基于学术合作数据的合作者推荐

摘要

近年来，随着信息技术的不断发展，学术领域中，学术合作网络规模也不断得以壮大和发展。并且，学术合作作为学术领域重要的交流方式，也吸引了大量的学者纷纷参与到学术合作当中。通过学术合作，学者们也从中获取了非常多的益处。而合作到底是怎样促进学者的进步发展的？以及怎么更迅速地找到对自己最有价值的合作者？在这里，本文针对这两个问题，首先应用社会计量学方法对学术合作的效益及合作网络的结构进行量化分析，继而，提出基于学术合作数据的最有价值的合作者推荐策略。
　　学术合作通常对学者的创造力和产出具有积极的影响。而合作是如何推动学者在学术网络中提高影响力的？本文通过社会计量学方法来量化分析，主要对网络结构和个体特征来进行分析，从学者影响力，网络结构和合作收益三个方面评估合作的促进作用。同时，引入贝肯数，广义好友悖论和三元闭包理论来分析合作效益。
　　另外，在许多情况下，学者找到对自己最有价值的合作者是非常耗时的。而具有比较高的学术水平和相关研究课题的学者，才是真正能够帮助学者丰富他们研究的人。但是，怎么能找到最有价值的合作者呢？在本文中，提出了最有价值的合作者推荐模型叫做BCR。BCR基于学者发表的文章，运用LDA模型，并将三个学术特征相结合来挖掘最有价值的合作者，包括：研究兴趣的主题概率划分，研究兴趣随时间的动态变化以及学者的影响力。为此，首先，针对学者发表的论文，通过 LDA模型进行主题聚类，得到学者的研究兴趣主题分布。接着，计算合作者的特征矩阵和目标学者之间的相似性。然后，考虑到学者研究兴趣的动态变化，通过时间函数来修正生成的主题分布矩阵。最后，结合在网络中合作者所具有的影响力，得到最终的推荐排序得分。
　　最后，基于引用网络数据集，对 BCR模型和另外四个对比模型通过实验进行了验证。在准确率、召回率、F1以及推荐质量方面，BCR模型都有比较好的推荐效果。

目录

声明

1 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 研究内容和贡献

1.4 本文组织结构

2 相关理论与研究

2.1 几种常见的推荐技术

2.2 社会计量学理论

2.3 本章小结

3 学术合作社会计量分析

3.1 Citation数据

3.2 数据处理

3.3 学术合作如何提高学者的影响力及相关分析

3.4 本章小结

4 基于学术合作数据的最有价值合作者推荐策略

4.1 问题描述

4.2 BCR推荐策略概述

4.3 BCR推荐策略实现

4.4 本章小结

5 实验评估

5.1 实验设计与实现

5.2 实验结果及分析

5.3 BCR模型优缺点分析

5.4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