期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
作者-关键词二分网络中的合著关系预测研究
被引量：
17
1
作者
张金柱
韩涛
王小梅
《图书情报工作》
CSSCI
北大核心
2016年第21期74-80,共7页
[目的 /意义]明晰由关键词形成的主题内容类关联关系对合著关系预测的影响和作用,形成作者-关键词二分网络上的合著关系预测指标和方法,提高预测准确率和结果可解释性。[方法 /过程]首先,在作者-关键词二分网络上抽取多种路径表示作者...
[目的 /意义]明晰由关键词形成的主题内容类关联关系对合著关系预测的影响和作用,形成作者-关键词二分网络上的合著关系预测指标和方法,提高预测准确率和结果可解释性。[方法 /过程]首先,在作者-关键词二分网络上抽取多种路径表示作者间的关联关系,并结合关联强度的计算方式,共同形成多种合著关系预测指标;接着应用逻辑回归的机器学习方法学习不同指标对于合著关系预测的贡献,由此构建二分网络中基于路径组合的合著关系预测指标;最后基于链路预测方法对指标进行评测。[结果 /结论]在图书情报领域的实验证实,作者-关键词二分网络中路径组合指标的准确率最高,较4种单路径指标均有大幅度提高;多种路径均对合著关系预测产生影响,且路径"作者-关键词-作者"(AKA)的作用明显高于路径"作者-关键词-作者-关键词-关键词"(AKAKA);同时,使作者产生关联的关键词能表示作者间的共同研究主题和兴趣,使得结果更易解释。下一步将引入更多路径到该模型中并在其他领域验证方法的通用性。
展开更多
关键词
作者-关键词二分网络
合著
网络
合著
关系
预测
路径组合指标
图书情报
原文传递
文献–作者二分网络中基于路径组合的合著关系预测研究
被引量：
14
2
作者
张金柱
王小梅
韩涛
《现代图书情报技术》
CSSCI
2016年第10期42-49,共8页
【目的】降低文献–作者二分网络在投影为合著网络过程中的信息丢失影响,形成适应特定二分网络的合著关系预测指标和方法,提高预测准确率和结果可解释性。【方法】首先构建文献–作者二分网络及其投影合著网络;接着抽取二分网络中的二...
【目的】降低文献–作者二分网络在投影为合著网络过程中的信息丢失影响,形成适应特定二分网络的合著关系预测指标和方法,提高预测准确率和结果可解释性。【方法】首先构建文献–作者二分网络及其投影合著网络;接着抽取二分网络中的二阶路径和三阶路径表示作者间的关联关系;最后利用逻辑回归方法学习不同路径对于合著关系预测的贡献,由此形成文献–作者二分网络中基于路径组合的合著关系预测指标。【结果】在图书情报领域的实验证实,文献–作者二分网络在投影为合著网络过程中存在较大的信息丢失,并以合著关系预测准确率变化进行定量计算;逻辑回归方法适合学习不同路径对于合著关系预测的贡献,由此形成的路径组合指标准确率远远高出其他指标,并且预测结果更易解释。【局限】其他的多阶路径尚未引入到该模型中,方法通用性还需在其他领域进行验证。【结论】合著关系预测应直接在文献–作者二分网络上进行,以降低投影过程中的信息丢失影响;文献–作者二分网络上的路径组合指标是合著关系预测的最优指标;该方法可扩展应用到其他类型的二分网络中,如专利–发明人二分网络。
展开更多
关键词
文献–作者二分网络
路径组合指标
图书情报
合著
网络
合著
关系
预测
原文传递
数据规模对合著关系预测的影响研究
被引量：
3
3
作者
张金柱
韩涛
《情报杂志》
CSSCI
北大核心
2016年第9期80-85,共6页
[目的/意义]为了发现适合合著关系预测的最佳数据集规模,并公平比较合著关系预测的指标,需要比较和分析不同数据规模下合著关系预测的整体准确率和最优指标的变化情况。[方法/过程]选取12个共同邻居及其改进指标作为代表性的合著关系预...
