基于Web of Science的作者合作关系分析研究

发布时间：2025-05-07 00:59

　　随着互联网技术不断发展,学术成果不断涌现,学者们可以使用各种分析方法来挖掘学术成果之间的隐藏关系,并探索学术合作的规律。其中,学术合作关系的分析逐渐成为研究热点,对作者合作进行研究可以了解作者合作形成的原因和研究领域的发展态势,帮助学者更方便地寻找到合作伙伴,促进科研合作的形成和科研成果的不断产生。本文首先对学者合作规律以及影响因素进行了数据分析;在此基础上,采用基于链路预测和基于网络表示学习两种方法建立了学者合作关系预测模型,并在传统模型中加入了学者外部属性这类新特征,实验证明此类特征能够有效提高模型的预测准确率。本文通过总结前人的文献,基于统计学方法,选择两类作者合作关系的影响因素,从合作网络拓扑特征和作者特征两个方面进行度量。合作网络拓扑特征选择了链路预测特征和网络表示学习特征。其中链路预测特征包括Common Neighbours(CN),Adamic-Adar(AA),Resource Allocation(RA),Jaccard,Katz,Graph Distance(GD),Sim Rank;网络表示学习特征为使用Large-scale Information Networ...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 研究方法
    1.4 研究内容
    1.5 研究思路
第2章 研究综述
    2.1 基于链路预测的合作预测
    2.2 基于元路径的合作预测
    2.3 基于网络表示学习方法的合作预测
    2.4 与机器学习相结合的合作预测
    2.5 基于动力学的合作预测
    2.6 本章小结
第3章 影响作者合作的作者外部特征因素
    3.1 数据收集与预处理
    3.2 作者合作概况
    3.3 作者合作影响因素
    3.4 本章小结
第4章 作者合作关系预测模型
    4.1 模型介绍
    4.2 实验流程
    4.3 模型评价
    4.4 模型分析
    4.5 本章小结
第5章 结论与展望
    5.1 研究结论
    5.2 创新点
    5.3 研究展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：4043361