检索结果-内蒙古大学图书馆

数据分析与知识发现 2022年第10期6卷 20-34页

作者：董文慧熊回香杜瑾王妞妞华中师范大学信息管理学院武汉430079

【目的】帮助学者快速地找到合适的科研合作者,促进科研产出,增进学术交流。【方法】采用LDA主题模型、PageRank算法、社会网络分析等方法,全面深入挖掘学者的自然属性、兴趣属性、能力属性、社交属性4个维度特征以构建学者画像,并基于... 详细信息

【目的】帮助学者快速地找到合适的科研合作者,促进科研产出,增进学术交流。【方法】采用LDA主题模型、PageRank算法、社会网络分析等方法,全面深入挖掘学者的自然属性、兴趣属性、能力属性、社交属性4个维度特征以构建学者画像,并基于学者偏好开展科研合作者推荐。【结果】从CNKI和CSSCI获取图书情报领域14007篇文献、13292条引文数据及11869位作者验证所提模型,最终向目标学者推荐了20名研究兴趣相似及互补的潜在科研合作者。【局限】未能很好地解决冷启动问题,且在学者能力表征方面忽略了不同署名顺序的作者对论文的贡献度,在实证环节数据量选择有限。【结论】所提模型可以有效地向目标学者推荐高权威度、高相关度,且科研生产力和社交关系等多方面特征均高度匹配的潜在科研合作者,具有较好的应用价值。

关键词：学者画像科研合作者推荐 LDA PageRank 社会网络分析

来源：评论

学校读者我要写书评

暂无评论

融合动态研究偏好和社交信任的潜在科研合作者推荐研究

引用

情报学报 2023年第11期42卷 1335-1346页

作者：钟元生高成珍朱文强江西财经大学信息管理学院南昌330013 江西财经大学财经数据科学重点实验室南昌330013 江西财经大学软件与物联网工程学院南昌330013

从海量科研数据中自动发现潜在合作者是科研合作预测研究的热点。鉴于学者研究兴趣随时间变化以及人们更倾向于与具有一定学术社交关系的学者合作,本文提出一种融合学者动态研究偏好和学术社交信任的潜在科研合作者推荐模型SimTrustRec... 详细信息

从海量科研数据中自动发现潜在合作者是科研合作预测研究的热点。鉴于学者研究兴趣随时间变化以及人们更倾向于与具有一定学术社交关系的学者合作,本文提出一种融合学者动态研究偏好和学术社交信任的潜在科研合作者推荐模型SimTrustRec。首先,利用LDA (latent Dirichlet allocation)模型学习已发表论文的主题分布,挖掘学者动态研究偏好特征,计算学者间研究偏好相似度;其次,根据论文中学者、单位共现关系构建学术社交网络,计算直接学术社交信任值,根据信任的传递性,计算间接学术社交信任值;最后,融合研究兴趣相似度和学术社交信任值计算学者间潜在合作的可能性,生成潜在合作者推荐列表。真实数据集ArnetMiner上的实证研究结果表明,相对于已有方法,本文方法在召回率、命中率、平均倒数排序方面均有一定的提升。

关键词：动态研究偏好学术社交网络社交信任科研合作者推荐

来源：评论

学校读者我要写书评

暂无评论

基于异构网络的企业科研合作者推荐研究

引用

科技管理研究 2024年第14期44卷 234-242页

作者：杨娜刘钱余小菊陕西师范大学国际商学院陕西西安710119

旨在研究产学研领域中面向企业的科研合作者推荐问题,以改进现有方法中仅使用专利、合作关系等单一信息的现状,以及避免在可移植性方面的局限性。提出基于异构网络向企业推荐潜在科研合作人员的方法:首先引入异构网络,融合企业、科研人... 详细信息

旨在研究产学研领域中面向企业的科研合作者推荐问题,以改进现有方法中仅使用专利、合作关系等单一信息的现状,以及避免在可移植性方面的局限性。提出基于异构网络向企业推荐潜在科研合作人员的方法:首先引入异构网络,融合企业、科研人员、专利和论文等多元节点信息,以及企业技术需求和社交关联等多元关联信息;其次分析不同语义关系下连通企业与科研合作者的元路径,并以各元路径下的路径实例为语料,运用SkipGram模型进行网络嵌入训练,用向量余弦相似度表示节点之间的关联程度;最后融合不同路径下的推荐结果,得到最终的科研合作者推荐列表。基于Scholarmate的实例验证表明,元路径1和路径3的推荐效果最好,而综合各条元路径时模型在准确率和特异度指标上表现更好;此外,在符合企业实际情况的不同推荐列表长度下,模型各指标变化不大且处于理想水平,且综合多条元路径时模型的鲁棒性更强。此方法可为企业解决科技人才获取难的问题提供解决方案,并为企业的技术需求分析和产学研领域的社交关系分析提供思路参考。

