基于多模体边度的科学家合作关系预测

发布时间：2021-10-26 10:09

　　科学家合作关系预测近年来成为科学领域的热点研究方向,对于理解科学家之间的合作机制和科研网络的演化机理具有重要意义.但现有方法中对科学家合作关系的预测研究较少,且都是基于无向合作网络的预测.因此,本文构建了科学家合作有向网络,并在此基础上提出利用模体边度特征预测科学家合作关系.首先,针对传统方法中四节点模体无法使用朴素贝叶斯模型的难题,提出了一种单模体和双模体边度链路预测方法,为模体边度模型可进行链路预测的原因提供了理论解释.然后,提出了一种基于机器学习框架的多模体边度链路预测方法,并与现有预测方法的结果进行比较,该方法的预测性能提升了5%～19%.最后,研究了12种模体边度特征之间的相关性,揭示了结构越相似的模体之间的预测结果相关性越强的规律.本文研究拓展了模体理论的应用场景,有助于进一步理解科学家有向合作网络的演化机制. 

【文章来源】：计算机学报. 2020,43(12)北大核心EICSCD

【文章页数】：13 页

【部分图文】：

图１?６种含有回路的最小模体??在图１的６种模体中各取一条边，就能够得到??

图２?６种模体对应１２种模体边度预测器的图示??

对应??模体的数量（模体边度），１〇ｇ＾表示与Ｉ和＞??一起能够生成对应模体的所有节点的角色函数的总??贡献．如果不区分每个节点的贡献，则仅需要保留公??式的第一部分，该部分是一种简化的基于朴素贝叶??斯的单模体链路预测方法，也就是基于单模体边??度：２２］的预测方法，它是能够利用模体进行链路预测??的理论基础．??在以前基于朴素贝叶斯模型的链路预测器中，??都仅仅考虑了三节点模体中节点的角色．四节点模??体中除了预测边外含有两个节点，比较复杂而无法??使用朴索贝叶斯模型．图３是三节点和四节点预测??器角色阐数的计灯示总图．对于三节点预测器，需要??考虑的是除了预测边之外的节点Ｃ对于该预测??器的影响．对于四节点预测器，还需要考虑除了预测??边之外的节点ｃ和节点ｄ对该预测器的影响，我??们提出可以按照如下三种情况进行考虑：（１）仅考??虑节点ｒ对该预测器的影响；（２）仅考虑节点ｃ／对??该预测器的影响“３）考虑节点ｆ和节点ｄ及《／之??间的连边所构成的整体对该预测器的影响．由于前??两种方式只考虑了预测边之外的部分结构，忽略了??整体结构的影响，所以对于四节点预测器，本文使用??第三种方法计算角色函数．考虑预测边之外的所有??结构对该预测器的影响，即四节点预测器中虚线框??内的结构．如果将（ｂ）、（ｃ）中两个四节点预测器的计??（ａ）三节点预测器的角色函数计算??０??＠?－？??（ｂ）四节点预测器的角色函数计算??Ｉ?（ｊ＞??？?？??（ｃ）与（ｂ）结构相似的四节点预测器的角色函数计算??图３三节点和四节点预测器的角色函数计算??

【参考文献】：
期刊论文
[1]基于XGBoost的特征选择算法[J]. 李占山,刘兆赓.  通信学报. 2019(10)
[2]基于子图的科学家合作网络家族辨识[J]. 刘岩,刘亮,罗天,曹吉鸣.  科技管理研究. 2019(07)
[3]基于复杂网络多尺度的科研合作模式研究方法[J]. 刘亮,罗天,曹吉鸣.  科研管理. 2019(01)
[4]基于网络表示学习的科研合作预测研究[J]. 张金柱,于文倩,刘菁婕,王玥.  情报学报. 2018(02)
[5]基于贝叶斯最优化的Xgboost算法的改进及应用[J]. 李叶紫,王振友,周怡璐,韩晓卓.  广东工业大学学报. 2018(01)
[6]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[7]科学知识网络中的链路预测研究述评[J]. 张斌,马费成.  中国图书馆学报. 2015(03)
[8]复杂网络中链路的可预测性[J]. 许小可,许爽,朱郁筱,张千明.  复杂系统与复杂性科学. 2014(01)
[9]基于模体的复杂网络测度量研究[J]. 韩华,刘婉璐,吴翎燕.  物理学报. 2013(16)
[10]复杂网络链路预测[J]. 吕琳媛.  电子科技大学学报. 2010(05)

博士论文
[1]复杂网络结构分析与链路预测[D]. 张千明.电子科技大学 2016



本文编号：3459318