估结果，获取待评估文献的文献价值评估结果。本发明实施例提供的方法和装置，通过作者信息和文献信息获取文献价值评估结果，由于作者信息和文献信息均为数据统计结果或官方公布信息，最大程度上确保了文献价值评估结果的客观性和准确性，且文献价值评估的可实施性高，易于推广应用。

Description

文献价值评估方法和装置

技术领域

本发明涉及计算机评估技术领域，尤其涉及一种文献价值评估方法和装置。

背景技术

随着科学研究的飞速发展，科技文献的出版速度逐年增加，其数量非常庞大。如何从海量的文献中筛选出真正有价值的文献，如同从矿石中滤金沙，具有很高的难度，而且目前对于高价值文献还没有明确的官方定义或学术定义，因此如何甄别高价值文献就显得尤为重要。

传统的文献价值评价主要基于成本法、市场法、收益法、现金流折现法或期权法实现，此外也可以基于数据挖掘、数学结构模型以及因素加权法等对文献价值评价展开的研究。例如，将文献市场需求情况、文献资产的使用价值、文献成本、文献的剩余有效期、文献资产的收益因素和收益年限、文献的社会价值、文献法律地位稳固程度等因素分别评分后再加权求和得出总的评估分值。

然而，传统的文献价值评价方法涉及的主观因素太多，大多数因素分值的评定都带有很强的主观性，难以预测和实施，文献价值评估的客观性、准确性和可实施性有待进一步提高。

发明内容

本发明实施例提供一种文献价值评估方法和装置，用以解决现有的文献价值评估方法设计的主观因素多，导致评估的客观性、准确性和可实施性低的问题。

第一方面，本发明实施例提供一种文献价值评估方法，包括：

基于待评估文献的作者信息，获取所述待评估文献的作者评估结果；其中，所述作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种；

基于所述待评估文献的文献信息，获取所述待评估文献的文献评估结果；其中，所述文献信息包括文献被引次数；

基于所述作者评估结果和所述文献评估结果，获取所述待评估文献的文献价值评估结果。

第二方面，本发明实施例提供一种文献价值评估装置，包括：

作者评估单元，用于基于待评估文献的作者信息，获取所述待评估文献的作者评估结果；其中，所述作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种；

文献评估单元，用于基于所述待评估文献的文献信息，获取所述待评估文献的文献评估结果；其中，所述文献信息包括文献被引次数；

文献价值评估单元，用于基于所述作者评估结果和所述文献评估结果，获取所述待评估文献的文献价值评估结果。

第三方面，本发明实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如第一方面所提供的方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

本发明实施例提供的一种文献价值评估方法和装置，通过作者信息和文献信息分别获取作者评估结果和文献评估结果，进而得到文献价值评估结果，由于作者信息和文献信息均为数据统计结果或官方公布信息，最大程度上确保了文献价值评估结果的客观性和准确性，且文献价值评估的可实施性高，易于推广应用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的文献价值评估方法的流程示意图；

图2为本发明实施例提供的文献价值评估装置的结构示意图；

图3为本发明实施例提供的电子设备的结构示意图。

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作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。

传统的文献价值评价方法涉及的主观因素太多，大多数因素分值的评定都带有很强的主观性，导致评估的客观性、准确性和可实施性低。针对上述问题，本发明实施例提供了一种文献价值评估方法。图1为本发明实施例提供的文献价值评估方法的流程示意图，如图1所示，该方法包括：

步骤110，基于待评估文献的作者信息，获取待评估文献的作者评估结果；其中，作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种。

具体地，待评估文献是指需要进行文献价值评估的文献。作者信息是指待评估文献的作者的相关信息，其中作者文献发表量是指该作者发表的文献数量；作者文献被引率是指该作者发表的所有文献被引用的次数之和与该作者文献发表量的比值；作者合作人员数量是指该文献中与作者共同署名的合作者的数量，此处作者是指文献署名的第一作者；