关键词：科研合作者推荐潜在科研合作人员异构网络元路径网络嵌入 Skig-Gram模型

来源：评论

学校读者我要写书评

暂无评论

基于多维决策属性的跨学科科研合作者推荐研究

基于多维决策属性的跨学科科研合作者推荐研究

引用

作者：王妞妞华中师范大学

学位级别：硕士

伴随着信息技术的飞速发展与数字化科研基础设施的普及,学术交流模式与科研组织形式正在发生剧烈变革,科学研究突破单一学科局限走向跨学科研究模式的趋势愈加明显,学者们为了解决科研难题、提高学术产出以及建立良好的学术声誉,倾向于... 详细信息

伴随着信息技术的飞速发展与数字化科研基础设施的普及,学术交流模式与科研组织形式正在发生剧烈变革,科学研究突破单一学科局限走向跨学科研究模式的趋势愈加明显,学者们为了解决科研难题、提高学术产出以及建立良好的学术声誉,倾向于以合作的方式开展研究,跨学科科研合作便成为科学研究的重要类型之一,也是推动国家创新发展战略的关键形式。已有研究表明学者往往出于生产动机、经济动机和社会动机三类动机选择科研合作者,这意味着在跨学科背景下,学者选择科研合作者时需要综合考虑其他学者的学科领域、研究方向、学术水平、权威程度、人际网络等多种决策特征属性,然而当前大多数学者通过社交圈、参加学术会议、历史合作记录等途径来选择科研合作者,这些方式容易受到时间、空间等因素的影响且可供选择范围受限,学科复杂性及认知有限性导致学者错失了与潜在合作者进行科研合作的机会;虽然学者可以利用科研社交平台进行学术交流发现潜在合作者,但信息过载问题仍不可忽视。因此,本文构建基于多维决策属性的跨学科科研合作者推荐模型。该模型以学者学科属性识别、研究兴趣挖掘、能力属性挖掘及科研角色分析为基础,其中,在学者学科属性识别部分,本文选择期刊作为学科分类标准,依据发文量识别学科内核心学者,利用作者单位进行同名消歧;在研究兴趣挖掘部分,本文一方面利用发文时间、作者署名顺序等对关键词加权以表征学者的动态研究兴趣,另一方面,利用LDA融合TWE深度学习方法表征学者研究方向;在学者能力属性挖掘部分,本文考虑学者合著顺序和期刊分布,利用领域内调和h指数和发文均衡系数衡量学者能力;在学者科研角色识别部分,本文结合学者的署名顺序和在文章中的贡献要素说明,判定学者科研角色。在综合特征识别的基础上,利用熵权法从学科关联维度、学者认知维度和团队结构三个维度融合上述属性,解决选择什么学科的学者开展合作、如何识别可合作学科内的潜在合作者以及如何最大限度保证合作模式匹配这些问题。最后,本文从CSSCI和中国知网等平台获取实证数据展示学者特征挖掘及推荐的过程,验证模型的可行性和有效性。

关键词：多维决策属性跨学科科研合作者推荐 LDA TWE

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的科研合作者推荐研究

基于图神经网络的科研合作者推荐研究

引用

作者：杨钰琳中国科学院大学

学位级别：硕士

全国人才资源总量上升，随之产生了大量科研成果。科研合作现象较为普遍，主要通过论文开展，且科研学者合作意愿较强。因此如何高效地为学者推荐合作者成为研究热点。　　图神经网络在自然语言处理、数据挖掘和推荐等领域取得了丰硕的... 详细信息

