网络表示学习在学者科研合作预测中的应用研究

在大数据环境下,科研合作是提高科研水平、促进科研产出的重要途径。如何在浩如烟海的学者、机构、领域信息中准确地找到与自身研究方向相近的合作对象是近年来科研合作预测的研究重点。本文通过科学学领域科学文献的记录数据,构建作者-作者、机构-机构、作者-机构、作者-关键词、机构-关键词的共现网络,接着通过网络表示方法学习作者、机构、关键词在所处网络中的语境信息,将信息实体表示成相同空间的低维稠密向量,最后根据表示向量的相似度计算实现合作对象、合作领域挖掘。通过网络表示学习方法能实现多种异质信息融合,定量计算各信息实体间的关联强度,可以很好地捕捉科研网络中学者-学者、学者-机构、学者-关键词的关系,准确地为学者挖掘潜在合作者、合作机构和关键词。     

基于时间兴趣因子的网络表示学习图书推荐模型研究

[目的/意义]通过分析图书馆的图书流通数据,本文提出一种基于时间兴趣因子融合网络学习的图书推荐模型—TIF＿N2V＿CF。[方法/过程]评估用户借阅图书的时间间隔并定义兴趣因子权重,根据流通数据构建同质关系网络;网络表示学习将得到的特征矩阵输入融合推荐模型并得到推荐结果。[结果/结论]实验表明,TIF＿N2V＿CF模型的召回率在top z=10和z=20时分别为0.1302、0.2031,高于未引入时间兴趣因子的N2V＿CF模型。TIF＿N2V＿CF模型将时间兴趣因子引入到网络表示学习,对融合用户和图书的特征矩阵进行相似度计算,解决图书借阅流通数据中同一时间包含多本图书借阅记录造成的难以序列化的问题,缓解数据稀疏和冷启动对模型性能的影响,提高了推荐精度。     

一种基于图卷积自编码模型的多维度学科知识网络融合方法

[目的/意义] 针对包含单一类型知识单元的知识网络难以全面反映学科知识结构的问题，提出一种从多维度进行知识网络结构融合的方法，为学科领域知识结构挖掘提供借鉴。[方法/过程] 利用LDA及TF-IDF方法抽取学科知识单元，然后运用语义相似度和关键词共现分析方法构建3个学科知识子网络：主题网络、关键词网络和实体网络，并采用空间节点传递对齐方法对齐子网络节点，接着设计基于图卷积操作的自编码模型对知识节点进行表示，最后通过计算余弦相似度重构学科知识网络。[结果/结论] 实验部分以人工智能领域为例，构建融合主题、关键词和实体的学科知识网络并展开分析，实验结果表明，本文所提方法能有效地揭示学科领域研究内容和知识结构，为学科知识发现与组织研究提供有益参考。     

基于2-模异质网络的作者潜在合作空间测度与识别——以图书情报学为例

[目的/意义] 鉴于异质网络能够揭示数据的多重关系,引入合作网络,构建2-模异质网络,并基于此异质网络,进行作者潜在合作空间的测度与识别,增加作者间合作机会,促进学科知识的交流与融合提供参考。[方法/过程] 以2004-2013年间的图书情报学核心期刊论文为研究对象,定义作者-作者-关键词2模异质网络,挖掘网络中的多重关系;定义潜在合作空间的相关概念及测度公式,并运用共现分析、耦合分析及编译VBA, 程序,对2-模异质网络的作者潜在合作空间进行测度与识别。[结果/结论] 发现图书情报学领域的47位核心潜在合作者;某一研究主题的作者潜在合作空间相同或相近,重叠部分形成了该研究领域的潜在合作团队,这一发现为研究人员寻求潜在合作者提供了便利条件。     

一种基于相似度和信任度融合的微博内容推荐方法

[目的/意义]微博对用户获取信息和建立社交网络具有重要作用。提出一种基于相似度和信任度融合的微博内容推荐方法,能够从用户需求出发进行个性化微博内容推荐,对提高微博服务质量、改善信息过载问题具有意义。[方法/过程]基于相似度和信任度融合算法,构建微博内容推荐模型,以新浪微博为研究对象,采用编程方式获取汽车、体育、运动健身、互联网和财经5个领域的数据,展开用户相似度与信任度计算的实验分析和比较。[结果/结论]分析结果显示该方法可以有效表示和挖掘微博内容,改善微博推荐的准确性和用户满意度。     

基于核心作者研究兴趣相似性网络的社群隶属研究——以国内情报学领域为例

[目的/意义]构建情报学领域核心作者研究兴趣相似性网络,研究该网络的社群结构与社群隶属问题。[方法/过程]在CSSCI数据库以中图分类号为检索条件,下载该学科1998-2015年所有的论文数据,通过普莱斯定律识别核心作者。将作者研究兴趣用词袋模型表示,并计算作者间研究兴趣的余弦相似性,进而构建核心作者研究兴趣相似性网络。在此基础上进行社群划分并识别各社群研究主题,计算作者对各社群的隶属度与模糊熵。[结果/结论]研究发现,当前我国情报学研究可分为信息组织与检索、文献计量与科学评价、竞争情报与知识管理、情报学学科整体研究4个领域,大部分作者研究并不局限于单个领域,竞争情报和文献计量领域界限明显,较少有作者将彼此作为次要隶属社群。     

