基于层次分析法的文献定级方法、装置、设备及介质

技术领域

本公开涉及数据分类技术领域，具体而言，涉及一种基于层次分析法的文献定级方法、装置、设备及介质。

背景技术

随着科学与技术的快速发展，数据释放出了巨大的价值，已经成为重要的资产，数据安全也成为了信息安全的核心。而对数据尤其是重要数据进行定级是管理和保护数据的基础，是实现数据安全这一目标所必须做的工作。

文献是数据的一种，目前，对于文献数据的定级大多通过人工的方式进行，而此方式不仅效率低下，而且还易出现错误。因此，如何对文献数据进行高效地定级是当前面临的重要问题。

发明内容

针对上述情况，本公开实施例提供了一种基于层次分析法的文献定级方法、装置、设备及介质，旨在解决上述问题或者至少部分地解决上述问题。

第一方面，本公开实施例提供了一种基于层次分析法的文献定级方法，所述方法包括：

针对至少一个文献类型，构建对应的文献定级层次结构模型，所述文献定级层次结构模型包括目标层、至少一个准则层，其中，所述目标层为确定文献的保密等级，所述至少一个准则层中的各要素所属的维度包括：文献重要性维度、政治敏感性维度、传播性维度；

针对各所述文献定级层次结构模型中任一目标模型，获得所述目标模型中每一个准则层相对于上一层的目标权重向量集合；

获取待定级文献在对应的目标文献定级层次结构模型的最低层中各指标下的指标值向量集合，并根据所述指标值向量集合、各所述目标权重向量集合，生成所述待定级文献的保密程度评分；

根据所述保密程度评分，判断所述待定级文献的保密等级。

第二方面，本公开实施例还提供了一种基于层次分析法的文献定级装置，所述装置包括：

模型构建模块，用于针对至少一个文献类型，构建对应的文献定级层次结构模型，所述文献定级层次结构模型包括目标层、至少一个准则层，其中，所述目标层为确定文献的保密等级，所述至少一个准则层中的各要素所属的维度包括：文献重要性维度、政治敏感性维度、传播性维度；

权重获取模块，用于针对各所述文献定级层次结构模型中任一目标模型，获得所述目标模型中每一个准则层相对于上一层的目标权重向量集合；

评分生成模块，用于获取待定级文献在对应的目标文献定级层次结构模型的最低层中各指标下的指标值向量集合，并根据所述指标值向量集合、各所述目标权重向量集合，生成所述待定级文献的保密程度评分；

文献定级模块，用于根据所述保密程度评分，判断所述待定级文献的保密等级。

第三方面，本公开实施例还提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，可执行指令在被执行时使处理器执行上述基于层次分析法的文献定级方法的步骤。

第四方面，本公开实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储一个或多个程序，一个或多个程序当被包括多个应用程序的电子设备执行时，使得电子设备执行上述基于层次分析法的文献定级方法的步骤。

借由上述技术方案，本公开实施例提供的基于层次分析法的文献定级方法、装置、设备及介质，通过基于文献数据的特点，构建文献定级层次结构模型，并对各准则层中的指标的权重进行设定，最后，利用待定级文献的指标值和各指标的权重，即可从数据重要性维度、政治敏感性维度、传播性维度三个维度对待定级文献的保密程度进行综合评定。与现有技术相比，本公开实施例所提供的技术方案无需人工对文献进行定级，而仅利用构建好的文献定级层次结构模型即可实现文献定级的自动化，降低了文献定级的人工参与度，从而大大提高了文献定级的效率和准确度，进而提高了文献数据的安全性、便于文献数据的管理、提高了文献数据的价值和利用率、明确了文献数据的使用范围。

上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1示出了本公开实施例提供的基于层次分析法的文献定级方法的流程示意图；

图2示出了本公开实施例提供的文献定级层次结构模型的结构示意图；

图3示出了本公开另一实施例提供的文献定级层次结构模型的结构示意图；

图4示出了本公开另一实施例提供的基于层次分析法的文献定级方法的流程示意图；

图5示出了本公开实施例提供的基于层次分析法的文献定级装置的结构示意图；

图6示出了本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚，下面将结合本公开具体实施例及相应的附图对本公开技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。

