基于互强化框架和排序学习的学术文献未来影响力动态排序方法及系统

摘要

本发明提供了一种基于互强化框架和排序学习的学术文献未来影响力动态排序方法及系统，包括：步骤A：基于学术实体和实体间关系抽取论文的元信息；步骤B：引入基于超图延伸定义的同构有向超图和异构二部超图，构造一个异构学术超网；步骤C：基于一种互强化排名框架HSHMRR，在异构学术超网上给不同类型的学术实体实现评分；步骤D：在互强化排名框架的基础上，结合排序学习方法MART，从历史时段中学习潜在的动态特性，并将所学知识应用到目标时段，形成评价结果；本发明采用了一种通用而有效的方法，它能够自适应地学习不同学术文献数据集的潜在动态性质，并将所学知识应用于排名。