CN107833142A

CN107833142A - 学术社交网络科研合作者推荐方法

Info

Publication number: CN107833142A
Application number: CN201711092851.3A
Authority: CN
Inventors: 李先贤; 郭亚萌; 王利娥; 刘鹏
Original assignee: Guangxi Normal University
Current assignee: Guangxi Normal University
Priority date: 2017-11-08
Filing date: 2017-11-08
Publication date: 2018-03-23

Abstract

本发明公开一种学术社交网络科研合作者推荐方法，采用机器学习的决策树模型对科研者节点进行分类并添加标签，利用两个新颖的评价指标活跃度和学术水平来改变节点的权重，和采用随机游走来计算节点间的相似度等步骤。为解决无效合作者推荐的问题，尤其是在学术大数据的背景下，本发明利用附加权重的随机游走结合决策树模型的方法，使随机游走变得更有倾向性，游走到最有价值的潜在合作者节点，从而为科研工作者提供最适合的合作者。

Description

学术社交网络科研合作者推荐方法

技术领域

本发明涉及社交网络技术领域，具体涉及一种学术社交网络科研合作者推荐方法。

背景技术

一个社交网络(Social Network)可以被抽象地描述为许多节点组成的图，节点间的边代表他们之间的联系，如微博中的粉丝关系。学术社交网络(Academic SocialNetwork)是社交网络的一种，其中节点代表学术科研者，节点之间的边代表其具有合作关系。根据科研者对学术大数据进行分析后发现，学术论文最近几年呈多产趋势，其中很大一部分原因是因为科研者更偏向于以合作的方式来发表论文，比如机构与机构，学校与学校，或者科研者与科研者之间。因此，对学术合作者进行推荐的需求得到了科研者很大的重视。学术社交网络科研合作者推荐可以给科研者提供的帮助往往不止是论文而已，而是领域内最前沿的学术进展与方向。尤其是在学术大数据的背景下，数据的增长远远超过人们的想象，而如何在成千上万的数据中让用户得到有利的数据正是推荐系统存在的意义。

面向学术社交网络科研合作者推荐指的是链接预测和链接推荐，即找到潜在的链接并推荐给目标用户。而如何准确的推荐有益的合作者给目标用户成为了数据分析领域的主要研究问题。在现有的推荐方法中，大多数的研究主要针对节点(研究者)之间的关系进行链路预测，大致分为以下三种：

(1)基于图结构的链路预测算法，通过计算节点间的相似度来进行推荐，相似度本身具有很多不同的定义，有简单的方法也有一些基于复杂的数学模型方法，比如：1.通过共同邻居的个数来计算相似性；2.基于随机游走的平均通讯时间或者平均步数相似度计算方法；3.基于图论的矩阵森林方法。

(2)基于数据挖掘分类算法的链路预测算法，数据挖掘领域有很多分类算法，很多的研究者利用这些分类方法进行链路预测，即一类基于数据挖掘领域里分类算法的链路预测算法。在已知的社交网络图中，根据链接关系提取节点或者相连边的特征，根据这些属性，选择合适的分类方法对节点属性进行分类，再根据类属关系进行链路预测。

(3)基于网络建模概率模型的链路预测算法，这种方法会利用整个社交网络的节点和边的信息构造一个统计模型，然后基于此进行链路预测。

然而，上述现有面向学术社交网络合作者的推荐方法主要还是基于考虑合作者之间的关联，采用基于马尔科夫链的随机游走模型对学术社交合作图进行链路预测。但是只考虑了彼此之间的关系，比如合作的次数，最近的合作时间等，没有考虑到科研者本身的一些属性，比如身份属性这是动态的随时间变化的一种属性。如果推荐系统给一个科研者推荐一个合作者，这个合作者的学术水平很高，而且研究领域也和目标科研者十分相似，但是他可能今后不再从事科研工作的话，那么这个推荐是无效的。

