随着我国科研实力不断增强以及科研人员不断涌现,期刊论文数量快速增长。这一方面促使科研快速发展,为期刊输送高质量论文;另一方面,也为期刊编辑部带来繁重的审稿压力。目前大多期刊采用传统的匿名评审模式,该模式能有效使评审意见不受外界影响。实际评审过程中评审专家也会因稿件完全匿名而给出主观性较高的意见。这是因为专家之间不会就论文进行交流,也不了解当前论文会被哪位专家评审,这样容易造成评审结果样本间的偏离,所导致的群体意见不一致性在一定程度上会影响期刊的评审效率及出版效率。而社会学习的研究已在理论上证明:个体间的交流学习可有效解决群体意见的不一致问题。由此可见,研究评审专家的交流对于提升评审质量以及缓解评审大量稿件积压具有重要意义。为保证匿名评审的优点,本文在匿名评审的基础上,从专家交流的角度入手,假设评审过程中专家之间存在交流,引入社会学习理论中更符合真实期刊论文评审的非贝叶斯社会学习模型,探究基于交流的期刊论文评审内在过程及效果。首先,通过对期刊论文评审指标的文献进行内容分析,构建科学的评审指标体系。其次,基于现有匿名评审过程,提出基于专家交流的期刊论文评审流程。然后,在评审指标体系和提出的评审流程的基础上,构建面向期刊论文评审的非贝叶斯社会学习模型（Review oriented Non-Bayesian Social Learning model,简称 RNBSL）。考虑到实际评审过程中每位专家都综合考虑所有评审指标,对非贝叶斯社会学习进行扩展,提出基于多类型信号的信念更新方法。此外,为验证本文所采用的更新方法的有效性,构建对照实验,与原理论模型所采用的算术平均法相似的方法有几何平均法和调和平均法,通过数值仿真分别讨论三类方法的有效性。虽然三类方法都在理想的数值仿真方面实现了有效的社会学习,但在实际应用中的效果如何尚未可知。最后,采用ChinaXiv平台上预发布的图情领域论文,基于RNBSL进行评审实验和仿真实验。经上述研究,本文得出以下结论:（1）RNBSL采用算术平均法、几何平均法和调和平均法在仿真模拟上能有效实现群体意见一致且逐渐接近真实的录用状态。其中算术平均法在快速聚合群体意见以及意见的正确性方面较优于几何平均法;相较于前两类方法,调和平均法的效果较差。所以在数值仿真方面,本文提出的模型宜采用算术平均法。（2）在实际基于专家交流的评审过程中,本文提出的模型采用算术平均法更符合专家的意见更新过程。基于评审实证实验的数据,分别对采用3类方法的模型进行仿真实验,算术平均法在真实状态为录用和拒稿方面与真实的评审实验结果具有较高的一致性。对于真实状态为录用的论文,几何平均法和调和平均法与评审实验结果的一致性低,而对于真实状态为拒稿的论文,两类方法又与算术平均法相似,具有较高的一致性。（3）本文提出的模型能在一定程度上反映有专家交流情况下的论文评审过程,证明非贝叶斯社会学习模型能较好的应用于期刊论文评审。因此,在实际评审过程中,期刊编辑部可适当考虑在匿名评审的基础上促进评审专家之间的交流,以提升评审质量和效率。