在得到待评估文献的作者信息后，可以根据作者信息获取待评估文献的作者评估结果。此处，作者评估结果可以是作者信息对应的分数，还可以是预先设定的作者等级中的一级，本发明实施例对此不作具体限定。

获取作者评估结果的方法有多种，例如针对作者信息中的每一项，根据预先设定的评分标准进行评分，并对每一项的评分进行求和作为作者评估结果；又例如，将作者信息输入到预先基于样本作者信息和样本作者评估结果训练得到的作者评估模型中，直接获取作者评估模型输出的作者评估结果，此处作者评估模型可以是任意结构和类型的神经网络模型，本发明实施例对此不作具体限定。

步骤120，基于待评估文献的文献信息，获取待评估文献的文献评估结果；其中，文献信息包括文献被引次数。

具体地，文献信息是指待评估文献的相关信息，其中文献被引次数是指待评估文献被引用的次数。此外，文献信息还可以包括待评估文献所属的技术领域，或者待评估文献所引用的文献数量，以及待评估文献所发表期刊的影响力因子等，本发明实施例对此不作具体限定。

在得到待评估文献的文献信息后，可以根据文献信息获取待评估文献的文献评估结果。此处，文献评估结果可以是文献信息对应的分数，还可以是预先设定的文献等级中的一级，本发明实施例对此不作具体限定。

获取文献评估结果的方法有多种，例如针对文献信息中的文献被引次数，根据预先设定的文献被引区间确定当前的文献被引次数所属的文献被引区间，进而得到该文献被引区间对应的评分作为文献评估结果；又例如，将文献信息输入到预先基于样本文献信息和样本文献评估结果训练得到的文献评估模型中，直接获取文献评估模型输出的文献评估结果，此处文献评估模型可以是任意结构和类型的神经网络模型，本发明实施例对此不作具体限定。

需要说明的是，本发明实施例不限定步骤110和步骤120的执行顺序，步骤110可以在步骤120之前执行，也可以在步骤120之后执行，还可以与步骤120同步执行。

步骤130，基于作者评估结果和文献评估结果，获取待评估文献的文献价值评估结果。

具体地，在得到作者评估结果和文献评估结果后，可以基于作者评估结果和文献评估结果得到文献价值评估结果。此处，文献价值评估结果是针对待评估文献进行文献价值评估得到的价值评估结果。获取文献价值评估结果的方法有多种，例如作者评估结果和文献评估结果均为评分时，可以根据预先设定的权重对两者进行加权求和，将加权求和得到的评分作为文献价值评估结果；又例如，作者评估结果和文献评估结果均为等级时，可以直接根据预先设定的作者评估结果的等级、文献评估结果的等级与文献价值评估结果的等级之间对应的关系，确定文献价值评估结果的等级作为文献价值评估结果。

本发明实施例提供的方法，通过作者信息和文献信息分别获取作者评估结果和文献评估结果，进而得到文献价值评估结果，由于作者信息和文献信息均为数据统计结果或官方公布信息，最大程度上确保了文献价值评估结果的客观性和准确性，且文献价值评估的可实施性高，易于推广应用。

基于上述实施例，该方法中，步骤110具体包括：

步骤111，基于作者文献发表量，获取作者文献发表量评分。

具体地，作者文献发表量评分是基于作者文献发表量得到的评分结果。作者文献发表量评分可以基于预先设定的文献发表量评分规则，对作者文献发表量进行评分得到。

例如，预先设定的文献发表量评分规则是判断作者文献发表量所属的文献发表量区间，并将该文献发表量区间对应的评分作为作者文献发表量评分。假设预先设定的文献发表量区间为[0,50)、[50,150)、[150,300)、[300,∞)，对应的评分分别为25、50、75、100。当作者文献发表量为37时，对应的作者文献发表量评分为25，当作者文献发表量为143时，对应的作者文献发表量评分为50。

