融合动态研究偏好和社交信任的潜在科研合作者推荐研究

doi:10.3772/j.issn.1000-0135.2023.11.007

情报学报

2023, Vol. 42

Issue (11): 1335-1346 DOI: 10.3772/j.issn.1000-0135.2023.11.007

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

融合动态研究偏好和社交信任的潜在科研合作者推荐研究

钟元生^1,2,3, 高成珍^1,2, 朱文强³

1.江西财经大学信息管理学院,南昌 330013
2.江西财经大学财经数据科学重点实验室,南昌 330013
3.江西财经大学软件与物联网工程学院,南昌 330013

Potential Scientific Collaborator Recommendation Model Utilizing Dynamic Research Interest and Social Trust

Zhong Yuansheng^1,2,3, Gao Chengzhen^1,2, Zhu Wenqiang³

1.School of Information Management, Jiangxi University of Finance and Economics, Nanchang 330013
2.Key Laboratory of Data Science in Finance and Economics, Jiangxi University of Finance and Economics, Nanchang 330013
3.School of Software & Internet of Things Engineering, Jiangxi University of Finance and Economics, Nanchang 330013

摘要
图/表
参考文献
相关文章 (3)

全文: PDF (2529 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要从海量科研数据中自动发现潜在合作者是科研合作预测研究的热点。鉴于学者研究兴趣随时间变化以及人们更倾向于与具有一定学术社交关系的学者合作，本文提出一种融合学者动态研究偏好和学术社交信任的潜在科研合作者推荐模型SimTrustRec。首先，利用LDA（latent Dirichlet allocation）模型学习已发表论文的主题分布，挖掘学者动态研究偏好特征，计算学者间研究偏好相似度；其次，根据论文中学者、单位共现关系构建学术社交网络，计算直接学术社交信任值，根据信任的传递性，计算间接学术社交信任值；最后，融合研究兴趣相似度和学术社交信任值计算学者间潜在合作的可能性，生成潜在合作者推荐列表。真实数据集ArnetMiner上的实证研究结果表明，相对于已有方法，本文方法在召回率、命中率、平均倒数排序方面均有一定的提升。

	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
	钟元生
	高成珍
	朱文强

关键词 ：动态研究偏好, 学术社交网络, 社交信任, 科研合作者推荐

收稿日期: 2022-10-14

基金资助:国家自然科学基金项目“基于异构数据融合的可信C2C共享服务推荐模型和方法研究”（72261016），“上下文感知的O2O服务信誉管理方法研究”（71662014）；江西省自然科学基金项目“基于社会行为特征的复杂网络直觉信任建模研究”（20202BABL202027）；江西财经大学财经数据科学重点实验室开放课题基金项目“科创新时代上下文感知的导研信任演化及风险预警研究”。

作者简介: 钟元生，男，1968年生，博士，教授，博士生导师，主要研究领域为信任管理、教育大数据；高成珍，通信作者，男，1989年生，博士研究生，主要研究领域为信任管理、科研合作推荐、学术社交网络，E-mail：1281147324@qq.com；朱文强，男，1977年生，博士，讲师，主要研究领域为服务计算、信任管理、推荐系统、社交网络；

引用本文:

钟元生, 高成珍, 朱文强. 融合动态研究偏好和社交信任的潜在科研合作者推荐研究[J]. 情报学报, 2023, 42(11): 1335-1346.
Zhong Yuansheng, Gao Chengzhen, Zhu Wenqiang. Potential Scientific Collaborator Recommendation Model Utilizing Dynamic Research Interest and Social Trust. 情报学报, 2023, 42(11): 1335-1346.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.11.007 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I11/1335

