基于集成学习的科研合作者潜力预测:一种分类方法

摘要

科研合作是学术成果非常重要的实现形式,很多高水平的研究成果通过合作实现.研究合作潜力可以为学者选择合作者提供指导,最大化科研效率.然而当前大数据爆发阻碍了合作者的有效选择.为了解决这个问题,基于学者-文章大数据,本文综合考虑学者的文章、机构、研究兴趣等个人属性和相关属性,分别从文章标题、文章等级、文章数量、时间及署名序多维度构造样本特征,提出了基于集成学习分类方法的科研合作者潜力预测模型.本文分析并构造对应于科研合作者潜力预测问题的特征集,并采用分类方法解决这一问题.实验中准确率、召回率、F1分数都能够以较少的样本和时间收敛于较高值(80％以上),说明了模型的优越性.