随着国家教育部提出建设“双一流”高校与学科的战略之后,越来越多教育界人士参与到了这一伟大的历史征程中。从学校到学者都明白学科强弱在此次国家对大学教育的改革中的重要性。而一个学校学科的强弱对应是其科研成果的产出,SCI论文在科研成果中又有占据着比较大的比重,但是目前的问题是国外SCI论文的学科与国内一级学科并不对应,而学科评估主要是基于一级学科开展进行的,因此在实际操作中面临很多的问题。纵观历次的学科评估工作,大学管理者明白科研成果的评估是很大程度是基于SCI论文进行,而近年来国内学者的SCI论文发文量汗牛充栋,首先要将这些SCI论文的一级学科属性明确是非常有必要的而且也是研究进行的基础。本文通过研究国家教育部颁布的学科目录与WOS中对学科内容方面的解读的比对,并且参考InCites官网所做的学科内容解释,不断优化调整最终构建出国内外学科映射体系。此外本文通过数据挖掘的思路在SCI论文的内容层面进行了深入地研究,利用Web Of Science平台SCI库中的论文数据作为实验样本,使用多种数据处理软件对原始数据清洗和处理最终构建出275613条庞大的训练集数据。此外在学科映射构建完成的基础上,对训练集中的数据学科属性进行标注。利用支持向量机适合对高维度文本分类的优点,利用TF-IDF算法对每个特征词进行权重的计算,而后通过评估不同训练比例的分类模型,最终确定利用十层交叉验证法对模型进行训练从而得到最优的学科分类模型。通过分析在实证研究中得出的结果表明,目前国内学科分类与国外有着相当大的差异,相同的研究内容很有可能出现不同的学科分类结果之中。再者不同学科由于其学科性质与研究范畴的原因,会对分类模型的准确性产生影响。本文立足实际出发点开展研究实验,研究中在学科分类中所构思的想法以及在文本分类应用中所构建的模型对于学科评估和学者学科归属划分都就有比较有意义的参考价值。在论文结尾通过总结了在实验中所遇到的问题以及在学习过程中产生的想法对于以后研究者的科研具有一定的参考价值。因此基于学科评估的需要与目前各个学科日益交叉的实际境况,因此将SCI学科与国内一级学科构建映射关系,并通过这种映射关系将学者的学科归属进行划分成为了一项比较有意义的研究课题。