学海网

学术异构信息网络中的作者合作关系预测，硕士学位论文，正文共64页，32560字。
摘要
随着科学研究工作的不断进展，近年来科研成果的产量迅猛增长，学术大数据日渐成为研究热点。为了揭露学术大数据背后隐藏的信息和规律，学者们从不同角度对各种学术主体之间的关系进行分析和挖掘。在本文中，我们主要研究学术异构信息网络中作者之间的合作关系预测问题，即对之前没有合作过的作者在未来发生合作关系的可能性进行分析和预测。这有助于识别一个学者是属于合作型还是独立科研型，了解学者的学术圈子以及发现合作关系形成背后的机制和原理，从而帮助学者更高效的进行科学研究。
与传统的在信息缺失和单一的同构信息网络中进行关系分析不同，我们利用更贴近现实世界的异构信息网络解决作者合作关系预测问题。在本文中，我们提出一个基于元路径和内容信息的合作预测模型（Meta path and Content information based Collaboration Prediction，MCCP），包括基于元路径和内容信息的特征抽取和基于逻辑回归的合作关系预测两个阶段。首先，根据构建的学术异构信息网络中元路径的不同度量得到网络的拓扑属性，并引入时间动态、传递相似性和作者属性的概念得到网络的内容信息，结合拓扑属性和内容信息得到基于元路径和内容信息的特征空间。然后根据得到的特征属性集，利用逻辑回归算法找到每个特征属性的最适权重来进行作者合作关系预测。
本文在APS和DBLP学术数据集构建的异构信息网络上进行实验，结果表明，与只考虑网络拓扑属性的预测方法相比，我们提出的基于元路径和内容信息的合作预测方法取得了更准确的预测结果，表明了网络中内容信息等因素对于预测性能的提升。另外，在预测模型中对于每个特征属性的重要性的学习，帮助我们更好地了解到合作关系建立背后的机制和原理。在对不同产量作者和不同合作强度的合作关系预测对比中，MCCP模型对高产学者和高频率合作关系具有更好的预测效果。
关键词：异构信息网络；合作预测；元路径；内容信息

目 录
摘 要 I
Abstract II
1 绪论 1
11 研究背景 1
111 学术大数据 1
112 异构信息网络 2
12 研究意义 3
13 研究现状 4
14 本文研究内容 6
15 本文章节安排 6
2 信息网络中的链路预测算法 8
21 问题描述 8
22 基于节点的度量 10
23 基于拓扑的度量 11
231 基于邻居的度量 11
232 基于路径的度量 14
233 基于随机游走的度量 15
24 基于内容信息的度量 17
25 基于学习的方法 18
251 基于特征属性的分类 18
252 概率图模型 19
253 矩阵分解 20
26 本章小结 20
3 学术异构信息网络中的作者合作关系预测模型 21
31 元路径概述 22
32 基于学术异构信息网络的属性集 25
321 元路径的基本度量 25
322 时间动态 28
323 传递相似性 29
324 作者属性 30
33 基于元路径和内容信息的特征空间 31
331 基于时间动态的路径数 31
332 基于传递相似性的归一化路径数 32
333 基于作者属性的对称随机游走 33
34 有监督学习算法 34
35 本章小结 35
4 实验及结果分析 36
41 实验数据集 36
42 实验设计 37
43 实验结果评价指标 39
44 实验结果分析 40
441 不同数据集的合作关系预测 40
442 不同特征属性对比 44
443 不同元路径对比 46
444 不同合作强度对比 47
45 本章小结 48
结 论 49
参 考 文 献 50
攻读硕士学位期间发表学术论文情况 54
致 谢 55
大连理工大学学位论文版权使用授权书 56