1.一种基于Attention机制的参考文献引用合法性预测方法,所述的引用合法性，是指目标文章中所提到的参考文献是否在文章中得到合法引用；其特征在于：将目标文章的单词序列[w1,w2,w3,…,wn]通过时间编码和位置编码后传入到Attention机制中，计算得到查询矩阵Query和键矩阵Key；使用pytorch.Embedding方法对需要检查引用合法性的文献全文的单词序列[s1,s2,s3,…,sn]进行编码得到编码后的值矩阵Value；利用查询矩阵Query、键矩阵Key和值矩阵Value计算Attention值；将计算过的Attention值通过一个全连接层进行线性变换；最后将线性变换后的结果输入到sigmoid层中计算出最后的合法性概率；具体步骤如下：步骤1：将目标文章的单词序列[w1,w2,w3,…,wn]输入进行时间编码，得到编码过后词向量矩阵A；

步骤1.1：定义只含正文内容的目标文章的单词序列为src_vocab；

步骤1.2：对输入的单词序列进行位置编码，将每个单词的位置信息传递到词向量矩阵A中；

步骤2：利用Attention机制对词向量矩阵A进行两次线性变换，得到查询矩阵Q，键矩阵K；具体方法为：步骤2.1：定义一个矩阵W

步骤2.2：将所有的q

步骤2.3：定义一个矩阵W

步骤2.4：将所有的k

步骤3：对需要预测的参考文献的单词序列r

步骤3.1：定义参考文献数据集为Reference，数据集Reference根据篇名进行划分，分别对应每篇参考文献的单词序列；其中，Reference＝[r

r

u∈[1,m]；

步骤3.2：对参考文献进行初始化字编码，得到一个高维度值矩阵V；

步骤4：对得出的查询矩阵Q、键矩阵K和值矩阵V计算相应的Attention值，得到注意力值矩阵D；具体方法为：步骤4.1：将步骤2.2中的查询矩阵Q与步骤2.4中的键矩阵K的转置K步骤4.2：使用维度的根号

步骤4.3：使用Softmax对步骤4.2的结果进行数值转换；

步骤4.4：将步骤4.3的结果与值矩阵V相乘得到最后的注意力值矩阵D；

步骤5：通过一个全连接网络对注意力值矩阵D进行线性变换，得到变换形状后的矩阵N；具体方法为：步骤5.1：定义一个全连接层，其形状为[in_features,out_features]；

步骤5.2：将步骤4.4的结果注意力值矩阵D经过步骤5.1的全连接层进行线性变换得到矩阵N；

步骤6：通过Sigmoid激活函数对矩阵N进行激活，得到一个值在(0，1)之间的一维矩阵S，根据S得出最后的预测结果y。

2.根据权利要求1所述的基于Attention机制的参考文献引用合法性预测方法，其特征在于，所述步骤6的具体方法为：步骤6.1：定义一个使用Sigmoid函数的激活层；

步骤6.2：将步骤5.2的结果N输入到激活层中，得到含有概率的最终预测结果y。