[硕士论文] 基于异构网络的学者影响力评估算法 [复制链接]

资料简介：
硕士论文-基于异构网络的学者影响力评估算法，共64页，32541字。
摘要
随着学术研究工作的不断发展和科学技术的进步，人们通过学术搜索引擎和数字图书馆接触到的学术数据越来越多。这些数据中包含了大量的关于科研学者、论文、期刊/会议、科研机构等科研主体的信息，被称为学术大数据。但是另一方面，学术大数据也造成了信息过载的问题。对于科研学者来说，从繁杂的科研数据中挖掘到有利用价值的信息也变得越来越难。本文所关注的学者影响力评估便是解决这个问题的方法之一。通过对学者的影响力进行评估，不仅可以为科研奖项和科研基金的分配提供参考，也可以为科研新人提供引导，使他们能够系统地了解相关领域的发展水平和研究现状。
在这一背景下，越来越多的科学研究开始关注于对学术影响力评估算法的研究。这些研究算法主要集中在两个方面：基于引用的方法和基于网络结构的方法。传统的研究方法包括基于学者被引频次的算法、指数计算方法和基于同构网络的算法。然而，一些研究已经证明，混合的网络或者异构网络能够捕捉学术主体之间更多的互动与沟通，因而能够提供更合理、更有效的评估方式。
当在异构网络中对学者影响力进行评估时，以前的研究工作并没有对节点的重要性进行区分，这是不合理的。所以在本文通过PageRank算法区分了论文的重要性，并且加入了时间函数，对PageRank算法做出改进，考虑了时间对论文重要性的影响。在此基础上通过论文与学者之间的随机游走算法评估学者影响力。最后，实验中选择了DBLP数据集和APS数据集，确定了最适合的时间函数，并对算法的有效性和正确性进行了验证。
关键词：学者影响力；异构网络；随机游走；DBLP；APS

目    录
摘    要    I
Abstract    II
1  绪论    1
1.1  研究背景    1
1.1.1  计算社会科学的发展    1
1.1.2  学术大数据的概念    1
1.2  研究意义    2
1.3  研究现状    3
1.4  本文研究工作    6
1.4.1  研究目标    6
1.4.2  本文主要工作    7
1.5  本文章节安排    7
2  学者学术影响力的评估及相关研究    9
2.1  学术大数据    9
2.1.1  学术数据的获取途径    10
2.1.2  学术大数据的分析方法    11
2.1.3  学术大数据的应用场景    11
2.2  基于引用的学者学术影响力评估    12
2.2.1  基于学者被引频次的影响力评估    12
2.2.2  学者影响因子    13
2.3    基于网络结构学者学术影响力评估    15
2.3.1  同构网络中的学术影响力评估算法    15
2.3.2  异构网络中的学术影响力评估算法    17
2.4  本章小结    19
3  异构网络中基于时间感知的学者学术影响力评估策略    20
3.1  论文-学者网络中的随机游走算法    20
3.1.1  论文学者网络的构建    20
3.1.2  随机游走算法的应用    21
3.2  区分论文重要性的随机游走算法    23
3.2.1  PageRank 算法    23
3.2.2  基于PageRank 算法的随机游走模型    25
3.3  基于时间感知的学者学术影响力评估算法    27
3.3.1  论文被引频次分析    27
3.3.2  基于时间感知的PageRank算法    28
3.3.3  基于改进的PageRank 算法的随机游走模型    29
3.4  本章小结    30
4  实验与结果分析    31
4.1  实验数据与算法    31
4.1.1  DBLP数据集    31
4.1.2  APS数据集    32
4.1.3  对比算法    35
4.2  DBLP相关实验及结果    37
4.2.1  高影响力学者排名    37
4.2.2  Pearson相关系数    39
4.2.3  ROC特性曲线    40
4.3  APS相关实验及结果    43
4.3.1  高影响力学者    43
4.3.2  Pearson相关系数    44
4.3.3  ROC特性曲线    44
4.4  本章小结    45
结    论    47
参 考 文 献    49
攻读硕士学位期间发表学术论文情况    53
致    谢    54

资料文件预览：
共1文件夹，1个文件，文件总大小：2.46MB，压缩后大小：1.31MB

• 硕士论文-基于异构网络的学者影响力评估算法
• 基于异构网络的学者影响力评估算法.doc  [2.46MB]