典型文献
基于随机森林和支持向量机模型的期刊评价
文献摘要：
学术研究的质量评价离不开学术期刊评价,学术期刊评价体系的公平与学术公平息息相关,因而加强对学术期刊的研究和评价是很有必要的.近年来,机器学习算法得到广泛应用,但之前未见学者将机器学习算法应用于期刊评价.应用机器学习算法中的随机森林和支持向量机模型做出期刊排名评价模型,进而推进期刊评价的发展是很有意义的尝试.以中国科技期刊引证报告中人文社会科学期刊为例,在应用非线性评价方法TOPSIS评价得出的排名基础之上建立随机森林和支持向量机模型,再对比2种模型的精准度.研究表明,随机森林期刊评价模型比支持向量机期刊评价模型准确度更高,其排名结果也与主观预期排名更接近.
文献关键词：
学术期刊;期刊评价;随机森林;支持向量机
中图分类号：
作者姓名：
温学兵;谢维;姚佳宜
作者机构：
沈阳师范大学 数学与系统科学学院,沈阳 110034;沈阳师范大学学报编辑部,沈阳 110034
文献出处：
引用格式：
[1]温学兵;谢维;姚佳宜-.基于随机森林和支持向量机模型的期刊评价)[J].沈阳师范大学学报（自然科学版）,2022(02):174-179
A类：
B类：
支持向量机模型,开学,学术期刊评价体系,平息,机器学习算法,算法应用,中国科技期刊,引证,人文社会科学,科学期刊,非线性评价方法,TOPSIS
AB值：
0.173919
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