如前文介绍，随着科学与技术的快速发展，数据释放出了巨大的价值，已经成为重要的资产，数据安全也成为了信息安全的核心。而对数据尤其是重要数据进行定级是管理和保护数据的基础，是实现数据安全这一目标所必须做的工作。文献是数据的一种，目前，对于文献数据的定级大多通过人工的方式进行，而此方式不仅效率低下，而且还易出现错误。因此，如何对文献数据进行高效地定级是当前面临的重要问题。基于此，本发明提出了一种基于层次分析法的文献定级方法、装置、设备及介质，通过基于文献数据的特点，构建文献定级层次结构模型，并对各准则层中的指标的权重进行设定，最后，利用待定级文献的指标值和各指标的权重，即可从数据重要性维度、政治敏感性维度、传播性维度三个维度对待定级文献的保密程度进行综合评定。与现有技术相比，本公开实施例所提供的技术方案无需人工对文献进行定级，而仅利用构建好的文献定级层次结构模型即可实现文献定级的自动化，降低了文献定级的人工参与度，从而大大提高了文献定级的效率和准确度，进而提高了文献数据的安全性、便于文献数据的管理、提高了文献数据的价值和利用率、明确了文献数据的使用范围。下面通过具体的实施例对本公开进行详细的描述。

为便于对本实施例进行理解，首先对本公开实施例所公开的一种基于层次分析法的文献定级方法进行详细介绍，本公开实施例所提供的基于层次分析法的文献定级方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(UserEquipment，UE)、移动设备、用户终端、终端等。在一些可能的实现方式中，该基于层次分析法的文献定级方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

图1示出了本公开实施例提供的基于层次分析法的文献定级方法的流程示意图，从图1可以看出，本公开实施例至少包括步骤S101-步骤S104：

步骤S101：针对至少一个文献类型，构建对应的文献定级层次结构模型，所述文献定级层次结构模型包括目标层、至少一个准则层，其中，所述目标层为确定文献的保密等级，所述至少一个准则层中的各要素所属的维度包括：文献重要性维度、政治敏感性维度、传播性维度。

在本步骤中，文献类型包括但不限于：期刊论文、博硕士学位论文、会议论文、报纸、年鉴、工具书、图书、专题库、标准、专利、科技成果等。实施时，可以针对一种或多种文献类型，利用层次分析法构建对应的一个或多个文献定级层次结构模型。

图2示出了本公开实施例提供的文献定级层次结构模型的结构示意图，从图2可以看出，文献定级层次结构模型包括目标层、至少一个准则层(准则层1、准则层2、…、准则层Z)，其中，目标层为确定文献的保密等级，在准则层1中，包括指标11、指标12、指标13、……，针对指标11这一元素，在指标层2中包括指标21-1，……，指标21-M；针对指标12这一元素，在指标层2中包括指标22-1，……，指标22-N；针对指标13这一元素，在指标层2中包括指标23-1，……，指标23-O；……，其中，M、N、O为大于或等于1的自然数。准则层3、……、准则层Z的结构与准则层1、准则层2类似，在此不再赘述。

目标层为确定文献的保密等级，因此，在本实施例中，各准则层中的各要素所属的维度包括但不限于：文献重要性维度、政治敏感性维度、传播性维度等，实施时，各准则层中的各要素所属的维度还可以为时效性维度，对此，本公开实施例不作限定。

步骤S102：针对各所述文献定级层次结构模型中任一目标模型，获得所述目标模型中每一个准则层相对于上一层的目标权重向量集合。

在得到一个或多个文献定级层次结构模型之后，可以获取每个文献定级层次结构模型中每一个准则层相对于上一层的目标权重向量集合。其中，目标权重向量集合中包括一个或多个权重向量，每个权重向量用于指示本层准则层中受上一层同一元素所支配的至少一个元素，相对于上一层同一元素的重要程度。比如，元素1在下一层准则层中支配元素11、元素12，则元素11所在准则层相对于元素1所在准则层的一个权重向量为[w11，w12]，其中，w11为元素11相对于元素1的权重，w12为元素12相对于元素1的权重。

具体实施时，可以通过构造目标模型中每一个准则层相对于上一层的至少一个判断矩阵，并根据各判断矩阵进行层次单排序，得到目标模型中每一个准则层相对于上一层的目标权重向量集合。

