基于图卷积嵌入与特征交叉的文献被引量预测方法：以交通运输领域为例

发布时间：2022-02-22 13:57

　　【目的】提出一种文献被引量预测模型,用于发现潜在研究热点、优化改进刊物采编工作。【方法】综合考虑文献的关键词、作者、机构、国家、被引量等相关因素,利用图卷积进行特征提取,利用循环神经网络与注意力机制对被引量的时序信息与重要文献特征进行挖掘。【结果】利用Web of Science核心集中交通运输领域的文献对模型进行验证,与基准模型相比,在RMSE、MAE等各项指标上最大提升幅度达15.23%与16.91%。【局限】在所提模型的预训练步骤中,进行多次图卷积,使得算法的时间复杂度较高。【结论】本文所提模型将文献各项特征充分融合,极大提高了预测模型的性能。 

【文章来源】：数据分析与知识发现. 2020,4(09)北大核心CSSCICSCD

【文章页数】：12 页

【文章目录】：
1 引言
2 研究现状
3 基于图卷积的文献被引量预测
    3.1 问题描述
    3.2 数据集
    3.3 嵌入及预测模型构建
    3.4 实验
    3.5 结果与对比
4 结语
作者贡献声明：
利益冲突声明：
支撑数据：



本文编号：3639585