學術合作是學術界的一種普遍現象,合作者推薦系統幫助學者發(fā)現有價值的合作者。大多數推薦技術以提高推薦結果的準確率為目標,為學者提供相似的合作者,但是它們忽略了推薦結果的新奇性。合作行為受多方面因素影響,而新奇合作有助于科研技術的革新或科研成果的突破。因此,本文主要研究新奇（serendipity）科研合作者的特性和表現,并分別提出了新奇合作者的識別和推薦方法。首先,本文總結了相關工作中對于新奇性概念的理解,從相關性、意外性和價值性三個角度定義新奇科研合作者,對應的直觀定義分別為網絡結構相似性、主題多樣性和合作者本身影響力,并分別通過隨機游走算法、跨領域合作數以及特征向量中心度對每個指標進行量化。然后,本文利用新奇合作者的定義設計了兩個有價值的應用,分別是基于聚類算法的新奇合作者識別和基于網絡表示學習算法的新奇合作者推薦。基于聚類算法的識別模型RUVMod對所有合作者進行聚類,結合定義中的三個指標對每個合作者簇進行分析,并將所有合作者劃分為8個類別。最終相關性低、意外性和價值性高的合作者簇被識別為新奇合作者集合。另外,基于網絡表示學習算法的推薦方法Seren2vec將新奇合作者的量化指標融... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外相關研究
        1.2.1 學術合作者推薦
        1.2.2 科研領域中的新奇性
    1.3 本文研究內容和貢獻
        1.3.1 本文研究目的和主要工作
        1.3.2 本文創(chuàng)新點
    1.4 本文組織結構
2 理論基礎
    2.1 新奇性的概念分析
    2.2 融入新奇性的推薦技術
    2.3 新奇推薦系統的評估方法
    2.4 本章小結
3 新奇科研合作者的定義及量化
    3.1 新奇合作者的定義
        3.1.1 相關性及其量化
        3.1.2 意外性及其量化
        3.1.3 價值性及其量化
    3.2 DBLP數據預處理
        3.2.1 DBLP數據集簡介
        3.2.2 DBLP數據處理
        3.2.3 論文合作網絡建模
    3.3 本章小結
4 新奇科研合作者的識別
    4.1 基于聚類算法的新奇合作者識別
        4.1.1 合作者分類模型
        4.1.2 自組織映射神經網絡算法
        4.1.3 新奇合作者識別
    4.2 新奇性評估指標
        4.2.1 意外性
        4.2.2 價值性
        4.2.3 新奇性
    4.3 實驗評估
        4.3.1 基于聚類的對比算法
        4.3.2 基于新奇性的對比算法
        4.3.3 實驗總結
    4.4 本章小結
5 新奇科研合作者的推薦
    5.1 基于網絡表示學習算法的新奇合作者推薦
        5.1.1 融合新奇性的合作網絡模型
        5.1.2 基于新奇性導向的網絡表示學習算法
        5.1.3 新奇合作者推薦
    5.2 實驗評估
        5.2.1 對比算法
        5.2.2 模型參數對推薦效果的影響
        5.2.3 實驗總結
    5.3 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝


【參考文獻】：
期刊論文
[1]A Bibliometric Framework for Identifying “Princes” Who Wake up the “Sleeping Beauty” in Challenge-type Scientific Discoveries[J]. Jian Du,Yishan Wu.  Journal of Data and Information Science. 2016(01)
[2]基于密度的聚類算法DBSCAN的研究與實現[J]. 曾澤林,段明秀.  科技信息. 2012(30)
[3]自組織映射（SOM）聚類算法的研究[J]. 余健,郭平.  現代計算機. 2007(03)
[4]自組織映射神經網絡（SOM）在客戶分類中的一種應用[J]. 陳伯成,梁冰,周越博,林析泉,趙延.  系統工程理論與實踐. 2004(03)

碩士論文
[1]基于內容的個性化推薦系統研究[D]. 單京晶.東北師范大學 2015
[2]基于高斯混合模型的EM算法及其應用研究[D]. 邱藤.電子科技大學 2015



本文編號：3173673