基于多图卷积神经网络和注意力机制的学术新星预测方法

摘要

从学术新人中发掘出有潜力的学术新星能够为人才引进、项目评审和专家库构建等任务提供决策支持,具有重要的研究意义与应用价值,因此受到学术界的广泛关注。然而现有的学术新星预测方法并没有将学者的合作关系和个体属性信息进行有机结合,导致准确率低下。为解决上述问题,提出了一种基于多图卷积神经网络与注意力机制的学术新星预测方法MGCNA。综合考虑了合作网络与相似网络,基于2种网络使用图卷积神经网络学习作者的特征表示,再利用注意力机制进行信息融合,从而预测潜力较高的学术新星。最后在来自ArnetMiner平台的真实数据集上进行了实验,实验结果表明了MGCNA在预测学术新星任务上的有效性。