1.一种基于Paper Rank算法的文献排序方法，其特征在于，包括：S1、对于待排序的每一篇文献的每一条句子，针对该句子枚举所有分词方案，从该句子的所有分词方案中选取最优分词方案；

S2、对于所述待排序的每一篇文献，通过将该篇文献对应的所有最优分词方案代入Paper Rank算法中计算该篇文献的重要性，并按照文献的重要性对所述待排序的文献进行排序，其中，在文献的重要性的计算过程中采用加权平均的方式赋予不同属性不同的权重；

在所述S2之前，还包括：

通过提取待排序的所有文献的主要相关信息，生成属性标签及其对应的属性内容；

统一所述属性标签的名称；

根据插入排序算法整理所述待排序的每一篇文献的属性标签；

将所述待排序的每一篇文献的属性标签及其对应的属性内容进行结构化存储；

其中，第i篇文献Pi的重要性PR(Pi)的计算公式为其中，N为待排序的所有文献的数量，d为阻尼系数，K是属性的总数，L(Pj)为第j篇文献Pj的链出文献的数量，li(Pi,Pj,k)为第i篇文献Pi与第j篇文献Pj在第k个属性上相同的词条数，LI(Pj,k)为第j篇文献Pj在第k个属性上所分割的所有词条数。

2.根据权利要求1所述的方法，其特征在于，所述从该句子的所有分词方案中选取最优分词方案，包括：

对该句子的所有分词方案进行评分，并选取得分最高的分词方案作为最优分词方案，其中，分词方案S的得分P(S)的计算公式为P(S)＝P(w1)×P(w2|w1)×P(w3|w2)×…×P(wn|wn‑1)，P(wi|wi‑1)＝P(wi,wi‑1)/P(wi‑1)，P(wi‑1)为第i‑1个词wi‑1出现的概率，P(wi,wi‑1)为第i‑1个词wi‑1出现以及第i个词wi出现的概率，i∈(2,3,…,n)，n为分词方案S包含的分词数量。

3.一种基于Paper Rank算法的文献排序装置，其特征在于，包括：选取单元，用于对于待排序的每一篇文献的每一条句子，针对该句子枚举所有分词方案，从该句子的所有分词方案中选取最优分词方案；

排序单元，用于对于所述待排序的每一篇文献，通过将该篇文献对应的所有最优分词方案代入Paper Rank算法中计算该篇文献的重要性，并按照文献的重要性对所述待排序的文献进行排序，其中，在文献的重要性的计算过程中采用加权平均的方式赋予不同属性不同的权重；

还包括：

存储单元，具体用于在所述排序单元工作之前之前，通过提取待排序的所有文献的主要相关信息，生成属性标签及其对应的属性内容，统一所述属性标签的名称，根据插入排序算法整理所述待排序的每一篇文献的属性标签，将所述待排序的每一篇文献的属性标签及其对应的属性内容进行结构化存储；

其中，第i篇文献Pi的重要性PR(Pi)的计算公式为其中，N为待排序的所有文献的数量，d为阻尼系数，K是属性的总数，L(Pj)为第j篇文献Pj的链出文献的数量，li(Pi,Pj,k)为第i篇文献Pi与第j篇文献Pj在第k个属性上相同的词条数，LI(Pj,k)为第j篇文献Pj在第k个属性上所分割的所有词条数。

4.根据权利要求3所述的装置，其特征在于，所述选取单元，具体用于：对该句子的所有分词方案进行评分，并选取得分最高的分词方案作为最优分词方案，其中，分词方案S的得分P(S)的计算公式为P(S)＝P(w1)×P(w2|w1)×P(w3|w2)×…×P(wn|wn‑1)，P(wi|wi‑1)＝P(wi,wi‑1)/P(wi‑1)，P(wi‑1)为第i‑1个词wi‑1出现的概率，P(wi,wi‑1)为第i‑1个词wi‑1出现以及第i个词wi出现的概率，i∈(2,3,…,n)，n为分词方案S包含的分词数量。

5.一种电子设备，其特征在于，包括：处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序；

其中，所述处理器，存储器通过所述总线完成相互间的通信；

所述处理器执行所述计算机程序时实现如权利要求1‑2中任一项所述的方法。

6.一种非暂态计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1‑2中任一项所述的方法。