步骤112，基于作者文献被引率，获取作者文献被引率评分。

具体地，作者文献被引率评分是基于作者文献被引率得到的评分结果。作者文献被引率评分可以基于预先设定的文献被引率评分规则，对作者文献被引率进行评分得到。

例如，预先设定的文献被引率评分规则是判断作者文献被引率所属的文献被引率区间，并将该文献被引率区间对应的评分作为作者文献被引率评分。假设预先设定的文献被引率区间为[0,0.5)、[0.5,1)、[1,1.5)、[1.5,∞)，对应的评分分别为25、50、75、100。当作者文献被引率为0.4时，对应的作者文献被引率评分为25，当作者文献被引率为1.71时，对应的作者文献被引率评分为100。

步骤113，基于作者合作人员数量，获取作者合作人员数量评分。

具体地，作者合作人员数量评分是基于作者合作人员数量得到的评分结果。作者合作人员数量评分可以基于预先设定的合作人员数量评分规则，对作者合作人员数量进行评分得到。

例如，预先设定的合作人员数量评分规则是判断作者合作人员数量所属的合作人员数量区间，并将该合作人员数量区间对应的评分作为作者合作人员数量评分。假设预先设定的合作人员数量区间为[0,20)、[20,50)、[50,80)、[80,∞)，对应的评分分别为25、50、75、100。当作者合作人员数量为7时，对应的作者合作人员数量评分为25，当作者合作人员数量为23时，对应的作者合作人员数量评分为50。

需要说明的是，本发明实施例不限定步骤111至步骤113的执行顺序，上述三个步骤可以先后执行，也可以同步执行。

步骤114，基于第一预设权重，对作者文献发表量评分、作者文献被引率评分、作者合作人员数量评分和作者所属机构实力评分进行加权求和，得到作者评估结果。

具体地，第一预设权重是预先设定的分别针对作者文献发表量评分、作者文献被引率、作者合作人员数量评分和作者所属机构实力评分的权重。基于第一预设权重对上述评分进行加权求和，即可得到上述评分的加权求和结果，并将该结果作为作者评估结果。

基于上述任一实施例，该方法中，步骤110还包括：步骤115，基于作者所属机构信息，获取作者所属机构实力评分；其中，作者所属机构信息包括机构人员数量、机构文献发表量和机构合作人员数量中的至少一种。

具体地，作者所属机构信息是指该作者所属机构的具体信息，此处作者所属机构可以是公司、学校或者科研院所等，本发明实施例对此不作具体限定。

作者所属机构实力评分是基于作者所属机构信息得到的评分结果。作者所属机构实力评分可以基于预先设定的所属机构实力评分规则，对作者所属机构信息进行评分得到。例如，将作者所属机构信息中的机构人员数量、机构文献发表量和机构文献被引率分别基于预先设定的合作人员数量评分规则转换为机构人员数量评分、机构文献发表量评分和机构文献被引率评分，并对上述评分进行加权求和。又例如，分别获取机构人员数量、机构文献发表量和机构文献被引率对应的区间，并基于各自对应的区间确定作者所属机构实力评分。

需要说明的是，步骤115在步骤114之前执行，且本发明实施例不限定步骤111、112、113以及步骤115的执行顺序.

对应地，步骤114具体包括：基于第一预设权重，对作者文献发表量评分、作者文献被引率评分、作者合作人员数量评分和作者所属机构实力评分进行加权求和，得到作者评估结果。

基于上述任一实施例，该方法中，步骤115具体包括：基于机构预设权重，对机构人员数量、机构文献发表量和机构文献被引率进行加权求和，得到作者所属机构实力评分。

具体地，机构预设权重是预先设定的分别针对机构人员数量、机构文献发表量和机构文献被引率的权重。基于机构预设权重，对机构人员数量、机构文献发表量和机构文献被引率进行加权求和，即可得到上述各项信息数据的加权求和结果，并将该结果作为作者所属机构实力评分。

