專利名稱：學(xué)術(shù)期刊評價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電子數(shù)據(jù)處理技術(shù)，尤其涉及一種學(xué)術(shù)期刊評價(jià)方法。
背景技術(shù)：
目前，學(xué)術(shù)期刊評價(jià)的傳統(tǒng)方法包括計(jì)算影響因子等方式，由于其評價(jià)的信息有限，因此，難以衡量學(xué)術(shù)期刊的綜合實(shí)力。并且，在現(xiàn)有的學(xué)術(shù)期刊評價(jià)技術(shù)中，如果引入更多的信息，則必然會(huì)導(dǎo)致需要配備高水平的電子設(shè)備，耗費(fèi)過多的系統(tǒng)資源，或者需要占用較多的處理時(shí)間，其效率通常不聞。
因此，如果采用更多的信息來對學(xué)術(shù)期刊進(jìn)行高效率的評價(jià)，同時(shí)不需要配備高水平的電子設(shè)備，不需要耗費(fèi)過多的系統(tǒng)資源，則需要在現(xiàn)有的學(xué)術(shù)期刊評價(jià)方法的基礎(chǔ)上，提供一種創(chuàng)新的學(xué)術(shù)期刊評價(jià)方法。

發(fā)明內(nèi)容
本發(fā)明解決的問題是提出一種新的學(xué)術(shù)期刊評價(jià)方法，可以提高數(shù)據(jù)處理的效率。為解決上述問題，本發(fā)明提供一種學(xué)術(shù)期刊評價(jià)方法，包括獲取待評價(jià)的學(xué)術(shù)期刊間的相互引用數(shù)據(jù)，建立評價(jià)用數(shù)據(jù)庫；基于所述評價(jià)用數(shù)據(jù)庫中的數(shù)據(jù)，生成鄰接矩陣；其中，所述鄰接矩陣的第i行第j列的數(shù)值k代表編號(hào)為j的學(xué)術(shù)期刊引用編號(hào)為i的學(xué)術(shù)期刊共k次；對所述鄰接矩陣中的向量進(jìn)行調(diào)整，以生成歸一化鄰接矩陣；基于衰減概率，基于所述歸一化鄰接矩陣生成評價(jià)用矩陣；計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布，獲得各學(xué)術(shù)期刊的重要程度。可選地，還包括將所述各學(xué)術(shù)期刊的重要程度導(dǎo)入所述評價(jià)用數(shù)據(jù)庫，生成各學(xué)術(shù)期刊重要程度的排序?？蛇x地，所述相互引用數(shù)據(jù)采用稀疏矩陣的方式存儲(chǔ)在評價(jià)用數(shù)據(jù)庫中?？蛇x地，所述對所述鄰接矩陣中的向量進(jìn)行調(diào)整包括對非零向量的調(diào)整和對全零向量的調(diào)整；其中，所述對非零向量的調(diào)整為歸一化?？蛇x地，所述對全零向量的調(diào)整具體為將全零向量修改為1/N向量，其中N代表待評價(jià)的學(xué)術(shù)期刊的總量?？蛇x地，所述對所述鄰接矩陣中的向量進(jìn)行調(diào)整采用時(shí)間復(fù)雜度0(n2)的平凡算法。可選地，所述基于所述歸一化鄰接矩陣生成評價(jià)用矩陣具體為_ = dM + -—其中，為所述評價(jià)用矩陣，μ為所述歸一化鄰接矩陣；(1為
' N ； M衰減概率；E為全I(xiàn)矩陣，N代表待評價(jià)的學(xué)術(shù)期刊的總量?？蛇x地，所述計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布采用冪法計(jì)算?？蛇x地，所述計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布采用迭代方式?？蛇x地，所述迭代過程中，取平均分布作為初值迭代，比較迭代前后兩個(gè)分布之差，如差值小于某個(gè)閾值，即認(rèn)為收斂。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)由于將相互引用數(shù)據(jù)采用矩陣的形式存儲(chǔ)，并且進(jìn)行歸一化等多項(xiàng)處理后得到評價(jià)用矩陣，計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布即獲 得評價(jià)結(jié)果，因此可以在處理過程中引入多種信息，并且處理過程效率高，對資源的消耗較小。


圖I是本發(fā)明實(shí)施例一的學(xué)術(shù)期刊評價(jià)方法的流程圖。
具體實(shí)施例方式本發(fā)明中，將相互引用數(shù)據(jù)采用矩陣的形式存儲(chǔ)，并且進(jìn)行歸一化等多項(xiàng)處理后得到評價(jià)用矩陣，計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布即獲得評價(jià)結(jié)果，因此可以在處理過程中引入多種信息，并且處理過程效率高，對資源的消耗較小。為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式
