基于BERT模型的学位论文指导错位检测方法研究--以计算机类为例.pdfVIP

摘要

随着我国研究生规模快速增长和毕业研究生数量不断攀升，研究生培养质量面临

学术与专业学位界限模糊、论文指导错位等问题。为此，教育部出台分类发展政策强

调了应明确两类学位的分类培养，避免培养人才时出现错配问题。研究生学位论文作

为衡量研究生教育质量的重要标尺，本文研究提出采用BERT等自然语言处理技术，

通过分析学位论文标题、摘要和关键词等文本特征建立自动分类模型，有效识别学术

型与专业型学位论文的深层语义差异，为质量监测和分类培养提供技术支撑，助力构

建高质量研究生教育体系。

针对现有学位论文指导错位检测方法依赖人工评估效率低下、主观性强的问题，

本文以计算机类学位论文为研究对象，提出一种基于BERT模型的智能化检测方法。

首先通过爬虫技术获取学位论文与核心期刊论文数据，经文本预处理后，使用BERT

对标题、摘要和关键词进行语义向量化表示，再构建分类模型，并结合多维度优化策

略提升检测性能。主要优化策略包括：（1）基于核心期刊数据继续预训练BERT模

型，构建领域适配的BERT-Academic模型；（2）通过检索K篇与学位论文相似的核

心期刊论文，对学位论文进行特征增强；（3）提出人工赋权与自注意力机制结合的

特征加权融合方法，优化标题、摘要与关键词的权重分配；（4）引入时间感知的关

键词编码机制，结合核心期刊关键词频率分布与年份信息优化关键词语义表征。

实验结果表明，经优化的模型在学术学位与专业学位论文指导错位检测任务中的

准确率分别为89.50%和80.16%。其中，根据本研究的学位论文和核心期刊数据，特

征加权融合的最优权重配置为标题、摘要与关键词权重比0.361:0.436:0.203，检索相

似核心期刊论文数量K=10，BERT-Academic模型和时间感知编码也略微提升了模型

效果。本研究为智能化识别论文指导错位问题提供了可解释性较强、准确率较高的新

方法，对学位论文质量评估具有实践参考价值。

同时在实验过程中也发现了一些不足之处，未来打算在以下方向对模型进行优化

和改进：探索BERT与CNN、BiLSTM、BiGRU等模型的混合架构；通过扩充多源

学术文本数据并引入数据增强技术，优化模型的泛化能力；从当前的二分类延伸至三

分类，加入检测学术研究和专业应用相结合的学位论文，以适应高等教育培养模式的

多样化需求。

关键词：BERT模型；学位论文指导错位；文本分类；特征融合

Abstract

WiththerapidgrowthinthescaleofChinaspostgraduatestudentsandtherisingnumber

ofgraduatedpostgraduates,thequalityofpostgraduatetrainingisfacingproblemssuchasthe

blurringoftheboundariesbetweenacademicandprofessionaldegreesandthemisalignmentof

thesisguidance.Forthisreason,theMinistryofEducationhasissuedaclassification

developmentpolicyemphasizingthatthecategorizationofthetwotypesofdegreesshouldbe

clarifiedtoavoidmismatchproblemsincultivatingtalents.Asanimportantyardstickto

measurethequalityofgraduateeducation,thisdissertationproposestousenaturallanguage

processingtechnologysuchasBERTtoestablishautomaticclassificationmodelsbyanalyzing

textfeaturess