融合多元网络与网络表示学习的科研合作者推荐研究
作者:杜瑾; 熊回香; 王妞妞
更新时间:
[目的/意义]整合多种网络和网络表征学习方法,学习并发现作者之间的相关性,以便更好地推荐合作者方法/过程]首先,收集信息学领域的相关文献数据作为原始数据集。数据清理后,根据作者之间的多元关系,构造每个信息实体的多个科研信息网络,然后使用Node2vec网络表示学习方法学习高维网络中每个节点的信息,从而获得每个网络中节点的向量表示。其次,通过余弦相似度计算每个网络中的作者相似度。最后,通过整合作者间机构合作偏好和作者学术水平结果/结论的相似性,得到最终推荐结果]本文提出的融合模型考虑了多元网络和数据稀疏性。它在AUC值上的表现优于单一维度,获得了更好的协同预测效果。实验结果表明,该合作者推荐模型在信息科学领域的作者-合作者推荐中是可行的。