例如，机构预设权重包含α1、α2和α3，分别对应机构人员数量A的权重、机构文献发表量B的权重和机构文献被引率C的权重。则作者所属机构实力评分X＝α1×A+α2×B+α3×C。此处，α1+α2+α3＝1，0.1＜α1＜0.3，0.2＜α2＜0.6，0.1＜α3＜0.3。

基于上述任一实施例，该方法中，文献信息还包括文献所属领域、施引文献数和同族文献数；对应地，步骤120具体包括：将待评估文献的文献所属领域、施引文献数、同族文献数和文献被引次数输入至文献评估模型，获取文献评估模型输出的文献评估结果；其中，文献评估模型是基于样本文献的样本文献所属领域、样本施引文献数、样本同族文献数、样本文献被引次数以及样本文献评估结果训练得到的。

具体地，文献所属领域是指待评估文献所属的技术领域，施引文献数是指待评估文献所引用的文献数量，同族文献数是指待评估文献的同族文献数量。在进行文献评估时，可以将待评估文献的文献所属领域、施引文献数、同族文献数和文献被引次数均输入到文献评估模型中，文献评估模型基于文献所属领域、施引文献数、同族文献数和文献被引次数对待评估文献进行评估，并输出评估得到的结果即文献评估结果。

另外，在执行步骤120之前，还可以预先训练得到文献评估模型，具体可通过如下方式训练得到：首先，收集大量样本文献，并对应获取样本文献的样本文献所属领域、样本施引文献数、样本同族文献数、样本文献被引次数以及样本文献评估结果。其中，样本文献所属领域为样本文献所属的技术领域，样本施引文献数是指样本文献所引用的文献数量，样本同族文献数是指样本文献的同族文献数量，样本文献被引次数是指样本文献被引用的次数，样本文献评估结果是研究人员预先对样本文献进行文献评估得到的评估结果。随即基于样本文献的样本文献所属领域、样本施引文献数、样本同族文献数、样本文献被引次数以及样本文献评估结果对初始模型进行训练，从而得到文献评估模型。其中，初始模型可以是单一神经网络模型，也可以是多个神经网络模型的组合，本发明实施例不对初始模型的类型和结构作具体限定。

本发明实施例提供的方法，通过构建文献评估模型实现自动化文献评估，提高了文献评估结果的准确性。

基于上述任一实施例，该方法中，步骤130具体包括：基于第二预设权重，对作者评估结果和文献评估结果进行加权求和，得到待评估文献的文献价值评估结果。

具体地，第二预设权重是预先设定的分别针对作者评估结果和文献评估结果的权重。基于第一预设权重对上述评估结果进行加权求和，即可得到上述评估结果的加权求和结果，并将该结果作为文献价值评估结果。

基于上述任一实施例，该方法中，步骤110和步骤120之前还包括：通过网络爬虫从预设网站上抓取待评估文献的作者信息和/或文献信息。

具体地，在确定待评估文献之后，基于待评估文献的作者信息获取作者评估结果、基于待评估文献的文献信息获取文献评估结果之前，还需要通过网络爬虫从预设网站上抓取待评估文献的作者信息和/或文献信息。此处，网络爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。预设网站是预先设定的存储有待评估文献的作者信息和/或文献信息的网站，例如中国知网、万方数据知识服务平台等。可以通过待评估文献名称获取待评估文献作者，进而得到待评估文献作者的作者文献发表量、作者文献被引率、作者合作人员数量和作者所属机构信息等作者信息，和/或通过待评估文献名称获取待评估文献的文献被引次数、文献所属领域、施引文献数和同族文献数等文献信息。

基于上述任一实施例，本发明实施例提供一种文献价值评估方法，包括如下步骤：

首先，获取待评估文献名称，并基于待评估文献名称通过网络爬虫从预设网站上抓取待评估文献的作者信息和文献信息。此处，作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量，文献信息包括文献被引次数。

