Please wait a minute...
Advanced Search
数据分析与知识发现  0, Vol. Issue (): 1-     https://doi.org/10.11925/infotech.2096-3467. 2020.0002
  本期目录 | 过刊浏览 | 高级检索 |
融合主题相似度与合著网络的学者标签扩展方法研究
盛嘉祺,许鑫
(华东师范大学经济与管理学部信息管理系 上海  200062)
Scholars' Label Expansion Method Combining Topic Similarity and Co-authorship Network
Sheng Jiaqi,Xu Xin
(Department of Information Management, Faculty of Economics and Management, East China Normal University, Shanghai 200062, China)
全文: PDF (646 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的]为了对学者未来的研究方向和研究兴趣进行预测,设计从文献摘要中抽取学者学术标签并扩展的方法。[方法]通过TF-IDF方法从摘要中抽取基础学术标签,结合学者间主题相似度与学者间的合作关系,使用相似学者和团队内其他学者的标签对基础学术标签进行扩展。[结果]与直接使用学者当前学术标签预测学者未来学术标签相比,融合主题相似度与合著网络对学术标签进行扩展后预测召回率平均提高8.33%。[局限]实验实证样本小,方法只针对单一语种论文,没有涵盖学者发表的其他语种论文,方法普适性仍需要进一步确认。[结论]本文提出的方法对学者未来研究方向和研究兴趣有一定的预测能力。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 标签扩展主题相似度合著网络     
Abstract

[Objective] In order to predict the future research direction and interest of scholars, this paper designs the method of extracting and expanding academic labels from scholar abstracts. [Methods] The basic academic labels are extracted from the abstract through the TF-IDF method. Combined with the topic similarity between scholars and the cooperative relationship between scholars, the basic academic labels are expanded using the labels of similar scholars and other scholars in the team. [Results] Compared with directly using scholars’ current academic labels to predict scholars' future academic labels, using labels expanded by combining topic similarity and co-authorship network increases recall rate by 8.33% on average. [Limitations] The sample size is small, the method is only for single-language papers and cannot cover other language papers published by scholars. The universality of method still needs further confirmation. [Conclusions] The method proposed in this paper has certain predictive power for scholars' future research directions and research interests.

Key words Label Expansion    Topic Similarity    Co-authorship Network
     出版日期: 2020-05-21
ZTFLH:  TP393,G250  
引用本文:   
盛嘉祺, 许鑫. 融合主题相似度与合著网络的学者标签扩展方法研究 [J]. 数据分析与知识发现, 0, (): 1-.
Sheng Jiaqi, Xu Xin. Scholars' Label Expansion Method Combining Topic Similarity and Co-authorship Network . Data Analysis and Knowledge Discovery, 0, (): 1-.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467. 2020.0002      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y0/V/I/1
[1] 盛嘉祺, 许鑫. 融合主题相似度与合著网络的学者标签扩展方法研究*[J]. 数据分析与知识发现, 2020, 4(8): 75-85.
[2] 关鹏,王曰芬,傅柱. 基于LDA的主题语义演化分析方法研究 * ——以锂离子电池领域为例[J]. 数据分析与知识发现, 2019, 3(7): 61-72.
[3] 张金柱,王小梅,韩涛. 文献-作者二分网络中基于路径组合的合著关系预测研究*[J]. 现代图书情报技术, 2016, 32(10): 42-49.
[4] 任妮, 周建农. 合著网络加权模式下科研团队的发现与评价研究[J]. 现代图书情报技术, 2015, 31(9): 68-75.
[5] 李盛庆, 蔡国永. 复杂网络领域科研合著网络演化及知识传播特点研究[J]. 现代图书情报技术, 2013, (5): 64-72.
[6] 张金柱. 利用K-shell分析合著网络中的作者传播影响力[J]. 现代图书情报技术, 2012, 28(5): 65-69.
[7] 王继民, 李雷明子, 张鹏. 搜索引擎日志挖掘领域的论文合著网络分析[J]. 现代图书情报技术, 2011, 27(4): 58-63.
[8] 李丽蓉 钱巍 冯玉强. 管理信息系统领域的合著网络中作者的广度中心度分析[J]. 现代图书情报技术, 2010, 26(5): 66-72.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn