基于多模体特征的科学家合作预测

• 作者: 曹红艳 许小可 许爽
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 链路预测 多模体特征 科学家合作 科学学 权重预测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 复杂性科学
• 页码范围: 766-773
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.12178/1001-0548.2019173

摘要

科学学随着科学本身的发展已成为近年来国内外研究的热点,科研组织与知识传播的重要结构基础—科学家合作网络因此受到学者们的广泛关注.在此情况下,科学家合作网络中的合作形成及合作权重强弱成为很有意义的研究问题.该文提出了基于多模体特征和机器学习框架的链路预测和权重预测方法,将实验结果与几种经典方法进行对比,发现该方法可以有效提高预测的准确率,链路预测最高可提高8.9％,而权重预测最高可提高59.6％.该研究有助于预测科研网络中科学家合作的可能性及其合作权重,进而挖掘科学家合作网络的结构特性对学者科研产出和团队合作的深刻影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许爽		31	125	7.0	10.0
2	许小可		21	63	5.0	7.0
3	曹红艳		1	0	0.0	0.0