步骤S103：获取待定级文献在对应的目标文献定级层次结构模型的最低层中各指标下的指标值向量集合，并根据所述指标值向量集合、各所述目标权重向量集合，生成所述待定级文献的保密程度评分。

在本步骤中，可以先根据待定级文献的文献类型，确定对应的目标文献定级层次结构模型，然后针对目标文献定级层次结构模型的最低层准则层中各指标，获取待定级文献在各指标下的指标值，从而得到指标值向量集合。然后，根据步骤S102中得到的目标权重向量集合，针对最低层准则层，进行层次总排序，求取最低层准则层中各指标相对于目标层的综合权重，得到综合权重向量集合，将指标值向量集合与综合权重向量集合对应元素相乘，并将得到的各相乘结果再相加，得到待定级文献的保密程度评分。

步骤S104：根据所述保密程度评分，判断所述待定级文献的保密等级。

在得到待定级文献的保密程度评分之后，可以依据该保密程度评分和预设划分标准，判断待定级文献的保密等级。比如，令F为待定级文献的保密程度评分，当0≤F＜0.2时，待定级文献的保密等级为一级；当0.2≤F＜0.4时，待定级文献的保密等级为二级；当0.4≤F＜0.6时，待定级文献的保密等级为三级；当0.6≤F＜0.85时，待定级文献的保密等级为四级；当0.85≤F＜0.95时，待定级文献的保密等级为五级；当0.95≤F≤1时，待定级文献的保密等级为六级。对于预设划分标准，本公开实施例不作限定，可以根据实际需要设置。还可以对各目标文献的定级结果进行可视化展示。

从图1所示的方法可以看出，本公开实施例针对至少一个文献类型，构建对应的文献定级层次结构模型，所述文献定级层次结构模型包括目标层、至少一个准则层，其中，所述目标层为确定文献的保密等级，所述至少一个准则层中的各要素所属的维度包括：文献重要性维度、政治敏感性维度、传播性维度；针对各所述文献定级层次结构模型中任一目标模型，获得所述目标模型中每一个准则层相对于上一层的目标权重向量集合；获取待定级文献在对应的目标文献定级层次结构模型的最低层中各指标下的指标值向量集合，并根据所述指标值向量集合、各所述目标权重向量集合，生成所述待定级文献的保密程度评分；根据所述保密程度评分，判断所述待定级文献的保密等级。

可以看到，本公开实施例通过基于文献数据的特点，构建文献定级层次结构模型，并对各准则层中的指标的权重进行设定，最后，利用待定级文献的指标值和各指标的权重，即可从数据重要性维度、政治敏感性维度、传播性维度三个维度对待定级文献的保密程度进行综合评定。与现有技术相比，本公开实施例所提供的技术方案无需人工对文献进行定级，而仅利用构建好的文献定级层次结构模型即可实现文献定级的自动化，降低了文献定级的人工参与度，从而大大提高了文献定级的效率和准确度，进而提高了文献数据的安全性、便于文献数据的管理、提高了文献数据的价值和利用率、明确了文献数据的使用范围。

进一步的，为了更好的说明上述基于层次分析法的文献定级方法的过程，作为对上述实施例的细化和扩展，本发明实施例提供了几种可选实施例，但不限于此，具体如下所示：

一种可能的实施方式中，所述至少一个准则层包括第一准则层和第二准则层，所述第一准则层支配所述第二准则层；所述第一准则层包括：文献重要度、政治敏感度、传播度；所述第二准则层包括：所述文献重要度对应的至少一个指标、所述政治敏感度对应的至少一个指标、所述传播度对应的至少一个指标。

在本实施例中，文献定级层次结构模型可以包括目标层、第一准则层和第二准则层，第一准则层支配第二准则层。第一准则层包括以下指标：文献重要度、政治敏感度、传播度，第二准则层包括：文献重要度对应的一个或多个指标、政治敏感度对应的一个或多个指标、传播度对应的一个或多个指标。