发明内容

本发明所要解决的是现有面向学术社交网络的合作者推荐方法存在只考虑合作者之间的关联而导致无效推荐的问题，提供一种学术社交网络科研合作者推荐方法。

为解决上述问题，本发明是通过以下技术方案实现的：

学术社交网络科研合作者推荐方法，包括步骤如下：

步骤1.构建学术合作图，即先将学术社交网络中的每个科研者用节点来表示，再根据学术论文中的作者即科研者的合作关系用边来表示，从而获得学术合作图；

步骤2.在学术合作图中，根据学术数据统计的科研者自身属性信息，采用机器学习中决策树模型，以是否予以推荐作为各个节点的标签属性；

步骤3.采用马尔科夫链的随机游走算法来计算学术合作图中节点间的相似度，从而得到学术合作图中节点与节点之间的转移概率矩阵；

步骤4.计算学术合作图中各个节点的活跃度，其中节点x的活跃度ACT_x为：

其中，θ_x表示节点x的活跃因子，表示从第i年到第j年节点x所发论文的数量，表示从第i年到第j年节点x发表论文的总年数，表示从第i年到第j年节点x不发表论文的总年数，i表示设定的起始年份，j表示设定的截至年份；

步骤5.计算学术合作图中各个节点的学术水平，其中节点x的学术水平ACLx为：

其中，α_k表示设定的论文等级k的等级因子，n_k表示节点x所发表的论文等级为k的论文数量，k表示论文等级，L为论文等级集合，表示从第i年到第j年，i表示设定的起始年份，j表示设定的截至年份；

步骤6.将学术合作图中需要获得推荐的科研者视为待推荐节点，根据待推荐节点与学术合作图中除自己之外的其他节点之间的转移概率，并结合其他节点自身的标签属性、活跃度和学术水平，计算学术合作图中其他节点中关于待推荐节点的评分，并将评分最高前的n个节点，推荐给待推荐节点，由此完成科研合作者推荐的过程；其中评分计算公式为：

RS_ax＝S_ax*ACT_x*ACL_x*ID_x

其中，a表示待推荐节点，x表示学术合作图中除a节点之外的其他节点，S_ax表示待推荐节点a与其他节点x的转移概率，ACT_x表示其他节点x的活跃度，ACL_x表示其他节点x的学术水平，ID_x表示其他节点x的标签属性，x＝1,2,…,N-1，n＜N，N表示学术合作图中节点的个数。

上述方案中，所述学术合作图为无向图。

上述步骤4中，如果那么令θ_x为

与现有技术相比，本发明具有如下特点：

1、采用经典的机器学习模型，决策树模型对原始数据进行分类，即对每个学术合作图中的个体添加相应的标签，根据学术水平，活跃度等因素对科研者的科研状态进行判断并决策是否予以推荐。

2、采用马尔科夫链模型的随机游走算法，并进行改进，考虑科研者的活跃度，学术水平等权重，将其权重作用于随机游走推荐算法，对转移概率矩阵进行修正，避免无效推荐的产生从而提高合作者推荐的精度。

附图说明

图1为学术社交网络科研合作者推荐方法原理图。

图2为原始学术合作图。

图3位抽象学术合作图。

图4为节点添加标签的决策树模型图。

图5为随机游走图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。

本发明面向学术社交网络中合作者的推荐提供了一种基于随游走带标签的学术社交网络合作者推荐方法，如图1所示，通过构建学术社交合作抽象图，并采用机器学习的方法根据科研者的学术论文信息进行分类并为其添加标签，然后对学术合作图进行随机游走利用标签属性信息改变马尔科夫链模型的随机算法中的转移概率矩阵从而进行更精确的推荐。

首先，将原始数据抽象为学术合作图的形式，原始数据为DBLP数据库，数据集中的一条记录代表一篇文章，其中，key为这条记录的标识符属性，用于定位这条记录，还有期刊/会议名称/作者名/发表时间等这些数据组成。还包括括了其他的数据，包括合作作者、最后修改时间、题目、页数、年份、卷号、期刊编号、期刊名字、网站的地址和论文全文的地址。我们采用无向图G(U，E)，表示学术合作网络图，图中节点U即作者，边E为作者间的合作关系。例如，两个学者曾经共同合作著作过一篇论文，则他们之间会有一条边。边表示二者之间的关系，但是这样的关系会有强弱之分，我们通过建立一系列模型给每条边加上权重。

