CN111325390A - 一种基于兴趣演化的学者合作关系预测方法 - Google Patents

Abstract

该发明公开了一种基于兴趣演化的学者合作关系预测方法,涉及数据挖掘领域。本发明考虑到传统方法缺陷的影响，并对于各研究兴趣进行基于时间的权重值计算，目的是在于提供一种时序状态下的准确兴趣刻画方法，从而利用相应的兴趣维度匹配进行合作关系预测。本发明所涉及到的相关系统流程包括:数据采集、数据预处理、时间权重计算和合作关系预测；利用数据驱动，利用论文著作的关键词频数进行学者的兴趣识别，再利用论文的时间节点进行学者的兴趣权重区分，参照以上两个因素形成随时间演化的学者研究领域的兴趣程度刻画；除此之外，将以上方法的结果进行科研学者兴趣匹配，再融入到整个合作关系预测方法当中，从而达到精确地匹配。

Description

一种基于兴趣演化的学者合作关系预测方法

技术领域

本发明涉及数据挖掘领域，尤其涉及到基于兴趣演化的科研学者研究兴趣匹配和合作关系预测的方法及系统。

背景技术

在进入互联网时代之后，学者之间的合作通过网络的联系变得更加频繁和紧密。在社交工具发达、信息传播速度倍增的背景下，学术合作的前景已经不再只局限于在小范围的学术交流圈或是同一学术机构内产生，愈来愈多的学术合作将发生在陌生学者之间，突破国别和地域限制，通过相似的研究方向和兴趣进行匹配，使得学术合作的可能性大大增加。

随着时间的推移，科研学者的研究方向会逐渐在各种因素的影响下发生调整，在整个学术生涯中可能会分阶段专攻不同方向，这些因素包括领域的相关研究热度、个人的学术突破或外部环境影响。因此，在通过充分的数据补全和分析后，合理的对目标学者的整个学术生涯由远到近进行基于兴趣演化的学者研究领域权重计算，是合理准确推导出目标学者学术研究领域维度的重要支撑。

在充分考虑了时间节点对于研究兴趣和研究领域的权重影响后，利用权重值计算出相关的兴趣维度，对该结果进行匹配，由此为学者合作关系的预测提供依据。本发明提供了一种基于兴趣演化的学者合作关系预测方法及系统。

对于传统的学者合作关系预测方法，有如下缺点：

1、将预测依据的重心大多都放在了学者之间的合作拓扑关系上，依据拓扑结构进行同构或异构链路预测，此类方法可靠度较高但会局限于在局部网络中进行目标选择，无法突破时空限制，且并未考虑到因为兴趣相投产生具体合作的情况，在互联网信息蓬勃发展的时代，显示是具有一定的局限性。

2、在目标的研究领域，没有充分考虑整个学术职业生涯的兴趣迁移或改变情况(即是兴趣演化特征)，可能在生涯的早中晚期都会进行不同方面的研究，并且侧重某个领域。故没有充分利用兴趣演化的时间函数进行权重计算，准确的描绘出兴趣迁移或改变所带来的差异性。

发明内容

本发明提供了一种基于兴趣演化的学者合作关系预测方法及系统。学者合作关系的预测在传统方法上主要来源于链路预测等拓扑结构方法，对于不在结构和社区中的节点则无法适用(即是冷启动问题)。本发明考虑到传统方法缺陷的影响，提供一种基于研究兴趣匹配的合作关系预测方法，并对于各研究兴趣进行基于时间的权重值计算，目的是在于提供一种时序状态下的准确兴趣刻画方法，从而利用相应的兴趣维度匹配进行合作关系预测。

为了完成以上所述内容，本发明所涉及到的相关系统流程包括:数据采集、数据预处理、时间权重计算和合作关系预测。本发明利用数据驱动，利用论文著作的关键词频数进行学者的兴趣识别，再利用论文的时间节点进行学者的兴趣权重区分，参照以上两个因素形成随时间演化的学者研究领域的兴趣程度刻画。除此之外，将以上方法的结果进行科研学者兴趣匹配，再融入到整个合作关系预测方法当中。

因此本发明技术方案为一种基于兴趣演化的学者合作关系预测方法，该方法包括：

步骤1：数据采集；

对所需的学者和论文数据进行采集并存储，采集内容包括：学者名、背景机构、研究领域、所著论文列表，论文标题、论文作者列表、论文关键词、论文发表期刊或会议、论文发表时间、引用量；

步骤2：数据预处理；

对步骤1存储的数据进行融合，通过所著论文列表将学者名和该学着所著论文对应起来，对于重名问题，则要结合<学者名,背景机构>进行联合筛选，在最后要对于每一名学者的论文全数据集的论文关键词进行词频统计，并选取出排名前N个论文关键词；

