情报学报  2021, Vol. 40 Issue (11): 1209-1220    DOI: 10.3772/j.issn.1000-0135.2021.11.007
  情报分析方法与技术 本期目录 | 过刊浏览 | 高级检索 |
基于深度图神经网络方法的领域知识结构探测
刘非凡1,2, 张爽1,2, 罗双玲3, 夏昊翔1,2
1.大连理工大学系统工程研究所,大连 116024
2.大连理工大学大数据与智能决策研究中心,大连 116024
3.大连海事大学航运经济与管理学院,大连 116026
Detection of Scientific Knowledge Structure Based on Graph Representation Learning
Liu Feifan1,2, Zhang Shuang1,2, Luo Shuangling3, Xia Haoxiang1,2
1.Institute of Systems Engineering, Dalian University of Technology, Dalian 116024
2.Research Center for Big Data and Intelligent Decision-Making, Dalian University of Technology, Dalian 116024
3.School of Maritime Economics and Management, Dalian Maritime University, Dalian 116026
全文: PDF (6236 KB)   HTML (108 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 准确地探测和识别学科领域知识结构对于理解学科发展动态、制定科技政策以及开展科研活动具有重要意义。当前,针对该问题的探索思路主要集中在两个方面:文本内容分析和网络结构分析。在现有的研究中,这两种研究思路往往仅作为相互辅证的依据,缺少同时融合文本信息与结构信息来探测领域知识结构的方法。因此,本文借助深度学习领域涌现出的新兴算法,把深度图神经网络模型与文档表示学习以及流形学习算法加以综合,提出新的学科领域知识结构探测框架。分别选取了代表基础研究学科与新涌现研究领域的两个数据集对所提研究框架进行验证,实验结果表明,深度图神经网络能够有效融合文献的文本内容特征信息以及其引用关系特征信息,提高了领域知识结构探测效率及可识别度。本文的研究拓展了深度图神经网络模型的应用场景,并对情报工程应用领域具有一定的借鉴参考价值。
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
刘非凡
张爽
罗双玲
夏昊翔
关键词 领域知识结构深度图神经网络文档表示学习引文网络    
收稿日期: 2020-10-09     
基金资助:国家自然科学基金面上项目“协同创新网络中的集体智能动态机理研究”(71871042);教育部人文社会科学规划项目“综合数据解析和动力学建模的科研协作系统演化模式与机理研究”(18YJA630118);辽宁省社会科学规划基金项目“大数据背景下图书馆科技情报知识服务的支撑方法研究”(L16BTQ003)。
作者简介: 刘非凡,男,1991年生,博士研究生,主要研究领域为复杂网络、机器学习、科技情报分析;张爽,女,1994年生,博士研究生,主要研究领域为机器学习、社会网络分析、科技情报分析;罗双玲,女,1978年生,副教授,硕士生导师,主要研究领域为知识管理、群体行为、行为金融;夏昊翔,男,1972年生,教授,博士生导师,主要研究领域为复杂系统、计算社会科学、知识管理、知识组织,E-mail:hxxia@dlut.edu.c;
引用本文:   
刘非凡, 张爽, 罗双玲, 夏昊翔. 基于深度图神经网络方法的领域知识结构探测[J]. 情报学报, 2021, 40(11): 1209-1220.
Liu Feifan, Zhang Shuang, Luo Shuangling, Xia Haoxiang. Detection of Scientific Knowledge Structure Based on Graph Representation Learning. 情报学报, 2021, 40(11): 1209-1220.
链接本文:  
https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2021.11.007     或     https://qbxb.istic.ac.cn/CN/Y2021/V40/I11/1209