CN109885694B - 一种文献选择及其学习先后次序确定方法 - Google Patents

Abstract

本发明公开了一种文献选择及其学习先后次序确定方法，在文献网络中基于搜索词和相互引用关系构建相关引文网络，以被引频次为依据计算每篇文献的重要度数值，使用标准化公式消除发表年份产生的影响，删除相关引文网络中不重要的文献节点，构建文献知识地图，求和文献知识地图中文献学习路径的文献节点重要度，降序排列获得文献学习路径推荐列表。本发明方法中文献学习路径中的文献节点及其先后学习关系解决了当前文献学习中信息过载、学习迷航与学习回溯的难题，节约了文献选择的耗时，提高了文献学习效率，提升了文献学习效果，具备极好的应用前景。

Description

一种文献选择及其学习先后次序确定方法

技术领域

本发明属于知识发现应用领域，具体涉及一种文献选择及其学习先后次序确定方法。

背景技术

随着科学和计算机网络技术的发展，各个领域会议期刊杂志发表的网络文献层出不穷且不断增加。为了高效的管理与使用文献，诞生了许多网络文献知识库系统。现有的文献知识库对文献数据已经完成了初步的归纳整理，但是，对于科研人员，文献的选择依然是极大的难题。为了解决该问题，大量文献知识库不断开发新功能，同时，h指数的提出让文献知识库系统的文献推荐功能进一步优化。置放于Web ofKnowledge平台的SCI-E数据库可以通过引文，快速检索到文献的引用和被引用情况，从而了解某一研究的研究基础和后续发展，对用户查阅最新文献、跟踪国际学生前沿、科研立项以及课题研究及时了解国际动态都有很大帮助。此外，还可以通过对引文信息的统计反映出学术论文的质量水平，从而可以帮助用户快速找到该研究领域的重要文献和较有影响力的研究。

针对文献的管理与推荐已经做了大量的工作，文献选择与学习难题依然存在，信息过载是一个不可否认无处不在的现象。如何从大量文献中找到科研人员所需要的，目前并没有十分有效的解决办法。科研人员很难从大量的参考文献中，找到真正有用的参考资料。根据美国国家科学基金会统计，科研人员在查阅文献资料上所花费的时间约占整体科研时间的51％，实验、研究约占32％，用于成文的书面总结约需9％的时间，而计划思考更是仅占8％。随着数字学术图书馆的规模越来越大，科研人员从这个存储库中识别出他们感兴趣的论文已经越来越困难，由搜索词产生的文献列表中，由于可选择的文献极多，文献的先后学习顺序在科研困难中扮演着重要角色，盲目随机的选择文献进行学习是科研人员调研过程中的基本操作，直接造成了针对相同内容的重复学习与学习回溯，做大量无用功的结果。

针对信息过载的问题，现有的基于知识驱动的文献推荐，多是基于形态上基础的字符串匹配，可分为两大类：

一是依赖于人的个性化文献推荐，这一类方法依赖于人的个性化特征，需要用户协作；研究人员们构建用户模型和文献模型，测量两模型之间的相似性，推荐最合适的文献；根据不同角色的人给文献打上标签，分别为用户标签、类别标签、作者标签等，完成文献推荐；不仅如此，还有人提出了一种基于高效用项目集挖掘(High-Utility ItemsetMining，HUIM)技术的学术文献的个性化推荐方法，这种方法使用论文的内容和用户的个性化偏好，来提出建议。这一类方法缺乏用户差异性的考虑，无法适用于所有新用户。

二是依赖于数据本身的大众化文献推荐，通过合并标题、关键词、摘要等元数据来加强文献的语义信息，同时考虑文献的被引频次来判断文献的质量。部分研究人员基于文献的引用关系计算文献的价值，由文献价值排序，给出文献推荐列表；他们指出文献的价值主要来自两个部分：文献自身固有的价值和引用它的文献传递过来的价值，引入衰减函数和标准化公式来实现文献价值随时间的衰减，精确计算文献价值。这一类方法给出了较为科学的文献推荐列表，但是，缺乏主题相关性考量，没有实现导航学习及解决文献学习迷航问题。

