融合多元网络与网络表示学习的科研合作者推荐研究

摘要：

[目的/意义]融合多元网络和网络表示学习方法学习并发现作者间的关联性,能够更好地进行合作者推荐.[方法/过程]文章首先搜集情报学领域相关文献数据作为原始数据集,在经过数据清洗后,根据作者间的多元关系构建各信息实体的多个科研信息网络,然后对高维网络利用Node2vec网络表示学习方法学习各节点的信息,从而得到各网络中节点的向量表示.其次,通过余弦相似度计算各网络中的作者相似度.最后融合作者间机构合作偏好和作者学术水平相似度得到最终的推荐结果.[结果/结论]文章提出的融合模型考虑了多元网络和数据稀疏性,在AUC值上的表现优于单一维度,得到了更好的合作预测效果.实验结果表明,该合作者推荐模型在情报学领域作者合作者推荐中具有可行性.

关键词：合作网络、耦合网络、网络表示学习、Node2vec、合作者推荐

所属期刊栏目：43

分类号：G311;TP391;G250

资助基金：国家社会科学基金19BTQ005

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：27-35