图3示出了本公开另一实施例提供的文献定级层次结构模型的结构示意图，从图3可以看出，在本公开实施例的一种可能的实施方式中，所述文献重要度对应的至少一个指标包括以下至少一项：文献基金重要度、行业重要度、一作所在机构、一作学术荣誉、一作研究领域H指数；所述政治敏感度对应的至少一个指标包括以下至少一项：敏感地区、敏感人物、敏感内容、领导人姓名书写错误；所述传播度对应的至少一个指标包括以下至少一项：年均被引量、年均下载量。

实施时，针对不同的文献类型，对应的文献定级层次结构模型中第二准则层中的指标不同，可以根据实际需要选定，对此本公开实施例不作限定。比如，针对期刊论文，对应的模型中传播度对应的指标还可以包括：期刊影响力指数CI、影响因子、是否属于北大核心期刊、是否属于SCI收录刊、是否属于EI收录刊等指标。

一种可能的实施方式中，步骤S102，即所述针对各所述文献定级层次结构模型中任一目标模型，获得所述目标模型中每一个准则层相对于上一层的目标权重向量集合，包括：

步骤S1021：针对所述目标模型中任一目标准则层，通过专家评价法，对所述目标准则层中各待处理指标集合中的指标进行评分，并根据得到的各指标的分数，生成所述目标准则层相对于所述目标准则层的上一层的评分权重向量集合，其中，所述待处理指标集合受所述目标准则层的上一层的同一个元素支配。

步骤S1022：构造所述目标准则层相对于所述目标准则层的上一层的判断矩阵集合，并基于所述判断矩阵集合，生成所述判断矩阵集合的层次权重向量集合。

步骤S1023：根据所述评分权重向量集合、所述层次权重向量集合，生成所述目标权重向量集合。

在本实施例可以利用pandas、Numpy等工具包实现目标模型中每一个准则层相对于上一层的高效获取。实施时，可以将目标模型中各准则层分别作为目标准则层，先对目标准则层中的指标进行分组，将受目标准则层的上一层同一个元素支配的指标分为一组，得到至少一个待处理指标集合，然后通过专家评价法，使得多个专家为目标准则层中的各待处理指标集合中的指标进行评分，并根据得到的各指标的分数，得到目标准则层相对于目标准则层的上一层的评分权重向量集合。具体的，一种可能的实施方式中，步骤S1021，即所述针对所述目标模型中任一目标准则层，通过专家评价法，对所述目标准则层中各待处理指标集合中的指标进行评分，并根据得到的各指标的分数，生成所述目标准则层相对于所述目标准则层的上一层的评分权重向量集合，包括：

步骤S1021-1：针对所述各待处理指标集合中任一第一目标待处理指标集合，对于所述第一目标待处理指标集合中任一目标指标，获取所述目标指标的预设数目个评分结果。

步骤S1021-2：根据各所述评分结果和所述预设数目，生成所述目标指标的平均分。

步骤S1021-3：根据各所述目标指标的平均分和预设总分，得到所述第一目标待处理指标集合对应的目标评分权重向量；各所述目标评分权重向量构成所述评分权重向量集合。

在本实施例中，针对任一第一目标待处理指标集合中任一目标指标，可以邀请预设数目个专家为该目标指标进行打分，得到预设数目个评分结果。其中，预设数目可以根据实际需要设置，对此，本公开实施例不作限定，比如，预设数目为4。然后，可以用各评分结果的和除以专家个数，即预设数目，得到预设数目个评分结果的平均分。若专家打分的分制标准为10分制，则预设总分为10，可以用该平均分除以10，得到第一目标待处理指标集合对应的目标评分权重向量。以此类推，得到其他第一目标待处理指标集合对应的目标评分权重向量，从而得到目标准则层相对于上一层的评分权重向量集合。

再可以构造目标准则层相对于目标准则层的上一层的判断矩阵集合，其中，判断矩阵集合中判断矩阵的个数为目标准则层的上一层中元素的个数。具体的，一种可能的实施方式中，所述构造所述目标准则层相对于所述目标准则层的上一层的判断矩阵集合，包括：

步骤A1：针对所述各待处理指标集合中任一第二目标待处理指标集合，对所述第二目标待处理指标集合中的元素进行两两比较，并根据预设的重要程度标度方法，确定各所述两两比较的量化值。

