典型文献
基于动态网络表示学习的学者合作关系预测研究
文献摘要：
[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.
文献关键词：
动态网络表示学习;合作关系预测;特征融合;主题特征;作者单位特征;时序链路预测
中图分类号：
作者姓名：
李一帆;王玙
作者机构：
西安电子科技大学经济与管理学院,陕西西安710071
文献出处：
引用格式：
[1]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(06):115-123
A类：
动态网络表示学习,合作关系预测,DynNE,动态科研合作网络,作者单位特征,时序链路预测
B类：
学者合作,预测研究,学科融合,科研工作,学者推荐,合作对象,科研效率,Atten,图书情报领域,文献数据,关键词共现网络,向量表示,词向量,同时提取,合作者,预测未来,未来可能,输入数据,融合特征,融合模型,融合主题,主题特征,合作预测,特征融合,数据层,网络层
AB值：
0.184508
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
