本發(fā)明涉及教育評價，尤其涉及一種學位論文的結構分析與評分方法。
背景技術：
：：1、學位論文是作者為獲得特定學位而撰寫的研究報告或科學論文。它不僅代表不同的學術水平，也是重要的文獻來源之一。學位論文通常不在學術期刊上公開發(fā)表，主要通過學位授予單位、特定收藏單位和私人途徑獲取。學位論文是高等教育的核心環(huán)節(jié)，承擔著培養(yǎng)學生“從0到1”的創(chuàng)新能力、提出和解決問題的能力、批判性思維能力和協(xié)作溝通能力的重要任務，是實現(xiàn)從“學知識”向“強能力”轉變的最關鍵一環(huán)。此外，學位論文也是高等教育評估的一個重要觀測點，其質(zhì)量某種程度上反映了畢業(yè)生的整體素質(zhì)。為此，我國專門出臺了系列標準，規(guī)范學位論文，如學位論文編寫規(guī)則(gb/t7713.1-2006)、科學技術報告、學位論文和學術論文的編寫格式(gb/t7713-1987)、文后參考文獻著錄規(guī)則(gb/t?7714-2005)等。2014年1月出臺《博士碩士學位論文抽檢辦法》(學位[2014]5號)、2021年1月教育部發(fā)文《本科畢業(yè)論文(設計)抽檢辦法(試行)》(教督〔2020〕5號)；本科畢業(yè)論文抽檢重點對選題意義、寫作安排、邏輯構建、專業(yè)能力以及學術規(guī)范等進行“合格性”考察，重點考察本科生基本學術規(guī)范和基本學術素養(yǎng)。學位論文的內(nèi)在質(zhì)量有：學術創(chuàng)新性、論文的意義、論文的邏輯性等，外在質(zhì)量則包括：形式結構、格式規(guī)范性等。學位論文的評價是一個多緯度、多步驟的復雜過程，通常由指導教師、同行學者以及由若干名專家組成的委員會，從學術價值、方法論和創(chuàng)新性等方面開展質(zhì)量評價。2、規(guī)范性，作為衡量學位論文質(zhì)量的外在依據(jù)，老師會耗費很多時間檢查學生論文的格式，導致“重格式，輕內(nèi)容”現(xiàn)象。2010年10月《計算機工程與設計》發(fā)表了“基于java的文檔格式檢查技術的研究及其應用”，使用java進行畢業(yè)論文格式檢查的技術進行了研究，實現(xiàn)畢業(yè)論文格式與標準文檔的格式檢測和匹配，并生成詳細的格式檢查報告，提高畢業(yè)論文格式檢查的效率。文獻cn110069785a公開了一種基于組件約定的論文規(guī)范控制與分析平臺及系統(tǒng)，可根據(jù)不同院校、學科、專業(yè)的論文格式要求，采用組件化約定對論文進行自動格式處理，解決了傳統(tǒng)手動編輯效率低、隨意性大、出錯率高的問題。2016年《高教探索》s刊刊登“基于學術規(guī)范的本科畢業(yè)論文質(zhì)量評價體系建設”，針對在過去一些評價研究中，很少在本科質(zhì)量評價中考慮到學術不規(guī)范的問題，引入了學術規(guī)范指標，構建了一套本科論文評價方法，由三個層次的指標體系組成，1.目標層(最高層):指問題的預定目標；2.準則層(中間層):指影響目標實現(xiàn)的準則，設5個指標，包括論文選題與綜述、基礎知識和理論應用、能力水平、論文綜合質(zhì)量、學術規(guī)范；3.措施層(最低層):指促使目標實現(xiàn)的措施，設置了19個二級指標，包括符合專業(yè)培養(yǎng)方向、選題適當及操作性、基礎知識等。2019年《哈爾濱職業(yè)技術學院學報》第2期刊登了“本科畢業(yè)論文質(zhì)量評價及其提升路徑”，對安徽財經(jīng)大學經(jīng)濟學院2007-2017屆297名畢業(yè)生論文質(zhì)量的數(shù)據(jù)進行分析處理，推斷認為本科生畢業(yè)論文質(zhì)量不高的主要原因在于通識教育未能發(fā)揮應有的作用，并建議：制訂科學的通識教育培養(yǎng)目標，合理安排通識教育課程；通過通識教育提升學生的邏輯思維能力；通過通識教育提升學生的創(chuàng)新能力。