CN119494515A 一种审稿任务的分配方法及系统 （《中国医药科学》杂志社有限公司）

本申请提供一种审稿任务的分配方法及系技术方案能够根据预测的审稿人员针对目标审稿任务的审稿能力和响应速度计算对应的审稿2基于所述审稿人员的历史审稿记录和当前可支配时间，通过数据选取所述审稿适宜性指数达到预定条件的审稿人员组建审稿小组，并通过的审稿时间提供针对所述目标审稿任务的审稿意见；使用集成学习策略来融合所述审稿小组对应的多个审稿人所述基于所述审稿人员的历史审稿记录和当前可支配时间，通过数根据所述审稿人员历史审稿记录中的审稿时间数据以及当前可支基于所述审稿人员历史审稿记录中的质量评估数据，预测所述将所述审稿响应速度以及所述审稿能力作为;Ti是所述审稿人员历史审稿记录中的审稿时间数据；A,是所述审稿人员的当前可支配时间；表示在给定的历史审稿时间数据Ti和当前可支配时间A,的条件下，根据后验分布Ti对实际完成时间t的期望值；Ti是根据历史审稿时间和当前即审稿响应速度的预测值；分子Ji-Ai是审稿时间和当前可支配时间的联合影响；分母;3表示找到一组最优参数,使得所有训练样本的实际审稿能力评分与模型预测值ft:o)之间的平方差之和最小。根据所述审稿人员历史审稿记录中的审稿时间数据，构建贝叶斯利用贝叶斯更新规则，根据获取的所述审稿基于所述后验分布，结合所述审稿人员的当前可支配时间，估计采集所述审稿人员历史审稿记录中的质量评估数据，包括所述审稿训练随机森林模型，使用所述训练数据集中的特征向量使用训练好的随机森林模型输出所述审稿人员针对所述目标审稿任务的审稿能力评运用深度神经网络对获取的所述审稿人员的行为模式进行建模，根据所述审稿人员的当前可支配时间，运用时间序列分析算法，预测所4;子，基于所述审稿人员的特征向量以及针对历史审稿任务的审稿能力评分综合确定的分审稿人员针对目标审稿任务的审稿能力评分；c是与,相关的指数因子，采用根号，员在未来一段时间内存在的与其他审核任务的时间冲突数量，是一个负向指标；是与将所述核心要素转化为结构化数据格式，并将所述结构化数据基于所述审稿人员的专业领域匹配度、过往审稿经验和审稿质量根据所述审稿人员的审稿适宜性指数，设定预定阈值，筛选出高利用智能时间管理算法分析所述候选审稿小组名单中每位审稿人员的当前工作负载基于每位审稿人员的当前工作负载和当前可支配时间，结合每位5审稿人员在指定时段内可以专注于所述目标审稿任务的审稿任务，以提高审稿效率和质收集所述审稿小组中每位审稿人员提供的审稿意见，采用集成学习框架，将所述标准化的审稿评分输入到集成模型中，所基于多个所述基础模型的评估结果，通过加权投票或平均策略确定最终的审稿结论，;筛选模块，用于在预先构建的审稿人员数据库中，筛选预测模块，用于基于所述审稿人员的历史审稿记录和当前可支配时处理模块，用于选取所述审稿适宜性指数达到预定条件的审稿人员审稿人员在对应的审稿时间提供针对所述目标审稿任务的审稿生成模块，用于使用集成学习策略来融合所述审稿小组对应的6件的主题和审稿人员的专业领域手动选择合对应的审稿时间提供针对所述目标审稿任务的审稿述审稿人员针对所述目标审稿任务的审稿响将所述审稿响应速度以及所述审稿能力作为7;的当前可支配时间；表示在给定的历史审稿时间数据Ti和当前可支配时间A,的条件下，根据后验分布Ti对实际完成时间t的期望值；Ti是根据历史审稿时间和当前可支配时间计算的后验分布；是所述审稿人员针对所述目标审稿任务的预期完成分母是对所有可能的审稿时间乘以其对应的当前可支配时间后积分的;其中，是所述审稿人员的特征向量；f(;:e)是ci是所述审稿人员针对所述目标审稿任务的审稿能力评分；表示找到一组最优参数,使得所有训练样本的实际审稿能/t:e)之间的平方差之和最小。