全国人才资源总量上升，随之产生了大量科研成果。科研合作现象较为普遍，主要通过论文开展，且科研学者合作意愿较强。因此如何高效地为学者推荐合作者成为研究热点。　　图神经网络在自然语言处理、数据挖掘和推荐等领域取得了丰硕的成果在科研合作推荐领域，图数据结构能同时表示出学者的属性信息和学者之间的合作关系。将图神经网络与科研合作推荐相结合，可以有效地提高推荐任务的精准度，从而为实际的科研合作提供数据支撑和参考依据。　　因此，本课题基于图神经网络构建了一个科研合作推荐模型，使用并改进了相关深度学习算法以提升科研合作推荐的准确率。　　本文的主要贡献内容如下:　　1、针对公开数据集的滞后性导致推荐模型难以拟合真实的学者合作环境的问题，本文基于规则构建了科研合作者推荐的论文数据集。为在线获取学术论文网站数据的每个阶段设计了多项数据获取和处理规则，不仅保留了数据的原始特征信息，也过滤了许多影响推荐模型性能的无效信息。与公开数据集相比，本文构建的数据集在论文信息和学者信息方面具备相对较好的完整性和时效性。　　2、针对传统模型对论文数据进行文本特征向量表示欠拟合的问题，本文提出了一种改进的基于BERT-DNN的文本特征表示模型。该模型通过词性正反馈完成文本重建任务，充分利用上下文信息挖掘出论文摘要中潜在的特征信息，得到文本的特征向量表示。在已有模型BERT的结构中加入DNN网络，不仅能够充分捕获数据中潜在的特征信息，还降低了文本特征向量的维度，从而提升了模型的推荐性能。实验表明，与其他文本特征向量表示模型相比，BERT-DNN模型具有更好的性能表现。　　3、针对科研合作者推荐模型无法适应于动态变化的实际合作问题，本文提出了一种基于改进的动态图神经网络IDGNN的科研合作者推荐模型。该模型在已有基础上融合了历史合作关系、科研成果摘要和属性等多角度信息，在训练时，不仅学习学者自身节点及其多跳邻居节点属性的特征，也考虑了时间属性下节点和交互关系的增加等动态变化过程。此外，IDGNN在对自身节点特征向量更新的同时，也将新的交互关系传播给其他邻居节点，使动态网络中节点的特征始终保持在更新后状态。实验表明，与其他推荐模型相比，本文的推荐模型具有更好的性能。

关键词：科研合作者推荐图神经网络 BERT-DNN IDGNN

来源：评论

学校读者我要写书评

暂无评论

基于多维度融合的科研合作者推荐研究

基于多维度融合的科研合作者推荐研究

引用

作者：董文慧华中师范大学

学位级别：硕士

随着互联网与信息技术的快速发展,传统的资料室、图书馆逐渐向信息化、数字化方向转型,学术资源数据库也应运而生。30余年来,国内知网、维普、万方等学术资源数据库迅速崛起,收集、整理的文献数据规模不断扩大。学术资源数据库的出现,... 详细信息

随着互联网与信息技术的快速发展,传统的资料室、图书馆逐渐向信息化、数字化方向转型,学术资源数据库也应运而生。30余年来,国内知网、维普、万方等学术资源数据库迅速崛起,收集、整理的文献数据规模不断扩大。学术资源数据库的出现,逐步改变了知识传播的形式,极大地促进了知识共享,也为众多学者提供了在线阅读和展示学术成果的平台。与此同时,日新月异的科学技术变化和爆炸式增长的学术信息,也为学者发现感兴趣且合适的合作对象带来了困难。对于学者而言,一个准确、合适的推荐结果,能够促进研究产出,提高科研质量,并提升用户对推荐系统的体验感、满意度。因此,如何帮助学者在浩如烟海的学术资源信息中快速地找到学术水平较高、与自身研究兴趣相近,且合作机率较大的科研合作者,成为科研合作者推荐相关研究的关键和难点。本文以CNKI和CSSCI的学术资源信息为例,借助语义分析法、社会网络分析法等方法,通过挖掘学者自然属性、兴趣属性、能力属性、社交属性四个维度的信息,最后借助专家打分和层次分析法实现基于多维度融合的科研合作者推荐。其中,自然属性中选择学术年龄、职称或教育背景、机构所属省份三个指标,对学术年龄、职称或教育背景两指标先评级,后依据与被推荐学者的相似度构建打分矩阵,对机构所属省份指标,根据经纬度计算距离,后生成省际距离的倒数矩阵;学者的兴趣属性由学者的所著文章摘要体现,视学者所著摘要为文本文档,借助文章关键词构建自定义词表,对摘要信息进行分词处理后,借助LDA主题分析法和余弦相似度法对学者进行文本信息主题挖掘和相似度计算;能力属性由融合逐年发文年数的h指数和机构权威度综合体现,其中,融合后的h指数既考虑了学者学术生涯的影响力,又考虑了近期的生产力,机构权威度由机构在图书情报领域的学科评估和机构的建设水平综合评级打分而体现;社交属性引入了学者的引文网络和合作网络,借助PageRank算法实现对学者的引文网络打分,借助Gephi软件分别生成学者和机构的合作网络并计算学者和机构的点度中心度和中介中心度。最后归一化处理4个维度的1 1个指标,并结合层次分析法整合专家指标赋权意见,得到指权重,再综合各指标分值得到科研合作者推荐结果。

