基于社区的合作者推荐模型研究及应用

发布时间：2021-09-14 20:22

　　随着互联网技术的高速发展,信息数量激增,因此科研人员需要花费更多的时间来寻求合适的合作者,这在一定程度上制约了科研工作者在学术上的创新与发展。为科研人员找到合适的合作者进行推荐,能够有效促进知识的交流与创新,节省科研人员发现合作者的时间,最终对学者科研水平的提高和科研成果的增加都有很大帮助。本文研究内容主要包括以下方面:首先,针对现有半同步标签传播算法在标签更新过程中出现的随机性问题,提出一种基于场所效应的半同步标签传播社区发现算法。该算法根据边集聚系数及其扩展定义了影响力系数;基于三度影响力原则,将不同的影响系数分配给由三度内节点形成的不同阶环;计算边的影响力以加速标签传播效率使得社区结构可见,快速准确地将节点划分至正确的社区。实验结果表明,该算法提高了社区模块度和标准互信息,降低了迭代次数,增强了算法稳定性。这项研究对社交网络的发展至关重要。其次,提出了一种基于作者学术能力的动态主题演化模型。现有根据文章摘要获取作者兴趣演化趋势的模型,忽略了短文本的特征稀疏问题,而且对文档的所有作者不加以区分造成作者主题分布不准确。本文在文档中生成主题共享的词对结构,对短文本的特征进行扩充;并根据... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

(a)Dolphins数据集标准划分(b)Dolphins数据集SE-SLPA划分

图 3. 12 (a) Dolphins 数据集标准划分 (b) Dolphins 数据集 SE-SLPA 划分图 3. 13 展示了在五个真实数据集上运行五种算法的平均迭代次数的实验比较，从图中数据可以说明 SE-SLPA 可以很大程度上减少实验的迭代次数，能够快速的满足迭代的终止条件，也证明了 SE-SLPA 可以快速准确的为节点找到与它关系紧密的节点，并且找到它属于的社区并更新它自己的标签。图 3. 13 迭代次数对比Karate Dolphins Lesmis Polbooks Netscience0102030405060datasetnumberofinterationaLPASLPALPA-SISLPASE-SLPA

图 5. 2 构建网络拓扑图区发现的 21,593 名作者进行编号，赋予 id，并且根据上文所构同步标签传播社区发现算法进行社区划分，得到 187 个节点属于同一社区。图 5. 3(b)展示了其中的一个社区内所有作者的合作关系。

【参考文献】：
期刊论文
[1]基于完全子图的社交网络用户特征识别方法[J]. 胡开先,梁英,苏立新,许洪波,傅川.  模式识别与人工智能. 2016(08)
[2]基于标签影响力的半同步社区发现算法[J]. 汪焱,黄发良,元昌安.  计算机应用. 2016(06)
[3]学术社交网络的概念、特点及研究热点[J]. 贾新露,王曰芬.  图书馆学研究. 2016(05)
[4]基于排序学习的推荐算法研究综述[J]. 黄震华,张佳雯,田春岐,孙圣力,向阳.  软件学报. 2016(03)
[5]科研合作研究综述[J]. 赵君,廖建桥.  科学管理研究. 2013(02)
[6]基于内容过滤的个性化搜索算法[J]. 曾春,邢春晓,周立柱.  软件学报. 2003(05)
[7]科研合作网络的重要作者发现[J]. 朱天,吴斌,王柏.  数字图书馆论坛. 2010 (08)

博士论文
[1]科研社交网络平台中的合作者推荐[D]. 杨辰.中国科学技术大学 2015
[2]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学 2013

硕士论文
[1]基于LDA模型与加权GN网络的科研合作推荐方法[D]. 关盼盼.燕山大学 2017
[2]基于社区发现的好友推荐方法研究[D]. 张婷婷.辽宁大学 2016



本文编号：3395470