[目的/意义]为了发现适合合著关系预测的最佳数据集规模,并公平比较合著关系预测的指标,需要比较和分析不同数据规模下合著关系预测的整体准确率和最优指标的变化情况。[方法/过程]选取12个共同邻居及其改进指标作为代表性的合著关系预测指标,在不同规模的合著网络数据集上运用链路预测的理论和方法计算不同指标的预测准确率,并发现不同数据规模下的最优指标,从而揭示数据规模对合著关系预测的影响以及造成这些影响的原因。[结果/结论]在图书情报领域,通过作者出现频次大小形成不同规模的合著网络数据集,实验结果表明,数据规模越大,合著关系预测的整体准确率越高,并在合著网络全数据集上实现了准确率的巨大提升,说明没有经过任何过滤的完整合著网络是合著关系预测的最佳数据集;同时,不同数据集中合著关系预测的最优指标发生了变化,验证了指标具有数据规模偏好,说明公平科学比较合著关系预测指标需要在多个不同规模的数据集下进行。造成该结果的原因在于随着数据规模变大,合著网络数据集越接近真实情况,改进指标的优势得到了充分发挥。该方法可以扩展应用到其他领域并对结论进行验证。
展开更多
关键词
数据规模
合著
关系
预测
图书情报
准确率
最优指标
下载PDF
职称材料
题名
作者-关键词二分网络中的合著关系预测研究
被引量：
17
1
作者
张金柱
韩涛
王小梅
机构
南京理工大学经济管理学院信息管理系
中国科学院文献情报中心
出处
《图书情报工作》
CSSCI
北大核心
2016年第21期74-80,共7页
基金
国家自然科学基金青年基金"基于被引科学知识突变的突破性创新动态识别及其形成机理研究"(项目编号:71503125)
教育部人文社会科学研究青年基金"异构知识网络中主题突变动态识别研究"(项目编号:14YJC870025)研究成果之一
文摘
[目的 /意义]明晰由关键词形成的主题内容类关联关系对合著关系预测的影响和作用,形成作者-关键词二分网络上的合著关系预测指标和方法,提高预测准确率和结果可解释性。[方法 /过程]首先,在作者-关键词二分网络上抽取多种路径表示作者间的关联关系,并结合关联强度的计算方式,共同形成多种合著关系预测指标;接着应用逻辑回归的机器学习方法学习不同指标对于合著关系预测的贡献,由此构建二分网络中基于路径组合的合著关系预测指标;最后基于链路预测方法对指标进行评测。[结果 /结论]在图书情报领域的实验证实,作者-关键词二分网络中路径组合指标的准确率最高,较4种单路径指标均有大幅度提高;多种路径均对合著关系预测产生影响,且路径"作者-关键词-作者"(AKA)的作用明显高于路径"作者-关键词-作者-关键词-关键词"(AKAKA);同时,使作者产生关联的关键词能表示作者间的共同研究主题和兴趣,使得结果更易解释。下一步将引入更多路径到该模型中并在其他领域验证方法的通用性。
关键词
作者-关键词二分网络
合著
网络
合著
关系
预测
路径组合指标
图书情报
Keywords
author-keyword bipartite network
co-authorship network
co-authorship prediction
paths combinationpredictor
library and information science
分类号
G353.1 [文化科学—情报学]
原文传递
题名
文献–作者二分网络中基于路径组合的合著关系预测研究
被引量：
14
2
作者
张金柱
王小梅
韩涛
机构
南京理工大学经济管理学院
中国科学院文献情报中心
出处
《现代图书情报技术》
CSSCI
2016年第10期42-49,共8页
基金
国家自然科学基金青年基金"基于被引科学知识突变的突破性创新动态识别及其形成机理研究"(项目编号:71503125)
教育部人文社会科学研究青年基金"异构知识网络中主题突变动态识别研究"(项目编号:14YJC870025)
中央高校基本科研业务专项资金"基于专利引用科学知识突变的突破性创新动态识别方法与形成机理研究"(项目编号:30915013101)的研究成果之一
文摘