采集所述审稿人员历史审稿记录中的质量评估数据，包括所述审稿意见的采纳8使用训练好的随机森林模型输出所述审稿人员针对所述目标审稿任务的审稿能根据所述预测结果以及所述可用时间段，计算出所述审稿人员的审稿适宜性指;,用于调整审稿能力评分的影响程度；A;表示预测审稿人员针对目标审稿任务的可用时间9[0013]可选地，所述选取所述审稿适宜性指数达到预定条件的利用智能时间管理算法分析所述候选审稿小组名单中每位审稿人员的当前工作;处理模块，用于选取所述审稿适宜性指数达到预定条件的审稿人员组建审稿小使每位审稿人员在对应的审稿时间提供针对所述目标审稿任务的[0024]102、在预先构建的审稿人员数据库中，筛选出与所述研究主题相匹配的审稿人[0035]首先利用自然语言处理技术自动从目标审稿任务文档中识别出能够代表该研究的所有审稿人资料进行对比，找到那些在其专业领域内覆盖了当前研究所需知识的人选。审稿适宜性指数=0.5*0.3+85*0.7=0.15+;Ti是所述审稿人员历史审稿记录中的审稿时间数据；A,是所述审稿人员的当前可支配时间；Er,IeIT,eAJ表示在给定的历史审稿时间数据Ti和当前可支配时间A,的条件下，根据后验分布Ti对实际完成时间t的期望值；Ti是根据历史审稿时间和母是对所有可能的审稿时间乘以其对应的当前可支配时间A,后积分的结果；审稿时间数据(r):审稿人在过去完成类似审稿任务所花费的时间记录。审稿能力得出一个综合评价指标。[0070]本申请实施例中，假设一位审稿人C在过去完成了50篇关于机器学习领域的论文Uo=8[0072]通过引入贝叶斯统计模型并持续更新，可以动态调整对超过了所需时间，但这也表明审稿人D在这段时间内有足够的缓冲空间来应对可能的延误[0081]可以定义一个简单的审稿适宜性指数公式如下：适宜性指数=预测可用时间所需员在对应的审稿时间提供针对所述目标审稿[0093]首先根据审稿适宜性指数设定一个阈值，筛选出高于此阈值的审稿人员作为备[0106]为了保证审稿质量和效率，可能优先考虑那些能够连续投入更多时间的审稿[0110]本申请实施例中，应用自然语言处理技术解析各个审稿报告中的正面与负面反[0119]首先从每位审稿人处获取审稿意见，并将其转换成一个统一标准下的评分形评分=(8.0×0.3)+(7.5×0.25)+(8.8×0.45)最终评分=(8.0×0.3)+(7.5×0.25)+(8.8×0.45)最终评分=2.4+1.875+3.96最终评分=2.4+1.875+3.96最终评分=8.;[0126]首先从每位审稿人处获取审稿意见，并将其转换成一个统一标准下的评分形式。[0128]接下来，将这些评分输入到一个集成学习框架中，;假设基础模型分别对标准化后的审稿评分进行了如下评估：SVM对评分的评估结;实施例提出了一种基于随机森林模型的方法来预测审稿人员针对目标审稿任务的审稿能;ci是所述审稿人员针对所述目标审稿任务的审稿能力评分；表示找到一组最优参数,使得所有训练样本的实际审稿能力评分与模型预测值ft:o)之间的平方差之和最小。历史审稿记录中的数据集，通过最小化实际评分与预测评分之间的平方差之和来训练模[0134]假设有一个包含100位审稿人的历史审稿记录数据集，每条记录包括以下几个特样本1:[1,20,9.0,7,8.5]_>8.8样本2:[2,15,8.5,5,7.0]_>7.5样本100:[3,30,9.5,6,9.0]_>9.2[0135]现在需要预测一位新的审稿人A针对某篇论文的审稿能力。审稿人A的特征向量;,用于调整审稿能力评分的影响程度；A;表示预测审稿人员针对目标审稿任务的可用时间[0166]可用时间段评估值(a)：通过时间序列分析等方法得出的审稿人在未来一段时并对其进行清洗和格式化处理。其次根据每个审稿人的具体情况设定相应的权重因子人。系统首先识别出5位具备相关专业知识背景的专家作为备选对象。对于其中一位专家综合权重因子W_1=0.8，预测审稿响应时间T_1;;使每位审稿人员在对应的审稿时间提供针对所述目标审稿任务的[0173]图2所述的一种审稿任务的分配系统可以执行图1所示实施例所述的一种审稿任[0174]在一个可能的设计中，图2所示实施例的一种审稿任务的分配系统可以实现为计出与研究主题相匹配的审稿人员；预测审稿人