科学知识网络中的链路预测研究述评

本文以“科学知识网络中的链路预测”为主要对象,对链路预测的类型、研究思路和方法等相关理论进行了回顾,将知识网络划分为同质网络和异质网络两种类型,从合作网络、引证网络和二分网络三个方面对同质网络的研究进行梳理,并介绍了一些异质网络中的链路预测方法。认为:针对这方面的研究近年来有成为图书情报学领域研究热点的趋势;已有研究多是描述各种链路预测指标在不同类型知识网络中的预测效果,未来应当利用链路预测量化和评价演化模型,识别和分析异常链路,以发现知识热点和创新趋势,将知识网络的研究提升到应用层次。图5。表2。参考文献68。     

基于三维引文关联网络的潜在知识流动探测--以基因编辑领域为例

在知识经济时代,知识流动在激发知识创新和促进科技发展等方面的价值逐步凸显出来。本文在直引-共被引-耦合三维引文关联网络融合的基础上,对主题关联层面进行映射,对领域内潜在的知识流动进行挖掘。链路预测指标作为特征值,分别应用于构建分类器和回归器。其中,分类器用于预测目前尚未存在、在未来极有可能发生的知识流动;回归器主要用于预测目前链接权重较低的,尚未引起广泛关注、但在未来具有较高链接权重的知识流动。两种预测层面综合互补,可更全面地探测领域内的研究前沿或新兴趋势。利用该思路对当前热门的基因编辑技术领域进行探索研究,得到了该领域中的潜在知识流动和潜在研究的热点,为科研人员选择研究方向提供参考。     

作者-关键词二分网络中的合著关系预测研究

[目的/意义] 明晰由关键词形成的主题内容类关联关系对合著关系预测的影响和作用,形成作者-关键词二分网络上的合著关系预测指标和方法,提高预测准确率和结果可解释性。[方法/过程] 首先,在作者-关键词二分网络上抽取多种路径表示作者间的关联关系,并结合关联强度的计算方式,共同形成多种合著关系预测指标;接着应用逻辑回归的机器学习方法学习不同指标对于合著关系预测的贡献,由此构建二分网络中基于路径组合的合著关系预测指标;最后基于链路预测方法对指标进行评测。[结果/结论] 在图书情报领域的实验证实,作者-关键词二分网络中路径组合指标的准确率最高,较4种单路径指标均有大幅度提高;多种路径均对合著关系预测产生影响,且路径“作者-关键词-作者”（AKA）的作用明显高于路径“作者-关键词-作者-关键词-关键词”（AKAKA）;同时,使作者产生关联的关键词能表示作者间的共同研究主题和兴趣,使得结果更易解释。下一步将引入更多路径到该模型中并在其他领域验证方法的通用性。     

基于专利文本挖掘的细粒度技术机会分析

新一轮科技革命和产业变革中,技术机会分析在研发管理、企业决策中的战略地位不断攀升。然而,利用传统链路预测指标开展的技术机会分析精度已达到瓶颈,且固有的专家知识无法应对技术创新的动态性和复杂性,难以实现细粒度技术机会识别与分析。鉴于此,本文提出了基于专利文本挖掘的细粒度技术机会分析框架,该框架将专利文本挖掘和图神经网络链路预测法有机结合,将技术机会分析拆分为知识网络构建及演化分析、知识元素链路预测以及技术机会评估与筛选3个研究子任务。实证研究结果表明,利用多维关键词特征构建的知识网络能够完整呈现交叉领域的知识全貌,结合复杂网络指标和时间序列能进一步揭示技术发展脉络,为后续技术机会分析提供方向指引。BERT (bidirectional encoder representations from transformers)模型配合图神经网络方法适用于各技术生命周期的知识元素链路预测任务,相较于传统预测指标,BERT表现出更高的准确率和鲁棒性。经过与多源技术报告的对比评估,证实了基于该框架所析出的9个技术机会与计算机视觉技术发展实际情况相吻合,具备实际研发价值。     