【目的】降低文献–作者二分网络在投影为合著网络过程中的信息丢失影响,形成适应特定二分网络的合著关系预测指标和方法,提高预测准确率和结果可解释性。【方法】首先构建文献–作者二分网络及其投影合著网络;接着抽取二分网络中的二阶路径和三阶路径表示作者间的关联关系;最后利用逻辑回归方法学习不同路径对于合著关系预测的贡献,由此形成文献–作者二分网络中基于路径组合的合著关系预测指标。【结果】在图书情报领域的实验证实,文献–作者二分网络在投影为合著网络过程中存在较大的信息丢失,并以合著关系预测准确率变化进行定量计算;逻辑回归方法适合学习不同路径对于合著关系预测的贡献,由此形成的路径组合指标准确率远远高出其他指标,并且预测结果更易解释。【局限】其他的多阶路径尚未引入到该模型中,方法通用性还需在其他领域进行验证。【结论】合著关系预测应直接在文献–作者二分网络上进行,以降低投影过程中的信息丢失影响;文献–作者二分网络上的路径组合指标是合著关系预测的最优指标;该方法可扩展应用到其他类型的二分网络中,如专利–发明人二分网络。
关键词
文献–作者二分网络
路径组合指标
图书情报
合著
网络
合著
关系
预测
Keywords
Paper-author bipartite network
Paths combination indicator
Library and Information ScienceCo-authorship network
Co-authorship prediction
分类号
G353.1 [文化科学—情报学]
原文传递
题名
数据规模对合著关系预测的影响研究
被引量：
3
3
作者
张金柱
韩涛
机构
南京理工大学经济管理学院信息管理系
中国科学院文献情报中心
出处
《情报杂志》
CSSCI
北大核心
2016年第9期80-85,共6页
基金
国家自然科学基金青年基金"基于被引科学知识突变的突破性创新动态识别及其形成机理研究"(编号:71503125)
教育部人文社会科学研究青年基金"异构知识网络中主题突变动态识别研究"(编号:14YJC870025)
中央高校基本科研业务专项资金"基于专利引用科学知识突变的突破性创新动态识别方法与形成机理研究"(编号:30915013101)的研究成果之一
文摘
[目的/意义]为了发现适合合著关系预测的最佳数据集规模,并公平比较合著关系预测的指标,需要比较和分析不同数据规模下合著关系预测的整体准确率和最优指标的变化情况。[方法/过程]选取12个共同邻居及其改进指标作为代表性的合著关系预测指标,在不同规模的合著网络数据集上运用链路预测的理论和方法计算不同指标的预测准确率,并发现不同数据规模下的最优指标,从而揭示数据规模对合著关系预测的影响以及造成这些影响的原因。[结果/结论]在图书情报领域,通过作者出现频次大小形成不同规模的合著网络数据集,实验结果表明,数据规模越大,合著关系预测的整体准确率越高,并在合著网络全数据集上实现了准确率的巨大提升,说明没有经过任何过滤的完整合著网络是合著关系预测的最佳数据集;同时,不同数据集中合著关系预测的最优指标发生了变化,验证了指标具有数据规模偏好,说明公平科学比较合著关系预测指标需要在多个不同规模的数据集下进行。造成该结果的原因在于随着数据规模变大,合著网络数据集越接近真实情况,改进指标的优势得到了充分发挥。该方法可以扩展应用到其他领域并对结论进行验证。
关键词
数据规模
合著
关系
预测
图书情报
准确率
最优指标
Keywords
data size
co-authorship prediction
Library and Information Science
precision
optimal indicator
分类号
G353.1 [文化科学—情报学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
作者-关键词二分网络中的合著关系预测研究
张金柱
韩涛
王小梅
《图书情报工作》
CSSCI
北大核心
2016
17
原文传递
2
文献–作者二分网络中基于路径组合的合著关系预测研究
张金柱
王小梅
韩涛
《现代图书情报技术》
CSSCI
2016
14
原文传递
3
数据规模对合著关系预测的影响研究
张金柱
韩涛
《情报杂志》
CSSCI
北大核心
2016
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