2019年3月《北京社會科學》刊登了“中國高等教育學高被引博士學位論文規(guī)范性評估”，指出：論文存在主體部分結構比例不協(xié)調(diào)、文獻綜述問題意識不突出、研究設計及方法意識差、研究的意義與問題混淆、缺乏研究倫理規(guī)范等突出問題，應加強學術規(guī)范性教育，進一步完善研究方法課程設置，強化教育研究方法訓練，制定高等教育學博士學位論文寫作規(guī)范，完善博士生研究倫理教育機制。2019年《黑龍江高教研究》第5期發(fā)表“差評研究生學位論文主要特點鑒別”，選取s大學2017屆411份“差評”研究生學位論文盲審專家評閱意見，研究發(fā)現(xiàn)“差評”論文具體內(nèi)容的缺陷，包括論文主題、邏輯結構、論證分析、結論與建議、寫作態(tài)度、寫作規(guī)范、創(chuàng)新性等方面，這些特征之間是緊密聯(lián)系并且相互重疊的。2018年6月《編輯學報》刊登“科技期刊論文的圖表審讀處理方法探討”，指出：圖表在論文中起著不可或缺的作用，具有數(shù)據(jù)(或事物)容量大、精確度高、對比性強等的表達優(yōu)勢，應以簡明、直觀和美觀的表達方式展示數(shù)據(jù)(或事物)分析結果為目的，根據(jù)論文內(nèi)容的表達需要，按照審讀處理圖表的邏輯順序，審讀處理圖表類型選取的恰當性，表達的科學性、規(guī)范性和版面的節(jié)約性。3、學位論文的質(zhì)量，與學生投入到畢業(yè)設計的時間和精力密切相關，但學生投入度的測量由于缺乏有效數(shù)據(jù)的支持而很難實現(xiàn)。文獻cn107239900a公開了基于可拓云模型的本科畢業(yè)論文質(zhì)量評價方法，包括以下步驟：1)建立本科畢業(yè)論質(zhì)量評價指標體系；2)確定等級標準的劃分和等級云模型：將評價指標分為5個等級，給出相應的云模型；3)評價值的獲取；4)確定指標的組合權重：分別應用序關系分析法和熵權法確定指標主、客觀權重，依據(jù)最小鑒別信息原理確定指標組合權重；5)確定專家權重：應用灰色關聯(lián)分析法確定專家權重；6)建立可拓云關聯(lián)度矩陣；7)確定評價等級，使得本科畢業(yè)論文質(zhì)量評價更具合理性、科學性和穩(wěn)定性。文獻cn108122180a公開了一種基于在線學習行為的自主學習投入度實時生成方法，從教學視頻播放行為、視頻觀看時長和并發(fā)學習行為數(shù)據(jù)，生成投入度參數(shù)es，將對在線學習投入度數(shù)據(jù)的獲取自動化和簡單化，使實時獲取投入度數(shù)據(jù)并進行過程性分析成為可能，從而完全改變當前在線學習投入度的分析思路和方法，使基于數(shù)據(jù)支持的在線學習過程指導和分析成為可能。文獻cn109858769a提供了一種本科畢業(yè)設計指導質(zhì)量的評價方法，收集他們在畢業(yè)設計前各門必修課中所取得的百分制成績；利用每門課程中所有學生的平均成績與成績標準差對該門課程的成績進行歸一化處理，獲得相對成績；獲取每名學生在各門課程中的相對成績的平均成績與成績標準差；利用畢業(yè)設計中所有學生的平均成績與成績標準差對畢業(yè)設計成績進行歸一化處理，獲得畢業(yè)設計相對成績；將每名學生的畢業(yè)設計相對成績與該生在必修課中取得的平均相對成績與相對成績標準差進行比較，得到本科畢業(yè)設計指導質(zhì)量的評價指標。cn109045664b公開了一種基于深度學習的跳水打分方法、服務器及系統(tǒng)，利用已知跳水視頻數(shù)據(jù)集及相應跳水分數(shù)值集，訓練跳水打分模型；將跳水視頻輸入至訓練完成的跳水打分模型中，輸出跳水分數(shù)值；其避免了跳水分數(shù)值的人工干擾，提高了跳水分數(shù)值的準確性。