随着新兴学科和交叉学科不断产生与发展,对遴选出较高匹配度的学科专家进行相关科研论文等学科材料的评审工作,在精准度以及安全性方面提出了更高的要求。当前论文评审工作较为自动化,但流程仍然复杂,并且存在如下问题:1、传统专家遴选算法基于学科目录进行专家匹配,面对多领域跨学科的论文时,论文无法精准匹配评审专家;2、教育部门之间共享论文以及专家的信息时,数据隐私性无法得到保障;3、论文评审过程中,存在第三方篡改的可能性,影响论文评审数据的可信度。针对上述问题,本文对面向多领域跨学科论文的可信评审过程展开研究,主要工作如下:1)设计了一种面向多领域跨学科的专家遴选算法,将专家的研究方向关键词作为专家特征,使用Word2vec算法对论文与专家的研究方向关键词分别进行词语向量化。基于相似度算法计算论文与专家研究方向关键词的词向量相似度。为实现多领域跨学科的专家遴选,算法改进论文与专家匹配的方式,通过计算研究方向关键词特征,结合论文与专家的研究方向关键词相似度计算专家匹配度。实验采用Aminer系统抽取的1043个专家的数据集,结果表明该面向多领域跨学科的专家遴选算法的遴选匹配率达到90%以上。2)针对目前的教育部门层级结构,构建了一个多教育中心协同共享结构模型。网络中各主体可实现点对点学术数据的共享,并对高校提交的论文、专家信息以及论文评审结果实现监督和反馈。共享模型基于联盟链构建,联盟链中的授权节点由各个省级教育厅的高校集合组成,模型中教育部门节点间可以实现论文数据的共享。且实验结果证明,多教育中心协同共享结构模型中,教育部门之间信息共享的执行速度较快,能够安全有效地进行论文信息数据的共享。3)设计了面向多领域跨学科的论文评审可信模型,利用区块链技术不可篡改的性质,保障论文、专家数据以及论文评审过程的安全性、可信度。在构建的多教育中心协同共享结构模型的基础上,设计基于多领域跨学科的专家遴选算法的共识,同时设定用户的信誉度度量机制,一定程度上保障论文评审的公平性。实验结果表明,该模型在数据安全性以及数据传输方面都有较好的表现,能够实现对论文评审过程中信息的记录、存储,使论文评审过程更加安全且可追溯。