【摘要】[目的/意义]基于学者代表作评价问题,建立一套全程基于机器算法的学者代表作贡献度评价体系,用以辅助同行评议制度,以进一步提高同行评议的准确性和客观性。[研究设计/方法]提出代表作观点贡献度指标,通过构建加权指数衰减模型,结合观点比较以及时间顺序分析的方法,综合计算得出观点贡献度指标值。同时采用同行评议的方式对相同样本数据集进行人工打分,对比分析人工与模型评估结果的一致性,从而验证本研究所提出方法的有效性及可行性。[结论/发现]提出一套结合观点主题提取以及余弦相似度比较的观点贡献度指标评价模型,经验证该模型所得出的指标值与同行评议的结果一致性较高,达到86.85%,这表明该模型在辅助同行评议方面具有较高的应用价值。[创新/价值]融合TextRank4ZH模型及时间顺序构建出一套可全程由机器算法运行实现的观点贡献度指标模型,可用于辅助同行评议制度,在提升评价结果的可靠性和公正性方面具有较强的现实意义。