摘要为满足情报学科研人员对跨学科论文的需求，本文构建了基于学术网络的跨学科论文推荐模型。首先，根据论文关键词耦合网络及作者对论文的引用网络特征，挖掘作者与论文的相关性，实现基于关键词耦合的论文推荐；其次，利用作者引文耦合网络特征及作者跨学科引用关系、论文共被引关系与论文的学科属性，分别挖掘作者与论文的跨学科性，并计算跨学科性相似度，实现基于学科相似性的论文推荐；最后，结合基于关键词耦合的论文推荐和基于学科相似性的论文推荐，实现跨学科论文混合推荐。以CSSCI（Chinese Social Sciences Citation Index）数据库中的数据对模型进行验证，实证结果表明，本文提出的推荐模型推荐结果具备跨学科性；与基于关键词耦合的论文推荐方法相比，结合跨学科特征后在作者推荐成功率、平均准确率和平均召回率上均有提高。
杜瑾, 熊回香, 向瀛泓. 基于学术网络的跨学科论文推荐研究[J]. 情报学报, 2024, 43(5): 516-527.
Du Jin, Xiong Huixiang, Xiang Yinghong. Research on Interdisciplinary Paper Recommendation Based on Academic Network. 情报学报, 2024, 43(5): 516-527.
1 杜瑾. 基于学术网络的跨学科论文推荐研究[D]. 武汉: 华中师范大学, 2022. 2 Pan L L, Dai X Y, Huang S J, et al. Academic paper recommendation based on heterogeneous graph[C]// Proceedings of 14th China National Conference on Chinese Computational Linguistics. Cham: Springer, 2015: 381-392. 3 熊回香, 李跃艳. 基于word2vec的学者推荐与跨语言论文推荐模型研究[J]. 情报科学, 2019, 37(12): 19-26. 4 王勤洁, 秦春秀, 马续补, 等. 基于作者偏好和异构信息网络的科技文献推荐方法研究[J]. 数据分析与知识发现, 2021, 5(8): 54-64. 5 Sugiyama K, Kan M Y. Scholarly paper recommendation via user’s recent research interests[C]// Proceedings of the 10th Annual Joint Conference on Digital Libraries. New York: ACM Press, 2010: 29-38. 6 谭红叶, 要一璐, 梁颖红. 基于知识脉络的科技论文推荐[J]. 山东大学学报(理学版), 2016, 51(5): 94-101. 7 汤志康, 李春英, 汤庸, 等. 学术社交平台论文推荐方法[J]. 计算机与数字工程, 2017, 45(2): 221-225. 8 Sun J S, Ma J, Liu Z Y, et al. Leveraging content and connections for scientific article recommendation in social computing contexts[J]. The Computer Journal, 2014, 57(9): 1331-1342. 9 张玉连, 袁伟. 隐语义模型下的科技论文推荐[J]. 计算机应用与软件, 2015, 32(2): 37-40. 10 Rafols I, Meyer M. Diversity and network coherence as indicators of interdisciplinarity: case studies in bionanoscience[J]. Scientometrics, 2010, 82(2): 263-287. 11 陈赛君, 陈智高. 领域交叉性分析指标与方法新探及其实证研究[J]. 情报学报, 2013, 32(11): 1184-1195. 12 Morillo F, Bordons M, Gómez I. Interdisciplinarity in science: a tentative typology of disciplines and research areas[J]. Journal of the American Society for Information Science and Technology, 2003, 54(13): 1237-1249. 13 吴小兰, 章成志. 社交媒体视角下图书情报领域的跨学科性研究[J]. 图书情报工作, 2019, 63(13): 66-74. 14 Cronin B, Meho L I. The shifting balance of intellectual trade in information studies[J]. Journal of the American Society for Information Science and Technology, 2008, 59(4): 551-564. 15 刘婷, 李长玲, 刘运梅, 等. 基于参考文献分类号的图书情报学跨学科知识输入特点分析[J]. 情报科学, 2018, 36(10): 99-104. 16 吴小兰, 章成志. 融合内容与关系的学术社交媒体上跨学科用户推荐模型研究[J]. 图书情报工作, 2020, 64(9): 95-103. 17 李长玲, 冯志刚, 刘运梅, 等. 基于引文网络的潜在跨学科合作者识别——以图书情报学为例[J]. 情报资料工作, 2018(3): 93-98. 18 冯志刚, 张志强. 潜在跨学科合作行为影响因素分析[J]. 情报理论与实践, 2020, 43(2): 114-120, 149. 19 罗式胜. 科学文献关键词链的概念——一种统计分析方法[J]. 情报学报, 1994, 13(2): 126-131. 20 冯小东, 武森, 王佳晔. 基于作者引用文献关系的潜在研究兴趣主题发现[J]. 中国科技论文, 2014, 9(1): 65-70. 21 韩青, 周晓英. 基于文献共被引特征的文献相似度计算优化研究[J]. 情报学报, 2018, 37(9): 905-911. 22 朱祥, 张云秋, 惠秋悦. 基于学科异构知识网络的学术文献推荐方法研究[J]. 图书馆杂志, 2020, 39(8): 103-110. 23 Grover A, Leskovec J. node2vec: scalable feature learning for networks[C]// Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. New York: ACM Press, 2016: 855-864.