然后，采用机器学习中的决策树模型，通过建立决策树对原始数据中的科研者节点进行分类并打上标签，根据对原始数据进行分析统计得到的学者发表论文的数量，学术水平评分和活跃度评分对节点进行迭代分类，然后用测试数据集进行验证，调整参数直到结果最优。

接着，在带标签的学术合作图上对目标节点进行随机游走，迭代概率转移矩阵直至趋于收敛，从而得到节点之间的相似度。

最后，根据学术社交网络的特性，学术水平，活跃度等学术因素对合作者推荐的影响，从而改变马尔科夫链随机游走的权重，使其变成一种带有导向性的随机游走，减少无效链接的推荐，提高了推荐的精度。

具体来说，一种基于随机游走带标签的学术社交网络合作者推荐方法，具体实现过程如下：

步骤一：构建抽象学术合作图G(U，E)，即先将学术社交网络中的每个科研者用节点U来表示，再根据学术论文中的作者合作关系用边E将其连接，获得学术合作图。

在构建学术合作图时，如果合作关系指如果两个科研者共同合作过论文的话，那么将他们之间用边连接起来。将作者和文章用不同类型的节点集进行表示，其中作者节点用节点集U表示，文章用节点集P表示，如图2所示。节点U和节点P之间的边代表作者U参与合作文章P，例如U1，U2，U4，U6共同合作完成了文章P2。然后将这个二分图进行抽象，去掉文章节点集，将合作关系用边将节点链接，如图3所示，U1，U2，U4，U6存在合作关系，所以他们之间分别用边进行连接。

步骤二：在构建的学术合作图中，根据学术数据统计的科研者自身属性信息，采用机器学习模型决策树模型(Decision trees model)，以是否推荐作为个人节点的标签属性。

决策树模型是一种常用的机器学习模型，在已知条件下用于决策的模型，本发明采用决策树模型进行学术状态的决策。根据原始数据建立决策树，利用原始数据中的作者发文章的数量，作者的科研水平，和活跃度进行判断，将科研者分为可推荐和不予推荐两类并通过标签的形式表达其权重采用布尔函数输出属性值，予以推荐为1，反之则为0，即可能继续科研工作和可能不再进行科研工作两类，本发明中选取连续5年的数据作为训练数据集。如图4所示，如果一个作者的论文数量大于10，那么将其标记为可推荐；如果论文数量大于5并且小于10的话，进入非叶子节点学术评分即AcademicLevel，如果作者学术评分大于4.5的话予以推荐；没有的话进入下一层，活跃度因子即θ，如果θ大于1.5的话进行推荐，小于1.5不予推荐；小于等于5的情况同上所述。根据决策树进行预测，从而避免了无效的链接推荐，提高了推荐的精度。

步骤三：采用马尔科夫链的随机游走算法(Random walk)来计算学术合作图中科研者节点间的相似度，从而得到学术合作图的转移概率矩阵。

随机游走(Random Walk)模型常被应用于图信息挖掘，可以从图中的拓扑结构中挖掘出潜在的结构信息，近年来已被证明并广泛应用于计算图中节点之间的相似性，在本发明中我们选取带重启的随机游走，图中各节点和节点j的相似度计算公式如下：

其中，(1-d)为返回概率，e_j是第j维为的单位向量，是邻接矩阵，初始时，R₀＝e_j。

在图3上进行马尔科夫链的随机游走，即设定一个起点然后经过多次迭代直至收敛，例如图5所示，本次随机游走从节点U1开始，经U1-U6-U2-U5-U4-U3最终到达U3，从U1开始到达的每一个节点称作U1的邻居节点，U1到达每个邻居节点的概率矩阵，叫做随机游走的转移概率矩阵。随机游走模型用于计算计算节点之间的结构相似性，但是，对于每一个节点，都要使用一次幂迭代法计算得到此节点和其他节点的相关性，而当图比较大节点比较多时，计算代价就会很大。因此，很多研究工作都关注以牺牲少量精确性的代价提高计算速度。

