基于科研信息网络的学术会议推荐策略研究

摘要

随着信息技术的迅速发展，科研信息网络的规模已经超出了我们的想象。对学者来说，关注领域内高水平的学术会议/期刊，参加前沿、热门的会议，投稿领域相关且有录用可能的学术会议或期刊是必要的。但是，学术大数据产生的学术信息过载问题为学者在挖掘学术会议/期刊相关信息的时候带来了挑战。因此，本文重点是对学术大数据进行计量分析，并提出了基于科研信息网络的个性化的学术会议推荐策略。
　　本文首先基于科研信息网络对学术会议进行社会计量学分析，探讨学术圈群体结构，学者参会数量与学者水平的关系以及学术会议对学者的影响等。通过分析参加学术会议为学者带来的合作效益以及对贝肯数的积极影响等，论证学术会议推荐在促进学术交流、增加学术合作机会、提升学术水平等方面的重要性。
　　另外，本文致力于研究基于科研信息网络的个性化学术会议推荐策略，并提出了个性化学术会议推荐模型PAVE。PAVE模型首先依据学者间合作关系及学者与会议的参会关系对学术数据进行科研信息网络建模，然后通过我们改进后的带有偏好的转移矩阵来驱动科研信息网络上的重启型随机游走。带偏好的转移矩阵是通过引入学术关系发生频率、区分学术关系权值以及学者学术水平差异三个学术特征来定义的。
　　最后，我们基于DBLP数据集设计并实现了一系列实验，对比PAVE模型和三个基准模型在学术会议推荐方面的表现。实验证明，PAVE模型在准确率、召回率、F1值和Ave-Quality等指标表现最好，并且在推荐效率上更胜一筹。而且，实验证明，PAVE模型更擅长为初入学术领域的学术“新手”解决学术会议推荐问题。我们还实验确定了PAVE模型中阻尼系数的最优设定。

目录

声明

摘要

1 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 学术大数据

1．2．2 学术会议推荐

1．3 研究内容和贡献

1．3．1 本文研究目的和主要工作

1．3．2 本文创新点

1．4 本文组织结构

2 个性化推荐技术

2．1 理论基础

2．1．1 推荐系统工作原理

2．1．2 归一化方法

2．1．3 相似性度量

2．2 推荐技术分类

2．2．1 流行度推荐

2．2．2 基于内容的推荐

2．2．3 基于协同过滤的推荐

2．2．4 基于图的推荐

2．3 评估方法

3 学术会议计量分析

3．1 DBLP数据

3．2 数据处理方法

3．3 学术会议计量分析方法及结论

3．3．1 学术圈群体结构

3．3．2 学者参会数量与学术水平的关系

3．3．3 学术会议对学者的影响

4 基于科研信息网络的学术会议推荐策略

4．1 问题描述

4．2 PAVE推荐策略概述

4．3 PAVE推荐策略实现

4．3．1 科研信息网络建模

4．3．2 PAVE游走模型

4．3．3 带偏好的转移矩阵

4．3．4 推荐结果生成

5 实验评估

5．1 实验设计与实现

5．1．1 对比模型

5．1．2 评价指标

5．1．3 实验方法

5．2 实验结果及分析

5．2．1 模型效果对比

5．2．2 对不同目标推荐效果对比

5．2．3 阻尼系数对推荐效果影响

5．2．4 推荐结果质量评估

5．3 实验总结

5．4 PAVE模型优缺点分析

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