步骤A2：基于各所述两两比较的量化值，形成所述第二目标待处理指标集合对应的判断矩阵；各所述第二目标待处理指标集合对应的判断矩阵，构成所述判断矩阵集合。

具体的，预设的重要程度标度方法可以为1-9标度方法。下表1为1-9标度方法表。实施时，针对目标准则层中任一第二目标待处理指标集合，可以邀请行业内专家对该第二目标待处理指标集合中的元素的相对重要程度进行两两比较，并根据1-9标度法表，确定各两两比较的量化值，各量化值构成第二目标待处理指标集合对应的判断矩阵。以此类推，可以得到各第二目标待处理指标集合对应的判断矩阵，各判断矩阵构成判断矩阵集合。其中，第二目标待处理指标集合对应的判断矩阵可以用下述公式(1)表示：

其中，G为第二目标待处理指标集合对应的判断矩阵，a

表11-9标度方法表

再基于判断矩阵集合，生成判断矩阵集合的层次权重向量集合。具体的，一种可能的实施方式中，所述基于所述判断矩阵集合，生成所述判断矩阵集合的层次权重向量集合，包括：利用算术平均法、几何平均法、特征值法中的至少一项，基于所述判断矩阵集合，确定所述判断矩阵集合的层次权重向量集合。

实施时，可以利用算术平均法，基于判断矩阵集合，确定判断矩阵集合的层次权重向量集合；可以利用几何平均法，基于判断矩阵集合，确定判断矩阵集合的层次权重向量集合；可以利用特征值法，基于判断矩阵集合，确定判断矩阵集合的层次权重向量集合。还可以利用算术平均法、几何平均法，基于判断矩阵集合，分别确定判断矩阵集合的层次权重向量集合1和层次权重向量集合2，再将层次权重向量集合1和层次权重向量集合2中各元素的平均值作为最终的层次权重向量集合。还可以利用算术平均法、几何平均法、特征值法，基于判断矩阵集合，分别确定判断矩阵集合的层次权重向量集合3、层次权重向量集合4和层次权重向量集合5，再将层次权重向量集合3、层次权重向量集合4和层次权重向量集合5中各元素的平均值作为最终的层次权重向量集合。

在利用特征值法确定判断矩阵集合的层次权重向量集合时，具体的，可以针对判断矩阵集合中任一目标矩阵，确定目标矩阵的最大特征根；然后将最大特征根对应的归一化特征向量，确定为目标矩阵的权重向量；根据各目标矩阵的权重向量，得到判断矩阵集合的层次权重向量集合。

最后，可以根据评分权重向量集合、层次权重向量集合，生成目标权重向量集合。具体的，针对评分权重向量集合中任一目标评分权重向量，可以根据层次权重向量集合中对应的目标层次权重向量、下述公式(2)，确定目标权重向量：

w＝k*w′+(1-k)*k″式(2)；

其中，w为目标权重向量；k为分辨系数，k∈[0，1]；w′为目标评分权重向量；w″为目标层次权重向量。实施时，比如，k可以取0.5。

从本实施例可以看出，利用专家评价法得到评分权重向量集合、利用层次分析法得到层次权重向量集合，通过融合评分权重向量集合、层次权重向量集合，可以大大提升得到的目标权重向量集合中的各元素，即目标准则层中各指标权重的精确度，从而使得后续利用该目标权重向量集合计算得到的保密程度评分更准确，进而提高文献定级准确度。

一种可能的实施方式中，在所述构造所述目标准则层相对于所述目标准则层的上一层的判断矩阵集合的步骤之后，所述方法还包括：根据设定一致性指标公式及一致性检验条件，对所述判断矩阵集合中各元素进行一致性检验。

具体实施时，针对判断矩阵集合中任一目标判断矩阵，可以先确定目标判断矩阵的最大特征根；然后根据该最大特征根和目标判断矩阵的阶数，根据下述公式(3)，计算目标判断矩阵的一致性指标：

其中，λ

然后，根据平均随机一致性指标和目标判断矩阵的一致性指标，得到判断矩阵的一致性比率；将一致性比率与预设阈值进行比较，当一致性比率小于预设阈值时，不需要调整目标判断矩阵；否则，则需要对目标判断矩阵进行调整。其中，预设阈值可以根据实际需要设置，本公开实施例不作限定。