其次，基于待评估文献的作者信息，获取待评估文献的作者评估结果：

预先设定的文献发表量区间为[0,50)、[50,150)、[150,300)、[300,∞)，对应的评分分别为25、50、75、100。根据作者信息中的作者文献发表量，获取作者文献发表量评分。

预先设定的文献被引率区间为[0,0.5)、[0.5,1)、[1,1.5)、[1.5,∞)，对应的评分分别为25、50、75、100。根据作者信息中的作者文献被引率，获取作者文献被引率评分。

预先设定的合作人员数量区间为[0,20)、[20,50)、[50,80)、[80,∞)，对应的评分分别为25、50、75、100。根据作者信息中的作者合作人员数量，获取作者合作人员数量评分。

在得到作者文献发表量评分、作者文献被引率评分和作者合作人员数量评分后，基于第一预设权重对上述评分进行加权求和，得到待评估文献的文献价值评估结果。

然后，基于待评估文献的文献信息，获取待评估文献的文献评估结果：

预先设定的文献被引次数区间为[0]、(0,10]、(10,30]、(30,50]、(50,∞)，对应的评分分别为0、25、50、75、100。根据待评估文献的文献被引次数，获取文献被引次数评分，并将文献被引次数评分作为文献评估结果。

最后，在得到作者评估结果和文献评估结果后，基于第二预设权重，对作者评估结果和文献评估结果进行加权求和，得到待评估文献的文献价值评估结果。

基于上述任一实施例，图2为本发明实施例提供的文献价值评估装置的结构示意图，如图2所示，该装置包括作者评估单元210、文献评估单元220和文献价值评估单元230；

其中，作者评估单元210用于基于待评估文献的作者信息，获取所述待评估文献的作者评估结果；其中，所述作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种；

文献评估单元220用于基于所述待评估文献的文献信息，获取所述待评估文献的文献评估结果；其中，所述文献信息包括文献被引次数；

文献价值评估单元230用于基于所述作者评估结果和所述文献评估结果，获取所述待评估文献的文献价值评估结果。

本发明实施例提供的装置，通过作者信息和文献信息分别获取作者评估结果和文献评估结果，进而得到文献价值评估结果，由于作者信息和文献信息均为数据统计结果或官方公布信息，最大程度上确保了文献价值评估结果的客观性和准确性，且文献价值评估的可实施性高，易于推广应用。

