[发明专利]一种基于引用次数的作者推荐方法

权利要求书

1.一种基于引用次数的作者推荐方法，其特征在于，包括：

首先，在文献数据库中选定文献群体范围；

其次，依据所选定文献群体中文献间的相互引用关系构建文献引用网络模型，映射生成作者引用网络，统计文献作者的黄金引用次数；

然后，基于所述作者引用网络对作者进行聚类分组；

最后，按照黄金引用次数和作者聚类分组排序，向用户推荐文献作者；

所述“按照黄金引用次数和作者聚类分组排序，向用户推荐文献作者”包括：将文献作者按照研究领域聚类划分的结果和依照黄金引用次数对文献作者排序相结合，向用户推荐文献作者；

所述“基于所述作者引用网络对作者进行聚类分组”包括对作者引用网络进行群落划分，划分后的作者群落视为相对独立的研究领域，步骤如下：

S11.将所述作者引用网络G^auth.作为初始网络，并设为当前网络；

S12.将当前网络中的节点随机分为两个群落，之后执行步骤S13；

S13.计算每个节点对模块度的贡献度并根据贡献度计算网络模块度，之后执行步骤S14；

S14.将较低贡献度的节点从一个群落移动到另一个群落，之后执行步骤S15；

S15.重新计算每个节点对模块度的贡献度和网络模块度，之后执行步骤S16；

S16.判断网络模块度是否增加，同时判断网络模块度是否达到最大值，若模块度增加，即未达最大值，则保留该次节点移动结果并返回执行步骤S14，若模块度不增加，则撤回被移动的节点，并将不同于所撤回被移动的节点的贡献度较低的新节点从一个群落移动到另一个群落，返回执行步骤S15；若模块度达到最大值，则执行步骤S17；

S17.记录并保存初始网络此时的网络模块度及群落结构，之后执行步骤S18；

S18.将步骤S17中划分出的每个群落作为单独网络继续进行划分，并对每个单独网络以递归的方式执行步骤S12～S18，直至初始网络没有更大的模块度产生，得到网络群落划分结果，即

所述每个节点对模块度的贡献度λ_i根据下式计算：

其中，κ_r(i)代表属于群落r的节点v_i与该群落内其他节点之间的代表引用关系的边数值总和，为节点v_i的施引数，为节点v_i的被引数，a_r(i)代表无论施引或者被引节点在群落r中的边数值的比例；

所述模块度Q根据下式计算：

其中，m为作者网络中代表引用关系的边数值总和。

2.根据权利要求1所述的一种基于引用次数的作者推荐方法，其特征在于，所述文献引用网络模型为：G＝(V,E)，G＝(V,E)是由|V|＝N个文献节点和|E|＝M条边所组成的一个有向网络；其中，G代表文献群体中文献以及文献间引用关系的集合，V代表文献群体G中的文献集合，E代表文献群体G中文献间的引用关系；计算所述文献引用网络模型中G的他引次数并生成排除自引的文献他引网络模型G'＝(V,E')，将所述文献他引网络G'通过线性映射生成作者引用网络G^auth.。

3.根据权利要求1所述的一种基于引用次数的作者推荐方法，其特征在于，所述“将文献作者按照研究领域聚类划分的结果和依照黄金引用次数对文献作者排序相结合”包括设定第一阈值，取作者群体中黄金引用次数大于所述第一阈值的作者节点，并根据黄金引用次数降序排列，之后取作者聚类划分结果和所述降序排列结果的交集，形成向用户推荐的作者列表，所述第一阈值不大于最大黄金引用次数。

4.根据权利要求1所述的一种基于引用次数的作者推荐方法，其特征在于，所述“将文献作者按照研究领域聚类划分的结果和依照黄金引用次数对文献作者排序相结合”包括将作者群体中的所有作者节点按照黄金引用次数降序排列，之后为作者聚类划分结果中每个研究领域的作者群落设定第二阈值，向用户推荐每个作者群落中黄金引用次数处于第二阈值和最大黄金引用次数之间的作者节点所组成的作者列表，所述第二阈值不大于最大黄金引用次数。