多维度融合的文献作者亲密度计算

doi:10.3772/j.issn.1000-0135.2021.08.005

情报学报

2021, Vol. 40

Issue (8): 846-853 DOI: 10.3772/j.issn.1000-0135.2021.08.005

情报分析方法与技术

本期目录 | 过刊浏览 | 高级检索

多维度融合的文献作者亲密度计算

侯湘^1,2, 黄晋³, 桑军³, 夏晓峰³

1.重庆大学期刊社，重庆 400044
2.重庆大学自动化学院，重庆 400044
3.重庆大学大数据与软件学院，重庆 400044

Calculation of Author Intimacy Based on Multi-Dimensional Fusion

Hou Xiang^1,2, Huang Jin³, Sang Jun³, Xia Xiaofeng³

1.Journal Department, Chongqing University, Chongqing 400044
2.College of Automation, Chongqing University, Chongqing 400044
3.College of Big Data and Software, Chongqing University, Chongqing 400044

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (3242 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要为了学术成果在不同论文作者和研究团队之间便捷交流和精准推送，需建立合理有效的学术社交网络（academic social networking，ASN），本文针对目前中文学术数据库平台尚未建立成熟的、基于文献引用的作者社交网络进行社区交互问题，以CNKI（China National Knowledge Infrastructure）数据源，某大学软件工程及信息安全学科领域的教授A及有合著或引用关系的122位作者在2014—2020年的文献数据为研究对象，构建学术作者引用网络。结合学术社交的特点，对作者、论文及引用数据进行挖掘，提出合著作者（co-author）、学科主题（subject topic）、基于学科敏感度的文献引用（sensitivity-citation）和图谱社交网络（social graph）4个维度的亲密度计算方法，加权得到网络中作者间的综合亲密度值。本文通过综合亲密度值建立作者关系图谱，得到作者在网络中的亲密度水平（author_degree），用亲密度水平值与发文数量相乘得到作者的网络水平（author_weight），找出图谱中相同研究水平的作者及研究团队，为学术社交网络数据推送打好基础。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	侯湘
	黄晋
	桑军
	夏晓峰

关键词 ：学术社交网络, 文献引用, 亲密度, 多维度融合, 图谱

收稿日期: 2021-01-13

基金资助:重庆市社会科学基金项目“重庆高校科技期刊助推高校‘双一流’建设的探索研究”（2020YBTQ130）；中国高校科技期刊研究会“一流高校科技期刊建设”专项基金项目（CUJS-ZX-2021-005）。

作者简介: 侯湘，女，1982年生，博士，主要研究领域为数据挖掘、科技期刊出版，E-mail：15394488@qq.com；黄晋，女，1998年生，硕士，主要研究领域为数据挖掘、信息安全；桑军，男，1968年生，教授，博士生导师，主要研究领域为数据挖掘、信息安全；夏晓峰，男，1980年生，副教授，硕士生导师，主要研究领域为数据挖掘、信息安；

引用本文:

侯湘, 黄晋, 桑军, 夏晓峰. 多维度融合的文献作者亲密度计算[J]. 情报学报, 2021, 40(8): 846-853.
Hou Xiang, Huang Jin, Sang Jun, Xia Xiaofeng. Calculation of Author Intimacy Based on Multi-Dimensional Fusion. 情报学报, 2021, 40(8): 846-853.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.08.005 或 https://qbxb.istic.ac.cn/CN/Y2021/V40/I8/846

1 贾新露, 王曰芬. 学术社交网络的概念、特点及研究热点[J]. 图书馆学研究, 2016(5): 7-13.
2 赵杨, 李露琪. 国内外学术社交网络研究现状述评与思考[J]. 情报资料工作, 2016(6): 41-47.
3 周庆山, 杨志维. 学术社交网络用户行为研究进展[J]. 图书情报工作, 2017, 61(16): 38-47.
4 田依林, 刘平平. 合著型论文对学术期刊影响力的贡献度评价研究[J]. 中国科技期刊研究, 2020, 31(6): 725-730.
5 王江盼, 郭强, 刘建国. 基于PageRank的合著论文中作者贡献分配算法[J]. 电子科技大学学报, 2020, 49(6): 918-923.
6 任妮, 周建农. 合著网络加权模式下科研团队的发现与评价研究[J]. 现代图书情报技术, 2015, 31(9): 68-75.
7 卿雅娴, 李锐, 吴华意. 基于论文合著网络的学术社区分析方法研究——以《美国地理学家联合会会刊》为例[J]. 数据分析与知识发现, 2017, 1(4): 20-29.
8 唐璞妮. 基于引文分布与作者合著的学者p指数改进研究[J]. 情报理论与实践, 2020, 43(5): 99-103.
9 琚春华, 陶婉琼, 马希骜. 基于关系圈与个体交互习惯的用户关系强度计算方法[J]. 情报学报, 2019, 38(9): 974-987.
10 于岩, 陈鸿昶, 于洪涛. 基于霍克斯过程的社交网络用户关系强度模型[J]. 电子学报, 2016, 44(6): 1362-1368.
11 孙怡帆, 李赛. 基于相似度的微博社交网络的社区发现方法[J]. 计算机研究与发展, 2014, 51(12): 2797-2807.
12 Ju C H, Tao W Q. A novel relationship strength model for online social networks[J]. Multimedia Tools and Applications, 2017, 76(16): 17577-17594.
13 琚春华, 陈彦, 鲍福光. 融入网络结构与社交习惯的不对称用户关系强度计算[J]. 系统工程理论与实践, 2018, 38(8): 2135-2146.
14 Zhou T, Lü L, Zhang Y C. Predicting missing links via local information[J]. The European Physical Journal B, 2009, 71(4): 623-630.
15 桑军, 樊芳, 夏晓峰, 等. 社交网络基于邻居结点亲密度的信息流控制[J]. 重庆大学学报, 2018, 41(1): 70-77.
16 谷俊, 许鑫. 人文社科数据共享模型的设计与实现——以联盟链技术为例[J]. 情报学报, 2019, 38(4): 354-367.
17 王柳, 汤庸, 杨佐希, 等. 基于学者社交网络的论文与项目关联模型[J]. 计算机应用研究, 2020, 37(5): 1428-1431.
18 Grover A, Leskovec J. node2vec: scalable feature learning for networks[C]// Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM Press, 2016: 855-864.
19 Garlaschelli D, Loffredo M I. Patterns of link reciprocity in directed networks[J]. Physical Review Letters, 2004, 93(26): 268701.
20 Bordes A, Usunier N, Garcia-Durán A, et al. Translating embeddings for modeling multi-relational data[C]// Proceedings of 26th International Conference on Neural Information Processing Systems. Red Hook: Curran Associates, 2013, 2: 2787-2795.
21 Wang Z, Zhang J W, Feng J L, et al. Knowledge graph embedding by translating on hyperplanes[C]// Proceedings of the Tweviy-Eighth AAAI Conforence on Artificial Intelligence. Palo Alto: AAAI Press, 2014: 1112-1119.