1.一种基于堆叠自动编码器和引文网络的科技论文分类方法，其特征在于，所述方法包括如下步骤：

步骤一：根据现有科技论文数据，一篇论文用一个节点表示，两篇论文之间如果有引用关系，则这两篇论文的相应节点之间有一条连边，由此构造引文网络G(V,E)，V是节点集合，E是边集合，节点总数为N，其邻接矩阵为X；

步骤二：根据具有标签的科技论文数据构造标签向量矩阵，引文网络中每个节点有一个标签，标签类别总数为M，则每个节点的标签向量皆为长度为M的1‑hot一维向量，构成了N×M的标签向量矩阵 其中yi为第i个节点的标签向量，2≤M≤N；

步骤三：对邻接矩阵X进行Q步概率转移，得到概率转移矩阵 其中Pk＝Pk‑1X，P0是N×N的单位阵，其中Q为一个大于1的整数；

步骤四：计算引文网络的共现概率矩阵其中节点i与节点j之间的共现概率为 其中|D|＝∑i∑jri,j，ri,j∈R；

步骤五：构建堆叠自动编码器，堆叠自动编码器由一个编码器和一个解码器串联组成，编码器的输入为引文网络的共现概率矩阵S，输出为引文网络的N×d的嵌入表示向量矩阵EN×d，解码器的输入为编码器的输出，解码器的输出为N×N的重构概率矩阵 其中2≤d≤N；

步骤六：构建长短期记忆网络，其输入是编码器输出的嵌入表示向量矩阵EN×d，输出为softmax的分类结果矩阵 为N×M的矩阵，表示为 其中 为第i个节点的M维分类向量，表示相应第i篇论文的分类结果；

步骤七：训练模型，首先训练堆叠自动编码器，训练目标是降低编码器的输入引文网络的共现概率矩阵S和解码器的输出重构概率矩阵 之间的平方误差；训练长短期记忆网络，训练得到分类结果 与论文标签向量矩阵Y进行比较，训练目标是降低分类结果 与论文标签向量矩阵Y之间的交叉熵误差；训练完毕即获得基于堆叠自动编码器和长短期记忆网络的科技论文分类模型；

步骤八：对未分类的新的论文数据，构造相应的新的引文网络邻接矩阵X′、概率转移矩阵R′和共现概率矩阵S′，对训练好的基于堆叠自动编码器和长短期记忆网络的科技论文分类模型输入S′，得到输出为N×M的矩阵 其中 为第i个节点的M维分类向量，表示相应第i篇论文的分类结果。