融合多元网络与网络表示学习的科研合作者推荐研究

[目的/意义]融合多元网络和网络表示学习方法学习并发现作者间的关联性,能够更好地进行合作者推荐。[方法/过程]文章首先搜集情报学领域相关文献数据作为原始数据集,在经过数据清洗后,根据作者间的多元关系构建各信息实体的多个科研信息网络,然后对高维网络利用Node2vec网络表示学习方法学习各节点的信息,从而得到各网络中节点的向量表示。其次,通过余弦相似度计算各网络中的作者相似度。最后融合作者间机构合作偏好和作者学术水平相似度得到最终的推荐结果。[结果/结论]文章提出的融合模型考虑了多元网络和数据稀疏性,在AUC值上的表现优于单一维度,得到了更好的合作预测效果。实验结果表明,该合作者推荐模型在情报学领域作者合作者推荐中具有可行性。     

基于二模复杂网络的隐性知识发现方法研究——以潜在药物靶点挖掘为例

[目的/意义] 通过构建二模复杂网络模型，揭示隐藏在海量文献中的隐性知识。[方法/过程] 通过NetworkX复杂网络工具包，依据任意两个节点的共现关系构建二模复杂网络模型；对网络模型中节点的共现关系进行加权，计算网络的拓扑信息并进行AP聚类，提取节点间的直接关系；采用AUC方法对AA、JC、加权改进的wAA和wJC等4种链路预测算法进行评价，遴选出最合适的预测算法，并对复杂网络的隐性关系进行预测分析。[结果/结论] 以潜在药物靶点挖掘为例进行的实证研究结果表明，wAA链路预测算法为最优的链路预测算法；二模复杂网络模型、指标和方法体系在美国化学文摘社数据库中的药物靶点挖掘中具有一定的有效性。下一步计划在其他数据库中或其他研究领域中进行尝试，以进一步验证该模型的通用性和有效性。     

知识网络演化模型研究述评

知识网络演化模型可用于探讨和发现知识发展脉络的关键特征,相关研究主要集中在统计物理、计算机、图书情报等领域。本文对网络模型经典理论进行回顾,从引证网络和合作网络两个方面对具有代表性的演化模型进行梳理,介绍网络演化模型评价的一些进展,最后提供了一个相对清晰的研究框架。研究发现:针对这方面的研究近年来有成为图书情报学领域研究热点的趋势;已有引证网络和合作网络的研究大多利用BA模型及其改进模型来研究演化机理;未来的研究应结合网络的局部结构特征和节点的外部属性信息来建立混合择优模型;众多知识网络演化模型在解释真实网络演化时,依然存在着不小差距,利用链路预测的原理来设计和评价演化模型有望成为一个新的研究方向。图2。参考文献79。     

基于BERT嵌入BiLSTM-CRF模型的中文专业术语抽取研究

专业术语的识别与自动抽取对于提升专业信息检索精度,构建领域知识图谱发挥着重要基础性作用。为进一步提升中文专业术语识别的精确率和召回率,提出一种端到端的不依赖人工特征选择和领域知识,基于谷歌BERT预训练语言模型及中文预训练字嵌入向量,融合BiLSTM和CRF的中文专业术语抽取模型。以自建的1278条深度学习语料数据为实验对象,该模型对术语提取的F1值为92.96%,相对于传统的浅层机器学习模型(如左右熵与互信息算法、word2vec相似词算法等)和BiLSTM-CRF深度神经网络模型的性能有较为显著的提升。本文也给出了模型应用的具体流程,能够为中文专业术语库的构建提供实践指南。     

复杂网络视角的国外政府信息资源研究

基于Web of Science（WoS）数据库,利用科学知识图谱工具CiteSpace、HistCite构造国外政府信息资源研究的主题、研究趋势与热点等网络,并借鉴网络科学理论及Gephi工具,对国外政府信息资源研究网络的小世界、无标度等特点进行复杂网络分析,期望有助于相关领域研究者从复杂网络的视角,探索和把握政府信息资源领域的研究脉络,并探讨一种从主题、作者、引文关系等多角度和层面进行数据分析,从而快速定位某研究领域核心知识网络的方法。     

网络问答社区用户提问主题聚类图谱构建研究

面向网络问答社区海量问题内容组织的现实需求,针对用户提问的文本特点对其进行多层次主题聚类与图谱构建。通过充分融合Glove和Word2vec算法的优势,对用户提问进行文本特征表示。在此基础上利用不同聚类算法对用户提问进行多层次聚类,并利用TextRank生成聚类标签,然后基于主题间层次结构,利用图模型将不同提问文本的关联关系呈现出来,从而构建网络问答社区用户提问主题聚类图谱,以此提升网络问答社区平台知识资源的组织与利用效率,为知识查询和推荐提供索引。     