所以针对文献学习迷航与学习回溯的难题，目前并没有十分有效的解决方法，需要一个新的技术方案解决这个问题。

发明内容

发明目的：针对目前文献学习中的信息过载、学习迷航和学习回溯的问题，提供一种文献选择及其学习先后次序确定方法，能够有效解决上述问题。

技术方案：为实现上述目的，本发明提供一种文献选择及其学习先后次序确定方法，包括如下步骤：

1)构建相关引文网络：

由搜索词精确匹配，找出所有直接相关文献，根据文献节点的参考文献属性，依次获得最新科研成果与所有相关文献，由所有相关文献及其引用关系构建相关引文网络；

2)计算每一篇文献重要度数值：

基于引证文献对参考文献价值肯定原则，从文献集获取的相关引文网络中优先计算最新科研成果的重要度数值，以此为基础计算参考文献的重要度数值，如此迭代，直到相关引文网络中所有节点计算完成；

3)优化相关引文网络，构建文献知识地图：

从相关引文网络中抽取所有路径，设置重要度阈值，删除路径中不重要的文献节点，前后连接形成新的文献路径，构建文献知识地图；

4)获取最佳文献学习路径：

求和文献知识地图中所有路径的文献节点重要度，降序排列路径重要度即可得到文献路径推荐列表。

进一步的，所述步骤1的具体步骤如下：

1.1)文献数据发表年份缺失预处理：

抽取发表年份缺失的文献，基于等分原则设计公式(1)，完成抽取文献缺失年份的补全

上述式(1)中，y_i为缺失发表年份的文献i待补全的年份数；h为文献i的参考文献集中发表年份最大的文献，y_h为文献h的发表年份；j为文献i的引证文献集中发表年份最小的文献，y_j为文献j的发表年份；ihj必然同时存在于至少一条路径中，I_i I_h I_j为任一条路径中三篇文献的位置索引；

1.2)错误引用链接预处理：

判断文献发表年份是否大于其参考文献发表年份，若否，则删除当前引用关系；

1.3)构建相关引文网络：

以搜索词对引文网络中文献的标题和摘要做精确匹配，找到相关文献集；判断相关文献集中的文献是否有引证文献，若有，在相关文献集中插入引证文献集，删除原文献，重复此步直至相关文献集中的文献无引证文献；判断相关文献集中的文献是否有参考文献，若有，将链接存入相关引文网络中，重复此步直至相关文献集中的文献无参考文献。

进一步的，所述步骤2中使用标准化公式完成文献重要度数值标准化，其具体如下：

2.1)计算文献i的相对重要度：

上述式(2)中，文献i的p_i值由两个部分的值求和而得，分别为

和(1-α)c_i，其中α值代表的是两部分各占的权重，

指的是所有引用i的文献提供的相对重要度数值之和，c_i指的是原始数据中被引频次所提供的相对重要度数值，式(2)中，文献j的参考文献是i，n为j的数量总和，S_j指的是j参考文献数量的倒数，c_i指的是原始数据中i的被引频次；

2.2)计算文献i的绝对重要度：

标准化公式指的是将一列数求平均值后再求标准差，用这一列数的每一个数减去平均值，除以标准差，得到一列新的数，计算公式如式(3)所示，求得的新数据平均值为0，标准差为1，

上述公式中，p_i为文献i的相对重要度，z_i为i绝对重要度，

为i同年发表文献集相对重要度的平均值，s为i同年发表文献集相对重要度的标准差。

进一步的，所述步骤3具体包括如下过程：

以文献绝对重要度和相关引文网络为基础构建的文献知识地图，本质上是文献学习路径的集合，文献知识地图由相关引文网络中计算每一篇文献的绝对重要度，设置绝对重要度阈值a，删除绝对重要性低于a的文献节点构建而成。

