在开放学术的环境下,学术交流和科研合作在学术创新与发展中发挥着重要的作用,而帮助研究者找到合适的学术团体是促进研究者寻找科研灵感的重要途径,现有的研究者社区发现多是着眼于科研成果的关联而忽略了研究者自身学术活动产生的关联...在开放学术的环境下,学术交流和科研合作在学术创新与发展中发挥着重要的作用,而帮助研究者找到合适的学术团体是促进研究者寻找科研灵感的重要途径,现有的研究者社区发现多是着眼于科研成果的关联而忽略了研究者自身学术活动产生的关联,因此,本文通过分析研究者自身学术活动信息,使用ORCID (Open Research and Contributor ID,开放研究者与贡献者标识)数据构建学术信息网络,通过综合考虑所有层次数下节点间的相似度来改进跨层边聚类系数,提出一种基于加权跨层边聚类系数的研究者社区发现模型.模型通过构建多种元路径抽取研究者之间的直接关联关系,并根据不同属性关系对网络进行分层,使用加权跨层边聚类系数计算节点间相似度,从而将网络转化为同质网络并结合Louvain算法进行社区划分.本文在人造网络和真实网络中进行实验,根据社区实际情况对结果进行评估,在提高了划分效果的同时避免了参数的不确定性.展开更多
针对目前多层社会网络(multi-layered social network,MSN)的社团发现算法较少、社团划分结果较粗糙等特点,提出了一种基于边聚类的多层社会网络社团发现(CLEDCC)算法。该算法综合考虑每层关系网中的任意两节点邻居及节点本身的关系强弱...针对目前多层社会网络(multi-layered social network,MSN)的社团发现算法较少、社团划分结果较粗糙等特点,提出了一种基于边聚类的多层社会网络社团发现(CLEDCC)算法。该算法综合考虑每层关系网中的任意两节点邻居及节点本身的关系强弱,并分别针对人造稀疏网、稠密网以及真实数据集进行仿真。实验表明,所提出的CLEDCC算法能有效地避免参数不确定性问题,并比跨层边聚类系数(CLECC)算法的社团划分结果更精准。展开更多
文摘在开放学术的环境下,学术交流和科研合作在学术创新与发展中发挥着重要的作用,而帮助研究者找到合适的学术团体是促进研究者寻找科研灵感的重要途径,现有的研究者社区发现多是着眼于科研成果的关联而忽略了研究者自身学术活动产生的关联,因此,本文通过分析研究者自身学术活动信息,使用ORCID (Open Research and Contributor ID,开放研究者与贡献者标识)数据构建学术信息网络,通过综合考虑所有层次数下节点间的相似度来改进跨层边聚类系数,提出一种基于加权跨层边聚类系数的研究者社区发现模型.模型通过构建多种元路径抽取研究者之间的直接关联关系,并根据不同属性关系对网络进行分层,使用加权跨层边聚类系数计算节点间相似度,从而将网络转化为同质网络并结合Louvain算法进行社区划分.本文在人造网络和真实网络中进行实验,根据社区实际情况对结果进行评估,在提高了划分效果的同时避免了参数的不确定性.
文摘针对目前多层社会网络(multi-layered social network,MSN)的社团发现算法较少、社团划分结果较粗糙等特点,提出了一种基于边聚类的多层社会网络社团发现(CLEDCC)算法。该算法综合考虑每层关系网中的任意两节点邻居及节点本身的关系强弱,并分别针对人造稀疏网、稠密网以及真实数据集进行仿真。实验表明,所提出的CLEDCC算法能有效地避免参数不确定性问题,并比跨层边聚类系数(CLECC)算法的社团划分结果更精准。