关键词：科研合作者推荐多维度融合 LDA主题模型 PageRank算法社会网络分析法

来源：评论

学校读者我要写书评

暂无评论

异构信息网络中基于新型随机游走框架的科研合作者推荐机制研究

异构信息网络中基于新型随机游走框架的科研合作者推荐机制研究

引用

作者：刘婷婷深圳大学

学位级别：硕士

社交网络平台是近十年来互联网用户最广泛应用的大型信息系统,已经成为海量用户交流与资讯获取的重要渠道。其中,大众社交网络平台(微博、领英、QQ等)很少从研究领域或研究兴趣的角度组织用户和传播信息,因此又逐渐衍生出专为科研人员... 详细信息

社交网络平台是近十年来互联网用户最广泛应用的大型信息系统,已经成为海量用户交流与资讯获取的重要渠道。其中,大众社交网络平台(微博、领英、QQ等)很少从研究领域或研究兴趣的角度组织用户和传播信息,因此又逐渐衍生出专为科研人员提供专业学术资讯的科研社交网络平台。这些平台通过提供用户搜索服务帮助科研工作者寻找合作伙伴,并借助推荐系统解决信息过载和需求不明的问题。目前,科研合作者推荐领域重点关注特征的选择和方法的设计。其中,特征从属性的角度可以分为基于内容的特征和基于网络的特征。由于基于内容的特征可以转化成基于网络的特征,因此网络特征比内容特征更具普适性。除此之外,为了能够在信息网络中表征特征并量化特征,学者们重点关注推荐方法的挑选和设计。基于图模型的链路预测算法是比较经典且广为使用的科研合作者推荐方法。相关链路预测算法在人员推荐领域已经相当成熟,推荐的准确率较高。综合以上考虑,异构信息网络中基于新型随机游走框架的科研合作者推荐包含以下创新研究:(一)合并单一网络,构建基于机构网络和合著网络的异构信息网络:同质网络结构单一,缺乏可充分分析合作者相似性的特征,而异构信息网络包含的多源信息有助于对象的搜索、数据稀疏性的缓解及推荐准确率的提高。因此,在充分研究科研合作情况后,本文构建异构信息网络并产生了4种不同的邻居信息。(二)改进迁移概率,设计动态的迁移概率以拟合邻居关系及其强度:传统的随机游走算法(例如重启动随机游走)采用的是静态和固定的迁移概率,难以反映目标对象与各候选对象之间的相似性差异。本文在异构信息网络的基础上,设计了一套新的候选节点评估机制,变传统静态游走为动态游走,能更好地刻画节点之间相似性的传递规律。(三)设计筛选方式,根据节点迭代后累计获得推荐机会的次数构建推荐集:迭代结束后,传统的随机游走算法将使各候选节点获得其相对于目标节点的重要性权重,而本文则计数节点获得推荐机会的次数,并采用Top-N策略推荐候选节点。为了验证所提算法的有效性,本文从ISI(科学信息研究所)Web of Science(WoS)网站导出7万余篇期刊论文的编目信息进行三组对比实验。实验结果表明,尽管实验数据存在稀疏性的问题,但异构信息网络中基于新型随机游走框架的科研合作者推荐算法整体优于基于节点相似度的链路预测算法、经典的PersonalRank和重启动随机游走算法。从而证明了本文构建异构信息网络以利用异构信息、设计新的相似度评估机制以利用动态迁移概率、采用新的推荐集合构建方式以筛选候选节点对提高推荐效果起到的显著作用。本文为科研领域的人员推荐提供了新的解决思路和方法,对该领域的相关学者以及研发人员具有积极的启示意义。

