基于随机森林和支持向量机模型的期刊评价

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。