实施时，可以对批量目标文献的定级结果进行人工抽检，若抽检结果表明文献定级层次结构模型的定级效果较差，可以重新调整模型中各指标的权重，以满足实际需要。

图4示出了本公开另一个实施例提供的基于层次分析法的文献定级方法的流程示意图，由图4可知，本实施例包括以下步骤S401-步骤S412：

步骤S401：针对至少一个文献类型，构建对应的文献定级层次结构模型，文献定级层次结构模型包括目标层、第一准则层和第二准则层，第一准则层支配第二准则层；第一准则层包括：文献重要度、政治敏感度、传播度；第二准则层包括：文献重要度对应的以下指标：文献基金重要度、行业重要度、一作所在机构、一作学术荣誉、一作研究领域H指数，政治敏感度对应的以下指标：敏感地区、敏感人物、敏感内容、领导人姓名书写错误、传播度对应的以下指标：年均被引量、年均下载量。各准则层中的各要素所属的维度包括：文献重要性维度、政治敏感性维度、传播性维度。

步骤S402：针对各文献定级层次结构模型中任一目标模型中任一目标准则层，获取至少一个待处理指标集合。待处理指标集合受目标准则层的上一层的同一个元素支配。

步骤S403：针对各待处理指标集合中任一第一目标待处理指标集合，对于第一目标待处理指标集合中任一目标指标，获取目标指标的预设数目个评分结果。

步骤S404：根据各评分结果和预设数目，生成目标指标的平均分。

步骤S405：根据各目标指标的平均分和预设总分，得到第一目标待处理指标集合对应的目标评分权重向量；各目标评分权重向量构成评分权重向量集合。

步骤S406：针对各待处理指标集合中任一第二目标待处理指标集合，对第二目标待处理指标集合中的元素进行两两比较，并根据预设的重要程度标度方法，确定各两两比较的量化值。

步骤S407：基于各两两比较的量化值，形成第二目标待处理指标集合对应的判断矩阵；各第二目标待处理指标集合对应的判断矩阵，构成判断矩阵集合。

步骤S408：利用算术平均法、几何平均法、特征值法中的至少一项，基于判断矩阵集合，确定判断矩阵集合的层次权重向量集合。

步骤S409：根据评分权重向量集合、层次权重向量集合，生成目标权重向量集合。

步骤S410：获取待定级文献在对应的目标文献定级层次结构模型的最低层中各指标下的指标值向量集合。实施时，可以获取待定级文献在文献重要度中各指标下的指标值向量1、在政治敏感度中各指标下的指标值向量2、传播度中各指标下的指标值向量3。具体的，比如，针对文献重要度中的文献基金重要度，可以根据待定级文献的管理机构级别和预设映射关系，确定文献基金重要度得分，预设映射关系，比如，可以为：当文献的管理机构级别为中央国家级时，文献基金重要度指标的指标值为0.8；当文献的管理机构级别为地方省市级时，文献基金重要度得分为0.7等。类似的，针对行业重要度、一作作者所在机构、一作学术荣誉、敏感地区、敏感人物、敏感内容、领导人姓名书写错误等指标，也可以根据相应预设的映射关系，确定对应的指标值。

针对一作作者研究领域H指数、年均被引量、年均下载量等指标，可以对文献的一作作者研究领域H指数、年均被引量、年均下载量进行归一化，将归一化后的数值作为对应的指标值。

步骤S411：根据指标值向量集合、各目标权重向量集合，生成待定级文献的保密程度评分。

步骤S412：根据保密程度评分，判断待定级文献的保密等级。

本领域技术人员可以理解，在具体实施例方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序，而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

需要说明的是，实际应用中，上述所有可能的实施方式可以采用结合的方式任意组合，形成本申请的可能的实施例，在此不再一一赘述。

基于相同的构思，本公开实施例还提供了一种基于层次分析法的文献定级装置，图5示出了本公开实施例提供的基于层次分析法的文献定级装置的结构示意图，参见图5所示，本公开实施例提供的基于层次分析法的文献定级装置500包括：

模型构建模块501，用于针对至少一个文献类型，构建对应的文献定级层次结构模型，所述文献定级层次结构模型包括目标层、至少一个准则层，其中，所述目标层为确定文献的保密等级，所述至少一个准则层中的各要素所属的维度包括：文献重要性维度、政治敏感性维度、传播性维度；