进一步的，所述步骤4具体包括如下过程：

计算每条路径的绝对重要度，抽取最好的文献学习路径完成最佳路径推荐，对路径中的每一篇文献绝对重要度求和，如公式(4)所示，即可得路径绝对重要度，

式(4)中，b_t为第t条路径的绝对重要度数值，i为第t条路径中的文献序号，m为第t条路径中文献总量，z_i为第t条路径中第i个文献的绝对重要度数值。

本发明的文献选择及其学习先后次序确定方法，在文献网络中基于搜索词和相互引用关系构建相关引文网络，以被引频次为依据计算每篇文献的相对重要度数值，使用标准化公式消除发表年份产生的影响，获得文献的绝对重要度数值，删除相关引文网络中不重要的文献节点，构建文献知识地图，求和文献知识地图中文献学习路径的文献节点重要度，降序排列获得文献学习路径推荐列表。

有益效果：本发明与现有技术相比，本发明提出的文献重要度数值计算方法能够获得更准确的文献推荐列表，完成对文献网络的优化，由此构建的文献知识地图及文献学习路径列表为文献学习的知识迷航与学习回溯问题提供了解决方法，不但减少了文献在选择阶段的耗时，而且大幅提高了学习效率、提升了学习效果。

附图说明

图1为本发明方法的流程示意图；

图2为预处理前后相关引文网络与发表年份的统计示意图；

图3为本实施例获得的由最佳的十条路径构建的文献知识地图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明。

本实施例中以大数据(big data)为搜索词，在DBLP文献数据集上构建文献知识地图与完成文献学习路径推荐，其具体的过程如图1所示，一种文献选择及其学习先后次序确定方法，包括如下步骤：

1)构建相关引文网络：

由大数据(big data)精确匹配，找出所有直接相关文献，根据文献节点的参考文献属性，依次获得最新科研成果与所有相关文献，由所有相关文献及其引用关系构建相关引文网络，其具体步骤为：

1.1)文献数据发表年份缺失预处理：

抽取发表年份缺失的文献，基于等分原则设计公式(1)，完成抽取文献缺失年份的补全

上述式(1)中，y_i为缺失发表年份的文献i待补全的年份数；h为文献i的参考文献集中发表年份最大的文献，y_h为文献h的发表年份；j为文献i的引证文献集中发表年份最小的文献，y_j为文献j的发表年份；ihj必然同时存在于至少一条路径中，I_i I_h I_j为任一条路径中三篇文献的位置索引。

1.2)错误引用链接预处理：

判断文献发表年份是否大于其参考文献发表年份，若否，则删除当前引用关系。

本实施例中采用DBLP-Citation-networkV10数据集，包括3079007篇文献及25166994个引文关系，经过上述预处理后，引文关系数量为24138044对。

1.3)构建相关引文网络：

以搜索词对引文网络中文献的标题和摘要做精确匹配，找到相关文献集；判断相关文献集中的文献是否有引证文献，若有，在相关文献集中插入引证文献集，删除原文献，重复此步直至相关文献集中的文献无引证文献；判断相关文献集中的文献是否有参考文献，若有，将链接存入相关引文网络中，重复此步直至相关文献集中的文献无参考文献。

本实施例中经过精确匹配后，直接相关的文献数为6295；与课题相关的最新科研成果文献数为201059；相关引文网络中的文献总数为1849738。相关引文网络与发表年份具体的统计如图2所示。

2)计算每一篇文献重要度数值：

基于引证文献对参考文献价值肯定原则，从文献集获取的相关引文网络中优先计算最新科研成果的重要度数值，以此为基础计算参考文献的重要度数值，如此迭代，直到相关引文网络中所有节点计算完成，本步骤中采用标准化公式完成文献重要度数值标准化，其具体为：

2.1)计算文献i的相对重要度：

在本实施例的实际环境中，计算实现的重点在于链接中贡献的传导过程，贡献在多轮迭代下不断减小，当不影响相对重要性计算后的排名次序时计算停止；取阈值β为0.1，即贡献小于0.1时不再进行传导，设计公式(2)(3)完成计算：

p_i＝p_i+rec(i) (3)

