在大數(shù)據(jù)環(huán)境下,科研合作是提高科研水平、促進科研產出的重要途徑。如何在浩如煙海的學者、機構、領域信息中準確地找到與自身研究方向相近的合作對象是近年來科研合作預測的研究重點。本文通過科學學領域科學文獻的記錄數(shù)據(jù),構建作者-作者、機構-機構、作者-機構、作者-關鍵詞、機構-關鍵詞的共現(xiàn)網(wǎng)絡,接著通過網(wǎng)絡表示方法學習作者、機構、關鍵詞在所處網(wǎng)絡中的語境信息,將信息實體表示成相同空間的低維稠密向量,最后根據(jù)表示向量的相似度計算實現(xiàn)合作對象、合作領域挖掘。通過網(wǎng)絡表示學習方法能實現(xiàn)多種異質信息融合,定量計算各信息實體間的關聯(lián)強度,可以很好地捕捉科研網(wǎng)絡中學者-學者、學者-機構、學者-關鍵詞的關系,準確地為學者挖掘潛在合作者、合作機構和關鍵詞。 

【文章來源】：情報學報. 2020,39(04)北大核心CSSCICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

隨機游走圖

式中，dtx表示節(jié)點t和x之間的最短距離。求解當前節(jié)點v的所有鄰居節(jié)點的概率，進而生成網(wǎng)絡中每個節(jié)點的表示向量。使用node2vec網(wǎng)絡表示學習模型，最終網(wǎng)絡中每個節(jié)點會被表示成128維的稠密向量，表示向量蘊含作者、機構、關鍵詞在網(wǎng)絡中的重要性、影響力、關聯(lián)強度等多種信息。采用網(wǎng)絡表示學習對多源異質網(wǎng)絡進行學習，可以使得網(wǎng)絡中的每一個作者、機構、關鍵詞均會被唯一的128維表示向量所表示。通過對作者、機構、關鍵詞表示向量進行進一步的分析，可以挖掘出合作網(wǎng)絡中豐富的隱含信息。圖2 隨機游走圖

本文將4本期刊歸類為科學學范疇，生成科學學這一學科節(jié)點，進而將科學學節(jié)點融入綜合科學網(wǎng)絡圖譜中，通過學科期刊表示網(wǎng)絡，挖掘出科學學最為核心的期刊作為科學學的范疇。按照上述方法，通過學科網(wǎng)絡表示學習模型，本文在科學期刊網(wǎng)絡圖譜中挖掘出與科學學具有高關聯(lián)強度的期刊。本文選取了最為相關的50本期刊作為科學學的范疇，計算這50本期刊節(jié)點與科學學節(jié)點的相似度，通過Gaphi軟件繪制了科學學核心期刊圖，如圖3所示。圖中的中心節(jié)點是科學學學科節(jié)點，周圍的節(jié)點表示科學學領域的50本核心期刊。本文將上述最為相關的50本期刊作為科學學的范疇，以這50本期刊構造檢索式，在WoS核心集中限定出版物來檢索上述50本期刊，年份限定為2009—2018年，共計采集文獻記錄數(shù)據(jù)28140篇。

【參考文獻】：
期刊論文
[1]基于網(wǎng)絡表示學習的科研合作推薦研究[J]. 余傳明,林奧琛,鐘韻辭,安璐.  情報學報. 2019(05)
[2]基于學術能力及合作關系網(wǎng)絡的學者推薦研究[J]. 熊回香,楊雪萍,蔣武軒,馬亮.  情報科學. 2019(05)
[3]基于網(wǎng)絡拓撲結構與節(jié)點屬性特征融合的科研合作預測研究[J]. 汪志兵,韓文民,孫竹梅,潘雪蓮.  情報理論與實踐. 2019(08)
[4]基于表示學習的學者間潛在合作機會挖掘[J]. 林原,劉海峰,王海龍,林鴻飛,許侃.  情報雜志. 2019(05)
[5]深度學習中的表示學習研究及其對知識計量的影響[J]. 孫曉玲,丁堃.  情報理論與實踐. 2018(09)
[6]基于網(wǎng)絡表示學習的科研合作預測研究[J]. 張金柱,于文倩,劉菁婕,王玥.  情報學報. 2018(02)
[7]基于多特征融合的金融領域科研合作推薦研究[J]. 余傳明,龔雨田,趙曉莉,安璐.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2017(08)
[8]網(wǎng)絡表示學習綜述[J]. 涂存超,楊成,劉知遠,孫茂松.  中國科學:信息科學. 2017(08)
[9]知識表示學習研究進展[J]. 劉知遠,孫茂松,林衍凱,謝若冰.  計算機研究與發(fā)展. 2016(02)
[10]基于LDA模型的科研合作推薦研究[J]. 劉萍,鄭凱倫,鄒德安.  情報理論與實踐. 2015(09)



本文編號：3379108