权重获取模块502，用于针对各所述文献定级层次结构模型中任一目标模型，获得所述目标模型中每一个准则层相对于上一层的目标权重向量集合；

评分生成模块503，用于获取待定级文献在对应的目标文献定级层次结构模型的最低层中各指标下的指标值向量集合，并根据所述指标值向量集合、各所述目标权重向量集合，生成所述待定级文献的保密程度评分；

文献定级模块504，用于根据所述保密程度评分，判断所述待定级文献的保密等级。

一种可能的实施方式中，在上述装置中，所述至少一个准则层包括第一准则层和第二准则层，所述第一准则层支配所述第二准则层；所述第一准则层包括：文献重要度、政治敏感度、传播度；所述第二准则层包括：所述文献重要度对应的至少一个指标、所述政治敏感度对应的至少一个指标、所述传播度对应的至少一个指标。

一种可能的实施方式中，在上述装置中，所述文献重要度对应的至少一个指标包括以下至少一项：文献基金重要度、行业重要度、一作所在机构、一作学术荣誉、一作研究领域H指数；

所述政治敏感度对应的至少一个指标包括以下至少一项：敏感地区、敏感人物、敏感内容、领导人姓名书写错误；

所述传播度对应的至少一个指标包括以下至少一项：年均被引量、年均下载量。

一种可能的实施方式中，在上述装置中，所述权重获取模块502，用于：

评分权重生成子模块，用于针对所述目标模型中任一目标准则层，通过专家评价法，对所述目标准则层中各待处理指标集合中的指标进行评分，并根据得到的各指标的分数，生成所述目标准则层相对于所述目标准则层的上一层的评分权重向量集合，其中，所述待处理指标集合受所述目标准则层的上一层的同一个元素支配；

层次权重生成子模块，用于构造所述目标准则层相对于所述目标准则层的上一层的判断矩阵集合，并基于所述判断矩阵集合，生成所述判断矩阵集合的层次权重向量集合；

组合权重生成子模块，用于根据所述评分权重向量集合、所述层次权重向量集合，生成所述目标权重向量集合。

一种可能的实施方式中，在上述装置中，所述评分权重生成子模块，用于：

针对所述各待处理指标集合中任一第一目标待处理指标集合，对于所述第一目标待处理指标集合中任一目标指标，获取所述目标指标的预设数目个评分结果；

根据各所述评分结果和所述预设数目，生成所述目标指标的平均分；

根据各所述目标指标的平均分和预设总分，得到所述第一目标待处理指标集合对应的目标评分权重向量；各所述目标评分权重向量构成所述评分权重向量集合。

一种可能的实施方式中，在上述装置中，所述层次权重生成子模块，用于：

针对所述各待处理指标集合中任一第二目标待处理指标集合，对所述第二目标待处理指标集合中的元素进行两两比较，并根据预设的重要程度标度方法，确定各所述两两比较的量化值；

基于各所述两两比较的量化值，形成所述第二目标待处理指标集合对应的判断矩阵；各所述第二目标待处理指标集合对应的判断矩阵，构成所述判断矩阵集合。

一种可能的实施方式中，在上述装置中，所述层次权重生成子模块，用于：

利用算术平均法、几何平均法、特征值法中的至少一项，基于所述判断矩阵集合，确定所述判断矩阵集合的层次权重向量集合。

需要说明的是，上述任一的基于层次分析法的文献定级装置可一一对应实现前述的基于层次分析法的文献定级方法，这里不再赘述。

图6示出了本公开实施例所提供的一种电子设备的结构示意图。如图6所示，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于层次分析法的文献定级装置。处理器，执行存储器所存放的程序，并具体用于执行前述方法。

处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

该电子设备可执行本公开多个实施例提供的基于层次分析法的文献定级方法，并实现成基于层次分析法的文献定级装置在图5所示实施例的功能，本公开实施例在此不再赘述。

本公开实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行本公开多个实施例提供的基于层次分析法的文献定级方法。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的同一要素。

本领域技术人员应明白，本公开的实施例可提供为方法、系统或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本公开的实施例而已，并不用于限制本公开。对于本领域技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本公开的权利要求范围之内。