上述公式中，文献i是文献j的参考文献；n是i的引证文献数量；m_j是j的参考文献数量；rec(i)为当前迭代下i收到的贡献值；p_i为当前迭代i的相对重要度。

由于文献总数过于庞大，以下列出排序后前十的文献id及其相对重要度数值：

6a6b9aa6-683f-4c7c-b06e-9c3018d10fd3	78005.76525464444
		a662a4e7-415e-417e-8a8f-fe085d7e487f	52443.67193397041
ca394e6a-59e0-466c-a66a-d976555db689	44132.36232321357
		b49c1e2b-0cd0-4950-a724-00c698e5b49d	36253.95038074947
3fb43b00-905c-4a08-934d-198ea4eb66c3	35992.12498058875
		b944f77f-113b-4a02-ae5e-d4a124b8fd5b	35652.09866850404
1c63e1d5-b963-455b-829d-e4f3eb63a36a	30882.59996583922
		7ccbdf09-a84e-4ad2-ab20-cb28b6c41155	29691.72477796005
9d912297-e52f-4ab6-add4-633e0f263933	28959.242319236288
		e75d8e62-a86d-4241-953f-1b315005d920	28747.15567473505

2.2)计算文献i的绝对重要度：

标准化公式指的是将一列数求平均值后再求标准差。用这一列数的每一个数减去平均值，除以标准差，得到一列新的数。计算公式如式(4)所示。求得的新数据平均值为0。标准差为1。

上述公式中，p_i为文献i的相对重要度，z_i为i绝对重要度，

为i同年发表文献集相对重要度的平均值，s为i同年发表文献集相对重要度的标准差，将同一年发表的文献放在一个组内，运用上述公式，得到每一篇文献标准化后的绝对重要度。

以下列出排序后前十的文献id及其绝对重要度数值：

e2f7a74a-8430-4463-94ce-fe85dfd309f9	265.90816407034134
		c1b6b493-01ef-420f-be44-7bacfe34e846	253.9323809726962
3715c870-6569-4d20-8797-af8569e5fde5	163.3207033003939
		b944f77f-113b-4a02-ae5e-d4a124b8fd5b	163.08947561586012
cccb4b4b-ce7f-4b1f-b68c-cab108f3cecf	135.1921741037078
		93eac1a-7d9a-48ab-9fb4-389c85bea00e	133.13334053535203
8965f2e4-8b1c-4bdb-9dc6-15f72f460c68	128.04355694670696
		f56b877b-4060-4754-b303-e8140968544c	126.67266114269222
c186e8f6-42e1-4bb8-8fe3-039e0cd02532	124.22257158788905
		50252efa-a843-4cc6-a591-22f527ee3d6c	121.65404669467272

3)优化相关引文网络，构建文献知识地图：

以文献绝对重要度和相关引文网络为基础构建的文献知识地图，本质上是文献学习路径的集合，文献知识地图由相关引文网络中计算每一篇文献的绝对重要度，设置绝对重要度阈值a为0，删除绝对重要性低于0的文献节点，前后连接形成新的文献路径，构建文献知识地图。

4)获取最佳文献学习路径：

求和文献知识地图中所有路径的文献节点重要度，降序排列路径重要度即可得到文献路径推荐列表，其具体过程如下：

计算每条路径的绝对重要度，抽取最好的文献学习路径完成最佳路径推荐，对路径中的每一篇文献绝对重要度求和，如公式(5)所示，即可得路径绝对重要度。

式(5)中，b_t为第t条路径的绝对重要度数值，i为第t条路径中的文献序号，m为第t条路径中文献总量，zi为第t条路径中第i个文献的绝对重要度数。

本实施例中通过路径绝对重要度的计算，获得了由最佳的十条路径构建的文献知识地图，具体如图3所示。

Claims (3)