融合情境关系的社会化媒体用户兴趣推荐

[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。     

作者合著网络中研究兴趣相似性实证研究

[目的/意义]从作者微观个体研究兴趣角度出发,通过对作者合著网络中作者关联关键词集的研究,定量地验证研究兴趣相似是作者合作的一个动机。[方法/过程]收集WOS中检索领域相关文献题录信息,构建作者合著网络,并利用Louvain算法划分社区,实现了Jaccard系数及余弦相似性系数的计算指标,统计与对比分析整体网络及社区内部作者研究兴趣的相似性。[结果/结论]在网络整体层次,作者合著网络中作者的研究兴趣相似性较高,但也存在一定比例的差异性即互补性;在科研社区内部,合著作者平均研究兴趣相似性及互补性均高于网络整体层次,科研社区的形成受到作者研究兴趣的影响。两个层次的兴趣相似性反映了研究兴趣相似是作者合作的一个重要动机。     

基于超网络的核心技术识别方法

[目的 /意义]对特定技术领域的核心技术进行识别与分析,可以全面了解该领域的研究现状与发展趋势,为前沿技术研发和抢占科技制高点提供参考与建议。[方法 /过程]引入超网络结构表征技术实体间的多元共现关系,利用超网络嵌入技术自动生成融合结构特征和属性特征的技术节点向量并通过模糊聚类得到技术集群,构建基于超网络结构的局部中心性、半局部中心性和全局中心性等度量指标,以识别每个技术集群中的核心技术节点。[结果 /结论 ]以碳捕集、利用和封存技术领域为例,验证此方法的有效性和科学性,结果显示化学吸收、膜分离、固体吸附和低温分离等技术是该领域的核心技术,有助于我国合理配置资源、加大核心技术的研发力度以获取竞争优势。     

基于SNA国内阅读推广领域作者合作关系研究

[目的/意义] 研究国内阅读推广领域内的论文合著情况,寻找作者之间的合作关系,并深入研究作者间的潜在合作关系,以期推动阅读推广领域的合作研究。[方法/过程] 在外在合作关系的研究方面,基于社会网络分析法对合作网络进行节点中心性测度,从点度中心性、接近中心性、中间中心性3个属性出发,对国内阅读推广领域内作者之间合作关系进行系统分析; 在潜在合作关系研究层面,采用 TF-IDF关键词加权的作者关键词耦合强度算法,对核心作者群122名作者的潜在合作关系进行挖掘,同时使用 UCINET和 NETDRAW软件对关系网络进行分析。[结果/结论] 揭示国内阅读推广领域作者现存合作关系网络特点,验证该领域合作仍存在潜力,为领域内作者合作方向提供新思路,推动更高质量研究成果的产出。     

基于图书借阅网络的各类书籍关系研究

[目的/意义] 挖掘图书馆借阅数据,从网络属性、节点重要性和社团模块来研究各学科书籍之间的关系,有助于指导图书资源管理、读者服务和学科建设工作。[方法/过程] 基于复杂网络的理论和方法对图书馆学生借阅数据进行分析,以各类目书籍为节点,构建图书共现网络。在此基础上,对加权网络的网络属性和节点重要性进行探讨,并通过随机游走算法划分书籍社团。[结果/结论] 研究揭示了书籍及学科间的内在联系,同时,也为加权网络的实证研究提供一定的经验材料。     

作者合著有向网络构建与分析

[目的/意义]研究作者合著有向网络的构建与分析方法,探索其在科研关系分析中的应用.[方法/过程]遵循国内惯例,在区分作者署名次序的前提下,抽取第一作者与其他作者间的有向合著关系构建作者合著有向网络,并从整体结构、拓扑类型和节点特征等方面与传统的作者合著无向网络进行对比分析.[结果/结论]作者合著有向网络揭示出合著者间的主导与配合作用,为便捷地了解学者在科研合作中的角色定位提供了可能,未来或将有助于对学者和机构的更加全面的科研评价.     

一种基于复杂网络模型的作者身份识别方法

[目的/意义]作者身份识别是语言文体学的重要研究方向,利用文本特征的身份识别也是文本挖掘的重要任务。在开放和虚拟网络环境下海量信息的作者身份或发布者的识别难题和传统作者身份识别方法在处理效率和成本等方面存在的问题有待解决。[方法/过程]将复杂网络理论引入该研究领域,在利用传统文体学特征识别作者身份方法的基础上结合文本词共现网络模型及其指标特征改进相关算法,使用文本文体学特征和文本网络模型度量指标构建作者风格特征集合,通过计算文本间风格相似度进行作者识别。[结果/结论]基于复杂网络模型的作者身份识别方法可以有效的利用作者风格特征,提高识别的精度,与其他算法的对比试验表明其识别结果的准确性更高。     