基于上述任一实施例，该装置中，作者评估单元210具体包括文献发表量评估子单元、文献被引率评估子单元、合作数量评估子单元和作者评估子单元；

其中，文献发表量评估子单元用于基于所述作者文献发表量，获取作者文献发表量评分；

文献被引率评估子单元用于基于所述作者文献被引率，获取作者文献被引率评分；

合作数量评估子单元用于基于所述作者合作人员数量，获取作者合作人员数量评分；

作者评估子单元用于基于第一预设权重，对所述作者文献发表量评分、所述作者文献被引率评分和所述作者合作人员数量评分进行加权求和，得到所述作者评估结果。

基于上述任一实施例，该装置中，作者评估单元210还包括所属机构评估子单元；

所属机构评估子单元用于基于作者所属机构信息，获取作者所属机构实力评分；其中，所述作者所属机构信息包括机构人员数量、机构文献发表量和机构合作人员数量中的至少一种；

对应地，作者评估子单元具体用于：

基于第一预设权重，对所述作者文献发表量评分、所述作者文献被引率评分、所述作者合作人员数量评分和所述作者所属机构实力评分进行加权求和，得到所述作者评估结果。

基于上述任一实施例，该装置中，所属机构评估子单元具体用于：

基于机构预设权重，对所述机构人员数量、所述机构文献发表量和所述机构文献被引率进行加权求和，得到所述作者所属机构实力评分。

基于上述任一实施例，所述文献信息还包括文献所属领域、施引文献数和同族文献数；

对应地，该装置中，文献评估单元220具体用于：

将所述待评估文献的所述文献所属领域、所述施引文献数、所述同族文献数和所述文献被引次数输入至文献评估模型，获取所述文献评估模型输出的所述文献评估结果；

其中，所述文献评估模型是基于样本文献的样本文献所属领域、样本施引文献数、样本同族文献数、样本文献被引次数以及样本文献评估结果训练得到的。

基于上述任一实施例，该装置中，文献价值评估单元230具体用于：

基于第二预设权重，对所述作者评估结果和所述文献评估结果进行加权求和，得到所述待评估文献的文献价值评估结果。

基于上述任一实施例，该装置还包括抓取单元；

抓取单元用于通过网络爬虫从预设网站上抓取所述待评估文献的所述作者信息和/或所述文献信息。

图3为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序，以执行上述各实施例提供的文献价值评估方法，例如包括：基于待评估文献的作者信息，获取所述待评估文献的作者评估结果；其中，所述作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种；基于所述待评估文献的文献信息，获取所述待评估文献的文献评估结果；其中，所述文献信息包括文献被引次数；基于所述作者评估结果和所述文献评估结果，获取所述待评估文献的文献价值评估结果。

此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的文献价值评估方法，例如包括：基于待评估文献的作者信息，获取所述待评估文献的作者评估结果；其中，所述作者信息包括作者文献发表量、作者文献被引率和作者合作人员数量中的至少一种；基于所述待评估文献的文献信息，获取所述待评估文献的文献评估结果；其中，所述文献信息包括文献被引次数；基于所述作者评估结果和所述文献评估结果，获取所述待评估文献的文献价值评估结果。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

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

1.一种文献价值评估方法，其特征在于，包括：

2.根据权利要求1所述的文献价值评估方法，其特征在于，所述基于待评估文献的作者信息，获取所述待评估文献的作者评估结果，具体包括：

基于所述作者文献发表量，获取作者文献发表量评分；

基于所述作者文献被引率，获取作者文献被引率评分；

基于所述作者合作人员数量，获取作者合作人员数量评分；

基于第一预设权重，对所述作者文献发表量评分、所述作者文献被引率评分和所述作者合作人员数量评分进行加权求和，得到所述作者评估结果。

3.根据权利要求2所述的文献价值评估方法，其特征在于，所述基于待评估文献的作者信息，获取所述待评估文献的作者评估结果，还包括：

基于作者所属机构信息，获取作者所属机构实力评分；其中，所述作者所属机构信息包括机构人员数量、机构文献发表量和机构合作人员数量中的至少一种；

对应地，所述基于第一预设权重，对所述作者文献发表量评分、所述作者文献被引率评分和所述作者合作人员数量评分进行加权求和，得到所述作者评估结果，具体包括：

4.根据权利要求3所述的文献价值评估方法，其特征在于，所述基于作者所属机构信息，获取作者所属机构实力评分，具体包括：

5.根据权利要求1所述的文献价值评估方法，其特征在于，所述文献信息还包括文献所属领域、施引文献数和同族文献数；

对应地，所述基于所述待评估文献的文献信息，获取所述待评估文献的文献评估结果，具体包括：

6.根据权利要求1所述的文献价值评估方法，其特征在于，所述基于所述作者评估结果和所述文献评估结果，获取所述待评估文献的文献价值评估结果，具体包括：

7.根据权利要求1至6中任一项所述的文献价值评估方法，其特征在于，所述基于待评估文献的作者信息，获取所述待评估文献的作者评估结果，之前还包括：

通过网络爬虫从预设网站上抓取所述待评估文献的所述作者信息和/或所述文献信息。

8.一种文献价值评估装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的文献价值评估方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的文献价值评估方法的步骤。