步骤3：统计步骤2得到的各学者排名前N个论文关键词对应的论文发表时间，根据不同时间所发表的论文对应的关键词作为该学者当时的研究兴趣或研究方向，将此兴趣方向输入时间兴趣衰减函数模型从而对学者的兴趣权重进行计算，得到学者基于时间兴趣演化的权重向量；

步骤4：计算不同学者之间基于时间兴趣演化的向量维度的相似度θ，在相似度最高的学者之间进行学术合作预测，并输出最后的预测结果。

进一步的，所述步骤3的具体方法为：

步骤3.1：按时间线排列学者的论文，以时间线上由远到近的方式排列后，对各发表论文的关键词以<论文关键词ki，论文发表时间Tj>的二元关系方式进行标注；

步骤3.2：对于该学者的论文发表时间进行节点刻画，以当下年份为标准值T₀，对于其余各年份时间T_j，利用研究兴趣领域随时间的转移或改变，考虑到兴趣随时间的衰减演化，在时间兴趣衰减曲线上进行权重值计算，得到<论文关键词k_i，关键词权重值W_i>的权重表示关系；

步骤3.3：根据步骤2得到的排名前N个论文关键词和步骤3.2得到的基于时间兴趣演化的关键词权重值，进行学者的时间兴趣维度统计，并将相同关键词的权重值相加，得到学者基于时间兴趣演化的权重向量。

进一步的，步骤3.3中基于时间兴趣演化的权重向量计算方法为：

步骤3.3.1：采用如下公式计算关键词的权重信息

其中，m表示关键词的编号，j表示论文的编号，λ表示时间衰减因子，

表示关键词的时间信息，为关键词所在论文发表时间与当前时间差值的绝对值；

步骤3.3.2：将对不同时间，不同论文相同关键词的权重相加得到关键词权重W_m；

步骤3.3.3：结合sigmoid函数对关键词权重进行归一化：

归一化后得到学者基于时间兴趣演化的权重向量

进一步的，所述步骤4中采用如下公式计算不同学者之间基于时间的兴趣演化权重向量的相似度θ：

本方法及系统的创新性有如下几点：

着重强调了基于时序信息的研究方向或研究兴趣转移或改变对衡量科研学者研究领域的重要性，并提出了相关的理论方法计算不同时序节点下的研究方向所对应的兴趣权重值，由此来替代传统的统计方法。提供了完整的从数据采集、数据预处理、兴趣演化权重值计算到兴趣匹配和合作预测的完整系统流程，该方法及系统为学者之间的潜在合作关系提供预测。

附图说明

图1为学者合作关系预测系统架构图。

图2为本发明中的基于兴趣演化的学者合作关系预测方法及系统流程图。

图3为本发明中的科研学者-论文-关键词层级关系图。

具体实施方案

为了使本发明的目的更加清楚，以下结合附图对本发明作进一步详细介绍。

图2清晰地表示出了本发明提出的基于兴趣演化的学者合作关系预测方法的具体步骤，通过数据采集模块对所需的学者和论文数据进行爬虫采集，所采内容包括学者名、背景机构、研究领域、所著论文列表，论文标题、论文作者列表、论文关键词、论文发表期刊或会议、论文发表时间、引用量等，对采集数据进行入库并进行论文关键词词频统计等相关步骤，接下的数据预处理为整个方法的计算模块提供格式化数据，通过数据分析手段对目标学者的职业生涯时间线进行提取，得到<目标学者A，论文P>和<论文关键词K，论文发表时间T>的二元结构数据，利用该信息对科研学者基于时间兴趣衰减的研究领域权重值进行计算，具体的方法如下：

图3可视化地表示出了科研学者，发表论文以及论文关键词的基于时间的层级关系。对于目标研究学者，可以使用学者-论文向量

来表示，其中J表示该学者发表了J篇论文,i表示学者的编号，j表示论文的编号，同样的，对于一篇论文，可以使用论文-关键词向量

来表示，其中M代表该论文有M个关键词，m表示关键词的编号，基于这些信息，计算出科研学者研究领域随兴趣演化的权重值，并据此得到该时间兴趣的维度向量。

进一步地，计算的具体方法如下所述：

随兴趣演化的权重计算引擎首先从数据库中取出论文

的发表时间的信息，计算出该时间与当前时间的年份的差值的绝对值，并将此时间差值信息作为该论文所对应的关键词的时间信息，也就是

接着，根据关键词的时间信息计算得到每个关键词的权重信息

为了方便计算，对学者的兴趣维度做标准化处理，同时，为了更科学地描绘科研学者的兴趣方向，统计出数量在前100的关键词。因此，在对关键词权重信息进行计算的时候，只需要选取经过筛选的top100的关键词进行计算。