1 Katz J S, Martin B R. What is research collaboration?[J]. Research Policy, 1997, 26(1): 1-18.
2 秦红武, 赵猛, 马秀琴, 等. 基于学术水平聚类的科研合作者推荐模型[J]. 计算机工程与应用, 2022, 58(21): 172-181.
3 刘先红, 李纲. 科研社交网络的推荐系统对比分析[J]. 图书情报工作, 2016, 60(9): 116-122.
4 刘建生, 游真旭, 乐光学, 等. 网络信任研究进展[J]. 计算机科学, 2018, 45(11): 13-28, 36.
5 Lopes G R, Moro M M, Wives L K, et al. Collaboration recommendation on academic social networks[C]// Proceedings of the International Conference on Conceptual Modeling Workshops. Heidelberg: Springer, 2010: 190-199.
6 邓少伟, 罗泽, 李树仁, 等. 基于论文共同作者学术关系的学者推荐系统[J]. 计算机工程, 2013, 39(2): 12-17.
7 刘萍, 郑凯伦, 邹德安. 基于LDA模型的科研合作推荐研究[J]. 情报理论与实践, 2015, 38(9): 79-85.
8 Du G Y, Liu Y C, Yu J J. Scientific users? interest detection and collaborators recommendation[C]// Proceedings of the 2018 IEEE Fourth International Conference on Big Data Computing Service and Applications. Piscataway: IEEE, 2018: 72-79.
9 Kong X J, Jiang H Z, Yang Z, et al. Exploiting publication contents and collaboration networks for collaborator recommendation[J]. PLoS One, 2016, 11(2): e0148492.
10 Yan E J, Guns R. Predicting and recommending collaborations: an author-, institution-, and country-level analysis[J]. Journal of Informetrics, 2014, 8(2): 295-309.
11 吕伟民, 王小梅, 韩涛. 结合链路预测和ET机器学习的科研合作推荐方法研究[J]. 数据分析与知识发现, 2017, 1(4): 38-45.
12 Xia F, Chen Z, Wang W, et al. MVCWalker: random walk-based most valuable collaborators recommendation exploiting academic factors[J]. IEEE Transactions on Emerging Topics in Computing, 2014, 2(3): 364-375.
13 Zhou X, Ding L X, Li Z K, et al. Collaborator recommendation in heterogeneous bibliographic networks using random walks[J]. Information Retrieval Journal, 2017, 20(4): 317-337.
14 张金柱, 于文倩, 刘菁婕, 等. 基于网络表示学习的科研合作预测研究[J]. 情报学报, 2018, 37(2): 132-139.
15 余传明, 林奥琛, 钟韵辞, 等. 基于网络表示学习的科研合作推荐研究[J]. 情报学报, 2019, 38(5): 500-511.
16 林原, 王凯巧, 刘海峰, 等. 网络表示学习在学者科研合作预测中的应用研究[J]. 情报学报, 2020, 39(4): 367-373.
17 Pradhan T, Pal S. A multi-level fusion based decision support system for academic collaborator recommendation[J]. Knowledge-Based Systems, 2020, 197: 105784.
18 Chen J, Wang X, Zhao S, et al. Content-enhanced network embedding for academic collaborator recommendation[J]. Complexity, 2021, 2021: Article ID 7035467.
19 Du O X, Li Y. Academic collaborator recommendation based on attributed network embedding[J]. Journal of Data and Information Science, 2022, 7(1): 37-56.
20 熊回香, 顾佳云, 代沁泉, 等. 基于用户相似度与信任度的虚拟学术社区中学者推荐研究[J]. 情报科学, 2022, 40(2): 74-81.
21 Blei D M, Ng A Y, Jordan M I. Latent Dirichlet allocation[J]. Journal of Machine Learning Research, 2003, 3: 993-1022.
22 Ding Y, Li X. Time weight collaborative filtering[C]// Proceedings of the 14th ACM International Conference on Information and Knowledge Management. New York: ACM Press, 2005: 485-492.
23 Tang J, Zhang J, Yao L M, et al. ArnetMiner: extraction and mining of academic social networks[C]// Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM Press, 2008: 990-998.
24 Adamic L A, Adar E. Friends and neighbors on the web[J]. Social Networks, 2003, 25(3): 211-230.
25 Tang J, Qu M, Wang M Z, et al. LINE: large-scale information network embedding[C]// Proceedings of the 24th International Conference on World Wide Web. Republic and Canton of Geneva: International World Wide Web Conferences Steering Committee, 2015: 1067-1077.