1.一种文献选择及其学习先后次序确定方法，其特征在于：包括如下步骤：

1)构建相关引文网络：

由搜索词精确匹配，找出所有直接相关文献，根据文献节点的参考文献属性，依次获得最新科研成果与所有相关文献，由所有相关文献及其引用关系构建相关引文网络；

2)计算每一篇文献重要度数值：

基于引证文献对参考文献价值肯定原则，从文献集获取的相关引文网络中优先计算最新科研成果的重要度数值，以此为基础计算参考文献的重要度数值，如此迭代，直到相关引文网络中所有节点计算完成；

3)优化相关引文网络，构建文献知识地图：

从相关引文网络中抽取所有路径，设置重要度阈值，删除路径中不重要的文献节点，前后连接形成新的文献路径，构建文献知识地图；

4)获取最佳文献学习路径：

求和文献知识地图中所有路径的文献节点重要度，降序排列路径重要度即可得到文献路径推荐列表；

所述步骤1)的具体步骤如下：

1.1)文献数据发表年份缺失预处理：

抽取发表年份缺失的文献，基于等分原则设计公式(1)，完成抽取文献缺失年份的补全

上述式(1)中，y_i为缺失发表年份的文献i待补全的年份数；h为文献i的参考文献集中发表年份最大的文献，y_h为文献h的发表年份；j为文献i的引证文献集中发表年份最小的文献，y_j为文献j的发表年份；ihj必然同时存在于至少一条路径中，I_iI_hI_j为任一条路径中三篇文献的位置索引；

1.2)错误引用链接预处理：

判断文献发表年份是否大于其参考文献发表年份，若否，则删除当前引用关系；

1.3)构建相关引文网络：

以搜索词对引文网络中文献的标题和摘要做精确匹配，找到相关文献集；判断相关文献集中的文献是否有引证文献，若有，在相关文献集中插入引证文献集，删除原文献，重复此步直至相关文献集中的文献无引证文献；判断相关文献集中的文献是否有参考文献，若有，将链接存入相关引文网络中，重复此步直至相关文献集中的文献无参考文献；

步骤2)中使用标准化公式完成文献重要度数值标准化，其具体如下：

2.1)计算文献i的相对重要度：

上述式(2)中，文献i的p_i值由两个部分的值求和而得，分别为

和(1-α)c_i，其中α值代表的是两部分各占的权重，

指的是所有引用i的文献提供的相对重要度数值之和，c_i指的是原始数据中被引频次所提供的相对重要度数值，式(2)中，文献j的参考文献是i，n为j的数量总和，S_j指的是j参考文献数量的倒数，c_i指的是原始数据中i的被引频次；

2.2)计算文献i的绝对重要度：

标准化公式指的是将一列数求平均值后再求标准差，用这一列数的每一个数减去平均值，除以标准差，得到一列新的数，计算公式如式(3)所示，求得的新数据平均值为0，标准差为1，

上述公式中，p_i为文献i的相对重要度，z_i为i绝对重要度，

为i同年发表文献集相对重要度的平均值，s为i同年发表文献集相对重要度的标准差。

2.根据权利要求1所述的一种文献选择及其学习先后次序确定方法，其特征在于：所述步骤3)具体包括如下过程：

以文献绝对重要度和相关引文网络为基础构建的文献知识地图，本质上是文献学习路径的集合，文献知识地图由相关引文网络中计算每一篇文献的绝对重要度，设置绝对重要度阈值a，删除绝对重要性低于a的文献节点构建而成。

3.根据权利要求1所述的一种文献选择及其学习先后次序确定方法，其特征在于：所述步骤4)具体包括如下过程：

计算每条路径的绝对重要度，抽取最好的文献学习路径完成最佳路径推荐，对路径中的每一篇文献绝对重要度求和，如公式(4)所示，即可得路径绝对重要度，

式(4)中，b_t为第t条路径的绝对重要度数值，i为第t条路径中的文献序号，m为第t条路径中文献总量，z_i为第t条路径中第i个文献的绝对重要度数值。

Images