cn110298038a一種文本打分方法及裝置，方法包括：對待打分文本進行分詞處理，得到待打分文本的分詞；確定分詞的詞義向量和詞性向量，得到由詞義向量和詞性向量組成的詞向量；將詞向量輸入至于預先經(jīng)過訓練的序列編碼器，得到序列編碼器的輸出，作為待打分文本的序列編碼向量；將詞向量輸入至預先經(jīng)過訓練的樹型編碼器，得到樹型編碼器的輸出，作為待打分文本的樹型編碼向量；融合待打分文本的序列編碼向量和樹型編碼向量，得到待打分文本的融合編碼向量；基于融合編碼向量，確定待打分文本為指定類型的文本的可信程度，作為待打分文本的得分?？梢蕴岣叩梅值臏蚀_率。cn110069785a公開了一種基于組件約定的論文規(guī)范控制與分析平臺及系統(tǒng)，依據(jù)院校和專業(yè)提供的對組件的樣式約定，將學生(撰寫人)的輸入數(shù)據(jù)轉換為帶有相關樣式的xml組件，并壓縮為文本文檔，同時對學生撰寫過程進行實時查重，并記錄歷史撰寫情況；解決了傳統(tǒng)手動編輯效率低、隨意性大、出錯率高的問題，基于歷史記錄的跟蹤和分析，能夠?qū)崟r掌握學生(撰寫人)在論文撰寫過程中的抄襲行為，有效控制學術不端的行為；基于深度學習的文本分析方法，能夠挖掘論文領域研究趨向和領域?qū)嶓w的潛在關系，并掌握論文工作總體推進進度。文獻cn110069768a提供一種基于篇章結構的英語議論文自動評分方法，所述方法包括，篇章成分自動識別模塊和篇章結構自動評分模塊；綜合考慮篇章成分識別結果和段落間的全局結構特征對評分任務的影響，最大程度上提升對議論文體裁作文的篇章結構評分效果。針對當前缺少完整的議論文結構體系的現(xiàn)狀，文獻cn112214988a公開了一種基于深度學習和規(guī)則結合的議論文結構分析方法，可以自動對議論文結構進行分析，無需人工處理，加快了議論文結構分析的速度，節(jié)省了人力成本。文獻cn108595407a公開了一種基于議論文篇章結構的評價方法及裝置，通過待評價議論文的段落類型和句子類型獲取待評價議論文的多個語篇要素；通過多個語篇要素構建文章篇章結構的序列式特征、平面式特征或?qū)哟问教卣?；根?jù)文章篇章結構的序列式特征、平面式特征或?qū)哟问教卣魍ㄟ^預設的序列式特征模型、平面式特征模型或?qū)哟问教卣髂Ｐ偷玫酱u價議論文的評價結果。在博士生教育培養(yǎng)過程中，學位論文是博士生科研能力、創(chuàng)新能力、掌握和運用知識能力以及書面表達能力的綜合表現(xiàn)，其質(zhì)量不僅反映了博士學位申請人的科研能力和學術水平，同時在一定程度上反映了培養(yǎng)單位研究生教育的水平，為尋找一種能夠定量、系統(tǒng)地分析博士生學位論文質(zhì)量的影響因素的方法，對博士生培養(yǎng)質(zhì)量提供建議。文獻cn111027868a公開了一種基于結構方程模型的學位論文質(zhì)量影響因素評價方法，采集完成學位論文的作者數(shù)據(jù)，計算初始變量，利用結構方程模型計算模型擬合度指標，對結構方程模型進行迭代修正，得到各變量對學位論文質(zhì)量的評價結果。4、cn110287319b發(fā)明了一種基于情感分析技術的學生評教文本分析方法，對學生評教文本進行分析處理，能夠解決建議性意見語句分類錯誤的缺陷。2021年7月《西安航空學院學報》第39卷第4期刊登“基于科學知識圖譜的本科畢業(yè)論文質(zhì)量評價研究熱點及趨勢分析”，以2000—2020年間中國知網(wǎng)收錄的本科畢業(yè)論文質(zhì)量評價相關文獻為樣本，運用知識圖譜及文獻計量方法，梳理了國內(nèi)學者本科畢業(yè)論文質(zhì)量評價研究現(xiàn)狀，時間脈絡上分為兩個階段：2005年以前發(fā)文量較少，相關研究主要是作者的工作或者管理經(jīng)驗的總結；2005年以后發(fā)文量增長迅速，研究深度和寬度相應拓展。首先，學者們借助于統(tǒng)計學、系統(tǒng)工程甚至計算機科學等多種學科方法進行研究，ahp(層次分析法)、模糊綜合評價、德爾菲法是出現(xiàn)頻率較高的一類關鍵詞；其次是評價應用涵蓋領域的拓展，越來越多的學者結合自己教學或者管理的學科和專業(yè)的特點有針對性地篩選、選取評價指標，構建更加適合的、有針對性的評價指標體系，在此基礎上選取成熟的評價方法，并進一步的評判。