进一步地，关键词权重信息计算方法如下所述：

将以上计算出的关键词时间信息

输入到时间兴趣衰减函数，输出基于时间的关键词权重W_m；考虑到科研学者发表的论文的时间与当前时间间隔越近，说明了该学者对该论文所属的研究方向的兴趣越强烈，研究重心越明显；反之，发表论文的时间与当前时间间隔越远，则说明了对该研究方向的兴趣越低迷。引入时间衰减因子λ，由此体现出随时间演化的兴趣衰减变化关系，最后，时间兴趣衰减函数为：

其中，时间衰减因子的建议值为λ＝0.4，时间衰减函数图像如图3所示。

当然，科研学者的研究兴趣很可能会在一段时间内持续保持，表现为表征论文所属研究方向的关键词多次出现，说明该学者在此研究领域的研究兴趣颇为浓厚。为了更加科学客观地刻画其兴趣维度，应该增加该学者在此领域的兴趣权重。于是，科研学者的基于时间的关键词权重计算为：

最后，结合sigmoid函数对关键词权重进行归一化：

经过以上的关键词权重计算，就可以得到科研学者的基于时间的兴趣演化权重向量

接着，具体的相似性度θ计算方法为：

最终，将此匹配结果作为系统输出，完成了基于兴趣演化计算之后的匹配程度最高学者之间的合作关系预测。

至此，回顾本发明提供的整个系统流程，首先进行了信息的采集和信息的预处理，接着针对目标研究学者，利用收集的时序信息和衰减函数计算出目标学者随时间演化的研究兴趣权重值，得到基于兴趣演化的维度向量。根据该维度向量对学者研究兴趣进行相似性匹配并存入到数据库中，最终对学者之间未来合作做出进一步预测。

Claims (4)

1.一种基于兴趣演化的学者合作关系预测方法，该方法包括：

步骤1：数据采集；

对所需的学者和论文数据进行采集并存储，采集内容包括：学者名、背景机构、研究领域、所著论文列表，论文标题、论文作者列表、论文关键词、论文发表期刊或会议、论文发表时间、引用量；

步骤2：数据预处理；

对步骤1存储的数据进行融合，通过所著论文列表将学者名和该学着所著论文对应起来，对于重名问题，则要结合<学者名,背景机构>进行联合筛选，在最后要对于每一名学者的论文全数据集的论文关键词进行词频统计，并选取出排名前N个论文关键词；

步骤3：统计步骤2得到的各学者排名前N个论文关键词对应的论文发表时间，根据不同时间所发表的论文对应的关键词作为该学者当时的研究兴趣或研究方向，将此兴趣方向输入时间兴趣衰减函数模型从而对学者的兴趣权重进行计算，得到学者基于时间兴趣演化的权重向量；

步骤4：计算不同学者之间基于时间兴趣演化的向量维度的相似度θ，在相似度最高的学者之间进行学术合作预测，并输出最后的预测结果。

2.如权利要求1所述的一种基于兴趣演化的学者合作关系预测方法，其特征在于所述步骤3的具体方法为：

步骤3.1：按时间线排列学者的论文，以时间线上由远到近的方式排列后，对各发表论文的关键词以<论文关键词ki，论文发表时间Tj>的二元关系方式进行标注；

步骤3.2：对于该学者的论文发表时间进行节点刻画，以当下年份为标准值T₀，对于其余各年份时间T_j，利用研究兴趣领域随时间的转移或改变，考虑到兴趣随时间的衰减演化，在时间兴趣衰减曲线上进行权重值计算，得到<论文关键词k_i，关键词权重值W_i>的权重表示关系；

步骤3.3：根据步骤2得到的排名前N个论文关键词和步骤3.2得到的基于时间兴趣演化的关键词权重值，进行学者的时间兴趣维度统计，并将相同关键词的权重值相加，得到学者基于时间兴趣演化的权重向量。

3.如权利要求2所述的一种基于兴趣演化的学者合作关系预测方法，其特征在于步骤3.3中基于时间兴趣演化的权重向量计算方法为：

步骤3.3.1：采用如下公式计算关键词的权重信息

其中，m表示关键词的编号，j表示论文的编号，λ表示时间衰减因子，

表示关键词的时间信息，为关键词所在论文发表时间与当前时间差值的绝对值；

步骤3.3.2：将对不同时间，不同论文相同关键词的权重相加得到关键词权重W_m；

步骤3.3.3：结合sigmoid函数对关键词权重进行归一化：

归一化后得到学者基于时间兴趣演化的权重向量

4.如权利要求3所述的一种基于兴趣演化的学者合作关系预测方法，其特征在于所述步骤4中采用如下公式计算不同学者之间基于时间的兴趣演化权重向量的相似度θ：

Images