基于ORCID和加权跨层边聚类系数的研究者社区发现

• 作者: 王毅蒙 田野 孙善鹏 周园春 杜一
• 来源期刊: 计算机系统应用
• 关键词: ORCID 异质网络 社区发现 加权跨层边聚类系数
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 专论·综述|Special Issue
• 页码范围: 45-53
• 页数: 9页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007931

摘要

在开放学术的环境下, 学术交流和科研合作在学术创新与发展中发挥着重要的作用, 而帮助研究者找到合适的学术团体是促进研究者寻找科研灵感的重要途径, 现有的研究者社区发现多是着眼于科研成果的关联而忽略了研究者自身学术活动产生的关联, 因此, 本文通过分析研究者自身学术活动信息, 使用ORCID (Open Research and Contributor ID, 开放研究者与贡献者标识)数据构建学术信息网络, 通过综合考虑所有层次数下节点间的相似度来改进跨层边聚类系数, 提出一种基于加权跨层边聚类系数的研究者社区发现模型. 模型通过构建多种元路径抽取研究者之间的直接关联关系, 并根据不同属性关系对网络进行分层, 使用加权跨层边聚类系数计算节点间相似度, 从而将网络转化为同质网络并结合Louvain算法进行社区划分. 本文在人造网络和真实网络中进行实验, 根据社区实际情况对结果进行评估, 在提高了划分效果的同时避免了参数的不确定性.