未來幾年，在研究深度方面學者們會更關注于本科畢業(yè)論文質(zhì)量評價指標的量化和細分，讓質(zhì)量評價的方法和結論更加科學合理，適用性和可操作性更強。同時計算機科學和拓撲結構的相關理論知識也會更加深入地融入本科畢業(yè)論文質(zhì)量評價的相關研究中。另一方面，在研究廣度方面，結合十四個五年規(guī)劃，建設高質(zhì)量教育體系，規(guī)范本科畢業(yè)論文質(zhì)量評價方法，是未來幾年本科畢業(yè)論文質(zhì)量評價相關研究的總體研究方向和趨勢。5、學位論文查重，例如，中國知網(wǎng)有系列產(chǎn)品包括中國知網(wǎng)大學生論文檢測系統(tǒng)、研究生學位論文學術不端行為檢測系統(tǒng)、中國知網(wǎng)大學生畢業(yè)設計(論文)管理系統(tǒng)等。上級相關部門抽查、高校職能部門管理學位論文的查重檢測多是參考這些第三方供應商如萬方的檢索查重服務為主。2019年6月《高等財經(jīng)教育研究》發(fā)表“查重率、指導教師與本科畢業(yè)論文質(zhì)量”一文，指出：實施重復率檢測機制之后，學生的主要精力就放在為降低重復率、為通過重復率檢測而修改上，把原本精煉的語言變得啰嗦，把原本通順的語句變得不通，這樣的修改，即毫無意義又浪費了學生和老師的精力。近年來各高校雖然紛紛采取了本科生導師制、撰寫學年論文等措施，然而實施效果不盡如人意。2019年9月《計算機應用研究》第9期刊登“一種綜合性論文查重評估方法”，針對互聯(lián)網(wǎng)的查重系統(tǒng)過程過于極端的狀況，提出一種新型綜合性方法，使用此方法檢測出異常，再要求進行人工檢測；其目標是要減少誤判，使原本不是抄襲卻被判定為抄襲的論文得到申請審核的機會；當同一篇論文在不同的查重網(wǎng)站中檢測出的重復率相差較大時，可以采用論文新型綜合性查重方法，在判定論文最后的重復結果中加入人為判斷的權重，降低論文重復率被網(wǎng)站所控制的因素，使得查重結果不完全被網(wǎng)站或人工控制，這種網(wǎng)站/人工的雙重混合式檢測彌補了網(wǎng)站資源庫問題對查重結果產(chǎn)生的影響，提升了論文查重結果的準確性和可信度。2020年《天津師范大學學報(社會科學版)》第2期刊登“大學急需應對查重伴生副作用的知識誠信檢測方法”，指出：查重所針對的抄襲——不誠信的知識行為沒有被消除，反而增添了與大學立德樹人之根本目的相違的副作用。近年來，在互聯(lián)網(wǎng)加持下學生的信息應用能力明顯提高，獲取資源的能力顯著增強，高校對畢業(yè)設計論文的管理制度日趨規(guī)范和多樣如自查、他檢等，但學位論文并沒有表現(xiàn)出對應的進步趨勢，反而邏輯紊亂、文字蒼白、內(nèi)容空洞等諸多問題漸增，編湊數(shù)據(jù)資料、編湊分析討論、編湊引證文獻等明顯。6、學位論文的撰寫絕對是一個艱難的、塑造個性的過程。近年來，人工智能技術的快速發(fā)展給學術界帶來了顛覆性的影響。以chatgpt(文生文)、midjourney(文生圖)、sora(文生視頻)和suno(文生音樂)等為代表的ai工具，因其在處理復雜文本和視覺信息方面展現(xiàn)出的卓越能力而備受關注，不僅能更高效準確地執(zhí)行翻譯和校對等任務，還能高效便捷地開展內(nèi)容創(chuàng)作，生成高質(zhì)量的文章、新聞報道甚至小說。這些技術改變了信息和知識的生產(chǎn)方式，已成為社會變革的重要引擎，重塑了人類和技術的交互模式。人工智能技術與學位論文相遇，將會為學生和教師帶來深遠的影響，更好地理解和滿足師生雙方的教學需求，釋放雙方更多的時間和精力去專注于創(chuàng)新性的研究。2022年11月30日發(fā)布的《教師數(shù)字素養(yǎng)》(jy/t0646—2022)，將數(shù)字化應用列入到教師數(shù)字素養(yǎng)框架五個一級維度要求之一，其中，數(shù)字化應用又細分四個二級緯度：數(shù)字化教學設計、數(shù)字化教學實施、數(shù)字化學業(yè)評價、數(shù)字化協(xié)同育人。