基于多模体边度的科学家合作关系预测

• 作者: 刘亚芳 柳娟 许小可 许爽
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 科学家合作关系 有向网络 模体边度 朴素贝叶斯 链路预测
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 群智协同
• 页码范围: 2372-2384
• 页数: 13页
• 分类号: TP399
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2020.02372

摘要

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.

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	柳娟		2	1	1.0	1.0
4	刘亚芳		1	0	0.0	0.0