融合关系强度和兴趣的好友推荐方法研究

[目的/意义] 利用三度影响力理论,从网络结构的角度进一步拓展用户关系连接,提高社交网络好友推荐的效率。[方法/过程] 首先,计算用户之间的关系强度,并筛选关系强度较大的用户集合;然后,通过用户共同关注的内容计算用户兴趣相似度;最后,融合用户关系强度和兴趣相似度实现好友的推荐并通过实际数据对所提方法进行实证检验。[结果/结论] 实验结果表明,融合关系强度和兴趣的社交网络好友推荐方法具有较好的效果,可为用户推荐提供参考和借鉴。该方法进一步完善社会化推荐理论。     

基于科研网络的潜在合作关系预测研究综述

[目的/意义]合理预测科研领域的潜在合作关系有助于优化资源配置,提升科研产出效率。从科研网络出发的潜在合作预测研究日益增长,需要系统总结。[方法/过程]在CNKI和Web of Science中检索并筛选出基于科研网络的潜在合作关系预测方法的研究,从年发文量、期刊分布对目标文献集进行统计分析。使用内容分析法,梳理出预测潜在合作关系的一般流程,描述步骤中的方法。[结果/结论]潜在合作关系预测一般流程为网络构建、特征提取与表示、合作预测和预测结果评价,其中构建的网络可分为同质网络、异质网络和二分网络,特征提取和表示可分为节点内容特征和网络结构特征,合作预测的方法主要有基于相似性的方法和基于机器学习的方法,预测结果评价的指标为AUC、Precision和Ranking Score;现有方法的局限性启示了未来潜在合作关系预测的发展方向。     

基于超网络的微博相似度及其在微博舆情主题发现中的应用

[目的/意义] 准确地计算微博相似度可以提高微博主题挖掘效率，对舆情治理、保障信息安全具有实践意义。针对微博文本语义稀疏、高维的问题，提出一种融入微博非文本特征的超边相似度算法。[方法/过程] 分析微博舆情发生机制，利用超网络模型表示微博舆情主题形成过程，通过计算各层子网相似度及各层子网对主题形成的贡献度构建超边相似度算法。[结果/结论] 研究发现，论文所提出的相似度方法有助于提升微博舆情信息的主题聚类效果，特别是对于文字性表述相似程度高的微博信息，具有明显的主题区分性。     

科研社交网络的推荐系统对比分析

[目的/意义]科研社交网络与大众社交网络一样存在信息过载问题,利用推荐系统向科研人员推送个性化信息是解决该问题的重要手段。通过与国外主流科研社交网络相比较,找出我国科研社交网络的推荐系统存在的问题,进而寻求解决之道。[方法/过程]从推荐项目、推荐策略、冷启动方案、用户偏好学习4个方面,对科研之友、学者网、ResearchGate、Academia这4个科研社交网络的推荐系统进行对比。[结果/结论]我国科研社交网络的推荐系统在上述4个方面都与国外同行存在明显的差距,存在推荐项目较少、推荐策略单一、冷启动效果差、用户偏好学习能力弱等问题。针对这些问题,提出改进建议。     

科研兴趣空间挖掘与多任务推荐研究——基于异质信息网络表示学习

丰富的互联网文献数据库是科研人员了解领域发展和前沿的重要资源,从全局视角对领域的海量科研成果进行高效信息挖掘,可以在知识洪流中为科研人员提供更加明确的方向。本研究基于经典生物医学文献数据库PubMed收录的发表于2010—2021年的13万篇文章,挖掘科研人员的历史行为信息,构建同时包含作者、论文、关键词的异质信息网络,利用异质信息网络表示学习算法metapath2vec将该网络嵌入成为异质向量空间,并通过计算异质向量空间中向量的相似度指标,同时实现科研合作者推荐与科研兴趣关键词推荐。与已有研究相比,本研究的方法更加重视多任务协同,不仅在新增的科研兴趣关键词的任务中获得了有意义的推荐结果,还显著提高了科研合作者推荐的准确度。同时,本研究在作者空间与关键词空间进行了深入挖掘,并证明其在科研兴趣的语义理解方面具有指导意义。本研究在科研兴趣的研究、挖掘与推荐方面提供了新的研究视角。     

基于网络Hub的领域核心知识涌现研究

[目的/意义]探索领域知识网络中的核心知识涌现有助于揭示知识发展的内在机理,对于掌握领域知识发展脉络以及发展模式具有重要意义。[方法/过程]以复杂网络的思想为基础,基于关键词的邻接关系构建领域知识网络。采用Hub涌现的分析方法,对领域知识网络从时间序列上进行动态跟踪与分析。从知识节点的度序列分布、熵值分析、特定节点涌现3个方面对领域知识网络的知识涌现现象进行分析。[结果/结论]研究结果表明：领域核心知识涌现过程中随机性与非随机性交互影响;领域核心知识涌现在总体上呈现由随机性主导到结构性主导的演进趋势;领域中涌现出的核心知识并非是一劳永逸一成不变的。     

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。