做詳細(xì)的說明，由于重點(diǎn)在于說明本發(fā)明的原理，所以不必按比例制圖。請參考圖1，本發(fā)明實(shí)施例一的學(xué)術(shù)期刊評價(jià)方法包括步驟S11，獲取待評價(jià)的學(xué)術(shù)期刊間的相互引用數(shù)據(jù)，建立評價(jià)用數(shù)據(jù)庫；步驟S12，基于所述評價(jià)用數(shù)據(jù)庫中的數(shù)據(jù)，生成鄰接矩陣；其中，所述鄰接矩陣的第i行第j列的數(shù)值k代表編號(hào)為j的學(xué)術(shù)期刊引用編號(hào)為i的學(xué)術(shù)期刊共k次；步驟S13，對所述鄰接矩陣中的向量進(jìn)行調(diào)整，以生成歸一化鄰接矩陣；步驟S14，基于衰減概率，基于所述歸一化鄰接矩陣生成評價(jià)用矩陣；步驟S15，計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布，獲得各學(xué)術(shù)期刊的重要程度。下面以一個(gè)實(shí)例對本發(fā)明實(shí)施例進(jìn)行詳細(xì)描述。本實(shí)例中，以Web Of Science網(wǎng)站2008年收錄的共6620冊自然科學(xué)學(xué)術(shù)期刊為基礎(chǔ)進(jìn)行評價(jià)。Web Of Science網(wǎng)站是由Thomson公司維護(hù),其數(shù)據(jù)庫中收錄了眾多自然、社會(huì)科學(xué)權(quán)威學(xué)術(shù)期刊的信息，包括各學(xué)術(shù)期刊的影響因子，每年引用各學(xué)術(shù)期刊文章數(shù)，被各學(xué)術(shù)期刊文章引用數(shù)等等數(shù)據(jù)。各學(xué)術(shù)期刊之間的引用關(guān)系構(gòu)成了有向圖，這種引用關(guān)系是有權(quán)重的。如果繪制用來表示學(xué)術(shù)期刊引用關(guān)系的帶權(quán)有向圖(圖略)，則每個(gè)頂點(diǎn)表示某一學(xué)術(shù)期刊，每個(gè)箭頭i_ > j代表學(xué)術(shù)期刊i引用學(xué)術(shù)期刊j，該箭頭上的權(quán)重即為學(xué)術(shù)期刊i對學(xué)術(shù)期刊j的引用數(shù)。
權(quán)利要求
1.一種學(xué)術(shù)期刊評價(jià)方法，其特征在于，包括 獲取待評價(jià)的學(xué)術(shù)期刊間的相互引用數(shù)據(jù)，建立評價(jià)用數(shù)據(jù)庫； 基于所述評價(jià)用數(shù)據(jù)庫中的數(shù)據(jù)，生成鄰接矩陣；其中，所述鄰接矩陣的第i行第j列的數(shù)值k代表編號(hào)為j的學(xué)術(shù)期刊引用編號(hào)為i的學(xué)術(shù)期刊共k次； 對所述鄰接矩陣中的向量進(jìn)行調(diào)整，以生成歸一化鄰接矩陣； 基于衰減概率，基于所述歸一化鄰接矩陣生成評價(jià)用矩陣； 計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布，獲得各學(xué)術(shù)期刊的重要程度。
2.根據(jù)權(quán)利要求I所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，還包括將所述各學(xué)術(shù)期刊的重要程度導(dǎo)入所述評價(jià)用數(shù)據(jù)庫，生成各學(xué)術(shù)期刊重要程度的排序。
3.根據(jù)權(quán)利要求I所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述相互引用數(shù)據(jù)采用稀疏矩陣的方式存儲(chǔ)在評價(jià)用數(shù)據(jù)庫中。
4.根據(jù)權(quán)利要求I所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述對所述鄰接矩陣中的向量進(jìn)行調(diào)整包括對非零向量的調(diào)整和對全零向量的調(diào)整；其中，所述對非零向量的調(diào)整為歸一化。
5.根據(jù)權(quán)利要求4所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述對全零向量的調(diào)整具體為將全零向量修改為1/N向量，其中N代表待評價(jià)的學(xué)術(shù)期刊的總量。
6.根據(jù)權(quán)利要求I所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述對所述鄰接矩陣中的向量進(jìn)行調(diào)整采用時(shí)間復(fù)雜度0(n2)的平凡算法。
7.根據(jù)權(quán)利要求I所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述基于所述歸一化鄰接
8.根據(jù)權(quán)利要求I所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布采用冪法計(jì)算。
9.根據(jù)權(quán)利要求8所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布采用迭代方式。
10.根據(jù)權(quán)利要求9所述的學(xué)術(shù)期刊評價(jià)方法，其特征在于，所述迭代過程中，取平均分布作為初值迭代，比較迭代前后兩個(gè)分布之差，如差值小于某個(gè)閾值，即認(rèn)為收斂。
全文摘要
公開一種學(xué)術(shù)期刊評價(jià)方法。包括獲取待評價(jià)的學(xué)術(shù)期刊間的相互引用數(shù)據(jù)，建立評價(jià)用數(shù)據(jù)庫；基于所述評價(jià)用數(shù)據(jù)庫中的數(shù)據(jù)，生成鄰接矩陣；其中，所述鄰接矩陣的第i行第j列的數(shù)值k代表編號(hào)為j的學(xué)術(shù)期刊引用編號(hào)為i的學(xué)術(shù)期刊共k次；對所述鄰接矩陣中的向量進(jìn)行調(diào)整，以生成歸一化鄰接矩陣；基于衰減概率，基于所述歸一化鄰接矩陣生成評價(jià)用矩陣；計(jì)算所述評價(jià)用矩陣的平穩(wěn)分布，獲得各學(xué)術(shù)期刊的重要程度。
文檔編號(hào)G06F17/30GK102789459SQ20111013001
公開日2012年11月21日 申請日期2011年5月18日 優(yōu)先權(quán)日2011年5月18日
發(fā)明者張弛 申請人:張弛