关键词：科研合作者推荐异构信息网络随机游走社交网络分析科研社交网络平台

来源：评论

学校读者我要写书评

暂无评论

基于LDA的科研合作者推荐模型及在科研成果管理系统中的研究与实现

基于LDA的科研合作者推荐模型及在科研成果管理系统中的研究与实现

引用

作者：戴晶辽宁大学

学位级别：硕士

科研合作能够加快科研信息流动,促进科研工作开展,提升研究成果质量,进而对科研理论创新和技术突破具有积极意义。本文着重研究为高校科研人员推荐合作者,针对科研合作推荐中的信息不对称和信息过载问题展开研究,提出了两大主要的科研... 详细信息

科研合作能够加快科研信息流动,促进科研工作开展,提升研究成果质量,进而对科研理论创新和技术突破具有积极意义。本文着重研究为高校科研人员推荐合作者,针对科研合作推荐中的信息不对称和信息过载问题展开研究,提出了两大主要的科研合作者推荐情境:基于相似性推荐和特定背景限制推荐。基于相似性推荐:构建科研人员-关键词的耦合网络,在社区网络内部建立基于LDA的兴趣模型来计算科研人员相似性,解决相应问题;特定背景限制推荐:构建主题模型进行分类,再基于LDA兴趣模型推荐符合要求的科研人员。从两个方面显著提高了科研合作推荐合理性和准确度。首先,本文对科研合作推荐问题进行规范性描述,基于相关因素提出关键变量参数,进而构建了问题的总体框架,在框架中对基于特定背景限制的科研合作者推荐和基于相似性的科研合作者推荐两大主要的科研合作者推荐情境进行了定义,进而讲述其相应解决对策。1.对于基于相似性的科研合作者推荐,本文提出一种混合方法整合六种异质文献网络特征,构建科研人员-关键词所形成的耦合网络,并将科研人员本身特性和社区网络引入其中,此方法改进了传统潜狄利克雷(LDA)模型未将科研人员特性考虑进来的缺陷,且能够对数据进行降维处理。从而解决了传统利用向量空间建模,基于关键词匹配和文本挖掘技术由于语义模糊性会造成关键词失配问题。2.对于基于特定背景限制的科研合作者推荐,本系统采取的科研合作者推荐机制是以专业知识覆盖面为导向的,这种机制提出了基于LDA模型的改进方案,构建基于LDA的科研人员兴趣模型,提升在同一语料库当中有不同影响力文档的模型的性能。本文所提出的解决方案已被应用到高校科研成果管理系统中,系统还实现了基于网络化的科研成果管理,能够进行成果数据管理、数据分析、动态更新等功能,可以将科研动态信息进行汇总,采用信息推送的方式展现给科研人员,协助高校科研人员更加顺畅地分享知识成果、寻找合作伙伴、开展学术交流和协同工作。

关键词：科研合作者推荐社会网络 LDA模型科研成果管理

来源：评论

学校读者我要写书评

暂无评论

动态异构信息融合的科研合作潜力预测

引用

计算机应用 2023年第9期43卷 2775-2783页

作者：马国帅钱宇华张亚宇李俊霞刘郭庆山西大学大数据科学与产业研究院太原030006 山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

现有的科研合作潜力预测方法使用特征工程来人工提取科研合作网络中作者的浅层静态属性,忽略了科研合作网络中异构实体间的关联关系。针对以上不足,提出融合科研合作网络中的多种实体潜在属性信息的动态合作潜力预测(CPP)模型,在提取异... 详细信息

现有的科研合作潜力预测方法使用特征工程来人工提取科研合作网络中作者的浅层静态属性,忽略了科研合作网络中异构实体间的关联关系。针对以上不足,提出融合科研合作网络中的多种实体潜在属性信息的动态合作潜力预测(CPP)模型,在提取异构实体的属性的同时考虑了学者与学者之间合作关系的结构特征,并且通过协同优化的方式优化模型,实现了在为学者进行科研合作者推荐的同时预测科研合作潜力的目标。为验证所提模型的有效性,搜集整理了发表在中国计算机学会(CCF)推荐期刊中的50余万篇论文信息以及相关实体的完整属性信息,并采用滑窗法构建了不同时间段的时序合作异构网络,以提取科研合作网络演化过程中的各实体的动态属性信息。此外,为提高所提模型的泛化性以及实用性,随机输入不同时段的数据对模型进行训练。实验结果表明,相较于次优的多层采样聚合图神经网络(GraphSAGE),CPP模型在合作者推荐任务上的分类精确度提高了1.47个百分点;在合作潜力预测任务上的测试误差降低了1.23%。说明了CPP模型能更精准地为学者推荐优质合作者。

关键词：合作潜力预测异构图神经网络信息融合科研合作者推荐时序网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：