知识网络的类型学探究

从知识网络的类型入手,提出知识网络的分类原则及方法,详细探讨知识网络的各种类型,特别是对广义知识网络和狭义知识网络的类型及其特征进行全面深入的论述。     

基于文献的领域知识网络构建研究

本文提出领域知识网络基于文献的实现过程,根据知识单元和知识关系的不同将知识网络划分为知识结构网络和知识主体关系网络两类。并在该体系基础上以时间、网络类型、层次为维度确立知识网络构建方法模型,旨在从不同水平的知识单元和知识关系构建并分析领域知识网络。最后以科学计量学为例对本文提出的思想进行了实证。     

面向知识转移网络的知识网分析*

将群体内部知识转移过程形成的知识转移网络视为成员之间知识引用关系构成的知识网络,借鉴社会网分析思想,从关系维度和结构维度提出面向知识转移网络的知识网分析框架,以揭示群体内部知识转移过程的运行状态,并讨论知识转移研究中社会网分析与知识网分析的联系与区别。     

基金视角下的学科知识流动网络构建与分析

[目的/意义] 在学科交叉融合的背景和趋势下,科研人员的跨学科研究行为促进了知识在不同学科之间的共享与流动。以基金领域为视角,研究学科知识流动,以期为基金管理工作提出建议。[方法/过程] 提出基于基金代码共现的学科知识流动强度测量方法,并利用社会网络分析方法,对193517个国家自然科学基金项目数据构建学科知识流动网络,探究网络的演变过程以及不同学科层次内知识流动路径。[结果/结论] 通过以上分析,得到如下结论:学科知识流动网络是无标度网络,随着时间的推移,网络的规模和结构都发生显著的变化,网络中重要节点呈非稳态;不同学部之间,存在若干条较为重要的知识流动路径;在某一个学部内,具有较广影响力的一类学科往往更容易构成知识流动链条。     

复杂合著网络中的重叠社团发现与可视化

指出随着互联网的发展和社交网络的广泛应用,学者之间的合作途径越来越多,学者具备多重的社团属性;但是,传统的基于聚类或模块度优化等社团划分方法往往将学者划分到唯一的社团。基于Salton方法构建合著网络,使用加权的链接聚类算法实现社团的聚类划分,该方法将节点间的边作为聚类对象,采用凝聚式层次聚类进行社团划分。因节点属于不同的边,因而可以归属于不同的社团,最终得到的社团可以部分重叠。为检验方法的有效性,使用基于CDPLP的合著网络构建系统获取数据,构建合著网络;然后使用加权的链接聚类进行社团发现和可视化。结果表明,该方法能有效地发现部分重叠的合著社团,且社团的意义比较明确。     

公共图书馆青少年网络阅读指导服务研究

在互联网普及的今天,网络阅读已成为青少年获取知识的重要方式。简述我国青少年网络阅读现状,在分析网络阅读利弊的基础上,提出公共图书馆加强青少年网络阅读指导服务的对策,以消除网络阅读给青少年带来的负面影响。     

知识管理中的人际网络

在论述知识管理和人际网络基本概念的基础上,详细介绍知识管理与人际网络之间的关系以及知识管理中人际网络的构建及其应用。     

Predicting scientific research trends based on link prediction in keyword networks

The rapid development of scientific fields in this modern era has raised the concern for prospective scholars to find a proper research field to conduct their future studies. Thus, having a vision of future could be helpful to pick the right path for doing research and ensuring that it is worth investing in. In this study, we use article keywords of computer science journals and conferences, assigned by INSPEC controlled indexing, to construct a temporal scientific knowledge network. By observing keyword networks snapshots over time, we can utilize the link prediction methods to foresee the future structures of these networks. We use two different approaches for this link prediction problem. First, we have utilized three topology-based link prediction algorithms, two of which are commonly used in literature. We have also proposed a third algorithm based on nodes (keywords) clustering coefficient, their centrality measures like eigenvector centrality, and nodes community information. Then, we used nodes topological features and the outputs of aforementioned topology-based link prediction algorithms as features to feed five machine learning link prediction algorithms (SVM, Random Forest Classifier, K-Nearest Neighbors, Gaussian Naïve Bayes, and Multinomial Naïve Bayes). All tested predictors have shown considerable performance and their results are discussed in this paper.