步骤四：采用科研者活跃度(Activeness)和学术水平(Academic level)作为指标来改变随机游走中转移概率的值，即增加或者减少该节点的转移权重。

活跃度Activeness(ACT)形式化影响公式如下：

其中，θ_x表示节点x的活跃因子，表示从第i年到第j年节点x所发论文的数量，表示从第i年到第j年节点x发表论文的总年数，表示从第i年到第j年节点x不发表论文的总年数，i表示设定的起始年份，j表示设定的截至年份；如果那么令

学术水平Academic Level(ACL)形式化影响公式如下：

其中，α_k表示设定的论文等级k的等级因子，n_k表示节点x所发表的论文等级为k的论文数量，k表示论文等级，L为论文等级集合，表示从第i年到第j年，i表示设定的起始年份，j表示设定的截至年份；期刊或者会议等级排名由用户定义，比如CCF或者SCI等等。

本实施例所计算的活跃度Activeness(ACT)和学术水平Academic Level(ACL)，参见表1：

表1科研者的学术成果分布图

如表1所示，有三个科研者A，B，C，他们分别在2010年至2014年的发表论文情况，例如A和B，虽然他们发表论文的数量是一样的，但是分布不同，A只在2010和2011年发表过论文，之后几年都无文章，根据本发明所定义的活跃度(ACT)公式计算可得，A和B的活跃度分别是8/3和16，虽然二者的论文数量一样，根据公式计算显然B的权重要高。又如C，每年都发表论文而且数量多，那么他的活跃度就会很高。即一个科研者活跃度越高的话，他的权重越大。

步骤五：综合相似度和活跃度，来计算推荐系统的Rank Score，然后根据决策树预测结果修改Rank Score的值，从而进行Top N推荐。

Rank Score指推荐系统中对项目的排名评分，其计算公式如下：

RS_ax＝S_ax*ACT_x*ACL_x*ID_x

本发明综合考虑活跃度，学术水平，相似度和标签分类信息来计算科研者的综合评分。

本发明基于随机游走带标签的学术社交网络科研合作者推荐方法，采用机器学习的决策树模型对科研者节点进行分类并添加标签，利用两个新颖的评价指标活跃度和学术水平来改变节点的权重，和采用随机游走来计算节点间的相似度等步骤。为解决无效合作者推荐的问题，尤其是在学术大数据的背景下，本发明利用附加权重的随机游走结合决策树模型的方法，使随机游走变得更有倾向性，游走到最有价值的潜在合作者节点，从而为科研工作者提供最适合的合作者。

需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。

Claims

1.学术社交网络科研合作者推荐方法，其特征是，包括步骤如下：

<mrow> <mi>A</mi> <mi>C</mi> <mi>T</mi> <mi>x</mi> <mo>=</mo> <msub> <mi>&theta;</mi> <mi>x</mi> </msub> <mo>*</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>=</mo> <mi>j</mi> </mrow> </munderover> <mi>d</mi> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>t</mi> <mo>=</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>=</mo> <mi>j</mi> </mrow> </msubsup> <mi>p</mi> </mrow> <mrow> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>t</mi> <mo>=</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>=</mo> <mi>j</mi> </mrow> </msubsup> <mi>q</mi> </mrow> </mfrac> <mo>*</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>=</mo> <mi>j</mi> </mrow> </munderover> <mi>d</mi> </mrow>

其中，θ_x表示节点x的活跃因子，d表示节点x所发论文的数量，p表示节点x发表论文的年数，q表示节点x不发表论文的年数，表示从第i年到第j年，i表示设定的起始年份，j表示设定的截至年份；

<mrow> <mi>A</mi> <mi>C</mi> <mi>L</mi> <mi>x</mi> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mi>i</mi> </mrow> <mrow> <mi>t</mi> <mo>=</mo> <mi>j</mi> </mrow> </munderover> <msub> <mi>&Sigma;</mi> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>L</mi> </mrow> </msub> <msub> <mi>&alpha;</mi> <mi>k</mi> </msub> <msub> <mi>n</mi> <mi>k</mi> </msub> </mrow>

RS_ax＝S_ax*ACT_x*ACL_x*ID_x

2.根据权利要求1所述的学术社交网络科研合作者推荐方法，其特征是，学术合作图为无向图。

3.根据权利要求1所述的学术社交网络科研合作者推荐方法，其特征是，在步骤4中，如果那么令θ_x为