具體地，數(shù)字化教學實施進一步要求：利用數(shù)字技術資源開展個別化指導，能夠利用數(shù)字技術資源發(fā)現(xiàn)學生學習差異，開展針對性指導；數(shù)字化學業(yè)評價進一步要求：①選擇和運用評價數(shù)據(jù)采集工具，能夠合理選擇并運用數(shù)字工具采集多模態(tài)學業(yè)評價數(shù)據(jù)；②應用數(shù)據(jù)分析模型進行學業(yè)數(shù)據(jù)分析，能夠選擇與應用合適的數(shù)據(jù)分析模型開展學業(yè)數(shù)據(jù)分析；③實現(xiàn)學業(yè)數(shù)據(jù)可視化與解釋，能夠借助數(shù)字工具可視化呈現(xiàn)學業(yè)數(shù)據(jù)分析結果并進行合理解釋。7、在研究深度方面，學者們會更關注于本科畢業(yè)論文質(zhì)量評價指標的量化和細分，以使質(zhì)量評價的方法和結論更加科學合理，從而增強其適用性和可操作性。同時計算機科學和拓撲結構的相關理論知識將更加深入融入本科畢業(yè)論文質(zhì)量評價的研究中。另一方面，在研究廣度方面，構建高質(zhì)量教育體系，規(guī)范本科畢業(yè)論文質(zhì)量評價方法，是未來幾年本科畢業(yè)論文質(zhì)量評價相關研究的總體研究方向和趨勢。8、學位論文的內(nèi)在價值，體現(xiàn)在邏輯結構的嚴謹性、信息傳遞的效率以及內(nèi)容的廣度與深度。能否為師生提供一個高效的學位論文結構分析助手，通過其數(shù)字特征(如文字總數(shù)及其分布、引文與圖表數(shù)量及分布、段落結構等)及其內(nèi)隱特征因子對學位論文進行結構分析和評分，是當前面臨的問題。9、因此，提出一種學位論文的結構分析與評分方法，來解決現(xiàn)有技術存在的困難，是本領域技術人員亟須解決的問題。技術實現(xiàn)思路1、有鑒于此，本發(fā)明提供了一種學位論文的結構分析與評分方法，可以通過對學位論文進行機器學習與分析，進而建立學位論文的結構分析與評估模型，從而實現(xiàn)對學位論文的結構分析和評估，促進提高學位論文的結構質(zhì)量。2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案：3、一種學位論文的結構分析與評分方法，包括以下步驟：4、s1、收集已完成學位授權的學位論文；5、s2、獲取所收集學位論文的屬性數(shù)據(jù)和衍生數(shù)據(jù)，構成數(shù)據(jù)集a；6、s3、對數(shù)據(jù)集a進行查缺和特征縮放處理，構建數(shù)據(jù)訓練集b；7、s4、對數(shù)據(jù)訓練集b進行多元線性回歸建模，獲得學位論文結構分析與評分模型m；8、s5、獲取待測學位論文的屬性數(shù)據(jù)和衍生數(shù)據(jù)，構成待測數(shù)據(jù)集c；9、s6、對待測數(shù)據(jù)集c查缺和特征縮放處理，構建待測評估數(shù)據(jù)集d；10、s7、應用學位論文結構分析與評分模型m對待測評估數(shù)據(jù)集d進行計算，獲得待測學位論文結構評分、給出各結構的合理化建議。11、上述的方法，可選的，存在一個學位論文數(shù)據(jù)表table_dissertation，由字段id、字段學位論文類型、字段入學時間、字段完成時間、字段學位授予單位、字段專業(yè)領域、字段作者信息、字段指導老師、字段中文摘要字數(shù)、字段英文摘要字數(shù)、字段章節(jié)數(shù)、字段字數(shù)及分布、字段參考文獻及分布、字段圖及分布、字段表及分布、字段致謝、字段論文等級、字段第三方評分、字段中文摘要評分、字段英文摘要評分、字段致謝評分、字段參考文獻引用合理性評分、字段圖的評分組成；12、學位論文的屬性數(shù)據(jù)對應保存在學位論文數(shù)據(jù)表table_dissertation中的