基于遗传支持向量机的期刊评价方法.pdf

经验交流 exchange experience 基于遗传支持向量机的期刊评价方法 文/沈阳工业大学信息工程学院 阎伸 【摘要】期刊评价是文献计量学研究的重要组成部分。期刊评价可以归结为多属性决策问题，而评价指标（属性） 权重值与方案（期刊）综合评价值计算模型的选取影响到评价结果的科学性与合理性。通常，评价指标权重值与方案综 合评价值计算模型的选取往往由决策者主观确定。为了实现完全基于期刊指标数据来确定其综合评价值的目的，本文提 出了基于遗传支持向量机的算法。该算法中，采用遗传算法来优化支持向量机模型的参数，通过支持向量机来实现方案 综合评价值的拟合模型进而得到各期刊的综合评价值与其排序或等级分类。 【关键词】期刊评价；多属性决策；支持向量机；遗传算法 期刊评价可以归结为多属性决策问题，即参考多个指标 该模型也叫作（Support Vector Regression）模型。 （或称属性）来评价期刊的质量。期刊等级分类是依据期刊 对于核函数的选择缺少指导性的原则，往往需要具体问题 的综合评价值来进行划分的。常见的期刊综合评价方法有主 具体分析，但通常情况下，径向基核函数（RBF） 成分分析法、因子分析法、灰色关联度方法等。 为首选。 期刊质量的等级分类往往需要计算期刊的综合评价值，而 在模型（1）的求解过程中，有三个参数需要给出，即 且通常需要确定属性的权重值与综合评价值的函数形式。然而 ε-SVR的惩罚因子C、精度ε和RBF核函数里参数γ的值。传 在实际的期刊质量综合评价值的计算过程中往往由决策者主观 统的参数选取方法，大多都依据经验采取试凑的方法，不仅耗 给出属性的权重值并选取综合评价值的函数形式与计算方法。 时而且得不到满意的结果。本文结合遗传算法，对上述三个参 支持向量机(Support Vector Machine，SVM)是一种基于统计 数进行寻优。这里，要用到判断模型拟合效果的指标：均方根 学习理论的模式识别方法。支持向量机在解决小样本、非线性 误差(mean square error,MSE)， 及高维模式识别问题方面具有特有的优势。 基于支持向量机的非线性系统建模不须要事先对函数关系 进行任何假设，通过其机器学习的过程达到对问题真实模型的 逼近。由于基于期刊的信息来构建期刊的评价模型过程通常很 (2) 复杂而且往往存在人为的因素，本文利用支持向量机的诸多优 通常，MSE的值越接近0拟合的效果越好。 点进行非线性拟合，给出评价模型，从而利用该模型对期刊进 二、 基于遗传支持向量机的期刊评价方法 行评价排序与等级划分。 本文提出的基于遗传支持向量机的期刊评价方法的具体思 一、 支持向量机的基础理论 路是：首先采用遗传算法来确定支持向量机的参数，然后采用 本文在研究中，把期刊客观指标数据表示为样本， 支持向量机进行方案综合评价值的计算。 ，。。。。。。。。。。。 ，其中表示x 输入的特征，y表 （一）基于遗传算法的支持向量机的参数确定为了确定在 示该特征所对应的回归值。对于给