| 基于动态网络表示学习的学者合作关系预测研究 |
| |
| 引用本文： | 李一帆,王 玙.基于动态网络表示学习的学者合作关系预测研究[J].情报科学,2022,40(6):115-123. |
| |
| 作者姓名： | 李一帆 王 玙 |
| |
| 摘 要： | 【目的/意义】随着学科交叉与学科融合的不断深入，科研工作越来越需要多个学者合作完成。识别潜在的
合作关系，为学者推荐适合的合作对象，能有效提高科研效率。【方法/过程】基于动态网络表示学习模型对学者合
作关系预测展开研究。首先，提出一种动态网络表示学习模型 DynNE_Atten。其次，根据图书情报领域的文献数
据构建动态科研合作网络和动态关键词共现网络，使用 DynNE_Atten 模型得到作者向量表示和关键词向量表示，
同时提取作者单位特征。最后，融合作者合作、主题与单位特征，预测未来可能产生的合作。【结果/结论】实验结果
表明，本文提出的动态网络表示学习模型在时序链路预测任务中只需要较少的输入数据，就能达到较高的准确性；
相比于未融合特征的学者表示，融合模型在合作关系预测中展现出明显的优势。【创新/局限】提出了一种新的动态
网络表示学习模型，并融合主题特征和作者单位特征进行科研合作预测，取得了较好的结果。目前模型在特征融
合的方式上只考虑了数据层面的异构，并未考虑网络层面的异构。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
| 点击此处可从《情报科学》下载免费的PDF全文 |
|