字段學位論文類型、字段入學時間、字段完成時間、字段學位授予單位、字段專業(yè)領域、字段作者信息、字段指導老師、字段中文摘要字數(shù)、字段英文摘要字數(shù)、字段章節(jié)數(shù)、字段字數(shù)及分布、字段參考文獻及分布、字段圖及分布、字段表及分布、字段致謝、字段論文等級、字段第三方評分；13、學位論文的衍生數(shù)據(jù)對應保存在學位論文數(shù)據(jù)表table_dissertation中的字段中文摘要評分、字段英文摘要評分、字段致謝評分、字段參考文獻引用合理性評分、字段圖的評分；14、所述的字段字數(shù)及分布、字段參考文獻及分布、字段圖及分布、字段表及分布，是由數(shù)字、符號艾特(@)、符號點號(.)三種組成字符串，具體格式是：數(shù)字1@數(shù)字2.數(shù)字3.數(shù)字4，其中數(shù)字1表示字數(shù)/參考文獻/圖/表的數(shù)量，@表示位置，數(shù)字2表示一級標題(章)，數(shù)字3表示二級標題(節(jié))，數(shù)字4表示三級標題(條)，多個字符串通過符號逗號(,)分隔。15、上述的方法，可選的，s2中，獲取所收集學位論文的屬性數(shù)據(jù)和衍生數(shù)據(jù)，構成數(shù)據(jù)集a，其中，16、所收集學位論文的屬性數(shù)據(jù)包括：學位論文類型、入學時間、完成時間、學位授予單位、專業(yè)領域、作者信息、指導老師、中文摘要字數(shù)、英文摘要字數(shù)、章節(jié)數(shù)、字數(shù)及分布、參考文獻及分布、圖及分布、表及分布、致謝、論文等級、第三方評分；17、所收集學位論文衍生數(shù)據(jù)包括：中文摘要評分、英文摘要評分、致謝評分、參考文獻引用合理性評分、圖的評分；18、所收集學位論文的屬性數(shù)據(jù)和衍生數(shù)據(jù)構成學位論文數(shù)據(jù)集a。19、上述的方法，可選的，獲取所收集學位論文衍生數(shù)據(jù)，具體為，分別對所收集學位論文的中文摘要、英文摘要、致謝、參考文獻進行算法分析，對所收集學位論文中的每幅圖進行算法分析獲得評分并經(jīng)綜合得分，得到學位論文衍生數(shù)據(jù)。20、上述的方法，可選的，中文摘要評分和英文摘要評分是分別對所收集學位論文的中文摘要和英文摘要采用算法進行文本分析獲得的評分，算法包括：支持向量機、樸素貝葉斯、k-means聚類和神經(jīng)網(wǎng)絡；21、致謝評分是對所收集學位論文的致謝采用算法進行文本分析獲得的評分，算法采用：python第三方庫snownlp；22、參考文獻引用合理性評分是通過應用文本分析算法逐一對所收集學位論文的參考文獻引用情況進行評分，并將各評分累積求和后計算的平均值，其中，文本分析算法包括：文本相似度算法、語義分析算法、圖算法；23、圖的評分是通過應用圖像分析算法逐一對所收集學位論文的每幅圖進行評分，并將各評分累積求和后計算的平均值，其中圖像分析算法包括圖像質(zhì)量分析、圖像內(nèi)容理解、圖像相關性分析。24、經(jīng)由上述的技術方案可知，與現(xiàn)有技術相比，本發(fā)明提供了一種學位論文的結構分析與評分方法，具有以下有益效果：1)應用多種算法和技術對學位論文的結構進行多維度分析，包括文本、圖像、參考文獻等，具有全面性與系統(tǒng)性；2)根據(jù)分析結果對論文結構提供精準反饋，幫助作者識別和改進論文的不足之處，從而提升論文結構的質(zhì)量；3)采用自動化分析算法，顯著減少人工評分的主觀偏差，確保評分結果的客觀性與一致性；4)大幅提升工作效率，尤其是在處理大量學位論文時，顯著減少人工審閱的時間和勞動強度；5)本方法具有良好的擴展性，可根據(jù)不同學科領域的需求進行調(diào)整，適用于各類學位論文的質(zhì)量評估；6)本發(fā)明不僅顯著提升了學位論文評審的科學性和效率，還為學術研究的規(guī)范化與質(zhì)量提升提供了有力支持。。當前第1頁12當前第1頁12