基于BERT的学术合作者推荐研究

摘要

学术合作者推荐是学术大数据的一个有效应用.但是现存的方法忽略了学术研究者和研究主题间的上下文关系,因此不能推荐合适的合作者.该文提出了基于BERT的合作者推荐(BACR),旨在推荐高潜力的合作者以达到研究者的要求.为此,设计了一个新的推荐框架,它有两个基本组成部分:BERT(bidirectional encoder representations from transformers)预训练语言模型和逻辑回归模型(LR).其中,BERT将研究者和研究主题联合表示得到句子层面的具有上下文关系的特征向量表示.LR将BERT输出的特征向量作为输入得到该样本为正类的概率,最后输出概率最大的前K个合作者信息.通过与基于Network Embedding的SDNE和TSE算法的对比实验,结果表明充分考虑了研究者和研究主题间的上下文关系的BERT模型得到了更好的特征向量表示,提高了合作者推荐的准确率.