《北京大学学报杂志》（CN：11-2442/N）是经国家新闻出版总署批准，由中华人民共和国教育部主管,中华人民共和国教育部主办的大型双月刊，面向国内外公开征文发行。《北京大学学报杂志》期刊收录于：JST 日本科学技术振兴机构数据库(日) Pж(AJ) 文摘杂志(俄) CA 化学文摘(美) CSCD 中国科学引文数据库来源期刊(含扩展版) 维普收录(中) 知网收录(中) 北大期刊(中国人文社会科学期刊) 万方收录(中) 国家图书馆馆藏 上海图书馆馆藏 SA 科学文摘(英) EI 工程索引(美) 统计源期刊(中国科技论文优秀期刊),北京大学学报杂志一直致力于在各个学科领域里提供最新、最权威的学术研究成果，颇受业界和广大科研工作者的关注和好评。

1.来稿应具有科学性、实践性、逻辑性、先进性，要求材料可靠、论点鲜明、条理清晰、简明扼要、文字精炼、数据准确、图表清晰。内容符合《保密法》规定，在政治和涉外问题上应符合国家有关政策，文责自负。论文必须包括：中英文题名、作者姓名、作者单位及邮政编码、中英文摘要及关键词、正文和参考文献、第一作者简介（姓名、出生年、性别、民族、籍贯、职称、学位、研究方向），如系基金资助项目请注明基金名称及编号。

2.题名应简短，一般不宜超过20个汉字，英文题名不超过10个实词，英文题名应与中文题名含义一致。题名应避免使用非公知公用的缩写词、字符、代号、简称以及商品名称。

3.摘要要反映论文的目的、方法、结果和结论，应具有独立性和自明性，字数为120～300字，采用第三人称表述。

4.关键词应能准确反映论文主题内容，尽量选用《汉语主题词表》中的规范词，一般为3～8个。

5.文中图表应具有自明性，切忌与文字表述重复。图要有图序、图题和必要的图注，图中文字为6号宋体字。表尽量用三线表，有表序、表题。

6.量和单位应严格执行GB 3100～3102—93有关规定。

7.参考文献应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献（学位论文除外），并在文中引用处注明，采用顺序编码制，著录格式应符合国标（GB/T 7714—2015）的规定。

8.文稿应在Word系统中编辑， 纸型为A4， 页边距2  cm，使用5号宋体字， 正文部分采用层次标题并用阿拉伯数字连续编号，不同层次之间用下圆点“．”，如“1”、“1.1”、“1.1.1”等。

9.本刊只接受在线投稿方式，编辑部有权对录用稿件作技术性和文字性修改。本刊对来稿概不退还，在3个月内未接到本刊录用通知者，可自行处理。来稿一经刊登，本刊将酌致稿酬，并赠送当期刊物。

年度被引次数报告 (学术成果产出及被引变化趋势)

• 多分量地震监测系统AETA的研究与实现

  研制多分量地震监测系统AETA（acoustic＆electro-magnetic testing all in one system）。在云南、四川、西藏、河北、北京、广东等地区的现场实验表明,该系统能够满足大区域密集布设中高灵敏度、低成本和易布设的需求。同时,若干点的实验观测数据和均值、振铃率、峰值频率在一定程度上反映了映震效果。目前正在中国西南部、首都圈、台湾海峡等...

  作者：王新安; 雍珊珊; 徐伯星; 梁意文; 白志强; 安辉耀; 张兴; 黄继攀; 谢峥; 林科; 何春舅; 李秋平 刊期： 2018年第03期

• 一种基于Tree-LSTM的句子相似度计算方法

  在浅层句法树和依存关系树的基础上,提出两种结构化特征：基于短语的浅层句法树NPST和基于短语的依存树NPDT,并将它们与Tree-LSTM模型相结合,进行句子相似度计算。实验表明,使用结构化特征和Tree-LSTM会带来性能的提升。

  作者：杨萌; 李培峰; 朱巧明 刊期： 2018年第03期

• 基于多特征的语义角色标注一致性计算方法研究

  综合语义角色标注语料的格式、标签结构、标签内容和用户可信度等多个特征,实现一种自动的语义角色标注一致性计算方法。实验证明,该方法对错误标注的召回率高,并且速度快,结果稳定,可以大幅度地提高语义角色标注一致性检查的效率。

  作者：柯永红; 朱永福; 穗志方; 俞士汶 刊期： 2018年第03期

• 助词“的”用法自动识别研究

  在＂三位一体＂虚词用法知识库的基础上,分别采用基于规则、基于CRF模型和神经网络模型的门循环单元,对助词＂的＂用法进行自动识别,识别的准确率分别为34.4%,77.5%和81.3%。在对助词＂的＂用法进行分析的基础上,合并了部分用法,并采用CRF模型和神经网络模型进行粗粒度用法识别,准确率分别达到81.8%和84.5%,得到较明显的提高。期望识别结果可以...

  作者：刘秋慧; 张坤丽; 许鸿飞; 俞士汶; 昝红英 刊期： 2018年第03期

• 结合RNN和CNN层次化网络的中文文本情感分类

  提出一种多层网络H-RNN-CNN,用于处理中文文本情感分类任务。将文本按句子进行划分,引入句子层作为中间层,以改善文本过长带来的信息丢失等问题。模型中使用循环神经网络建模词语序列和句子序列,并通过卷积神经网络识别跨语句的信息。探讨循环神经网络变种和不同输入向量对模型的影响。实验结果表明,所提方法在多类数据集上都取得良好的效果。

  作者：罗帆; 王厚峰 刊期： 2018年第03期