[发明专利]一种基于引用次数的作者推荐方法

说明书

本发明公开了一种基于引用次数的作者推荐方法，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。通过定义文献作者的黄金引用次数，消除文献作者的自引干扰，削弱低质低效他引的影响，同时基于作者之间的引用关系进行作者聚类划分，使得用户可快速准确的锁定特定研究领域的专家。

技术领域

本发明属于文献检索技术领域，具体地说涉及一种基于引用次数的作者推荐方法。

背景技术

寻找符合特定技术需求的专家，通常利用社会关系网或者根据科技成果的作者信息寻找相应的专家。通过社会关系网寻找专家过度依赖需求方的社会关系，局限性很大；基于科技成果的作者信息寻找专家需耗费大量人力和时间进行科技成果和成果作者调研，效率低下且工作量巨大。这两种人工寻找专家的方式都过于主观，存在缺乏准确性、公正性等问题。智能推荐专家技术，打破了传统人工寻找专家的限制。

申请号为201410680306.6的中国专利描述了一种基于群组匹配的专家推荐方法及系统：该系统通过网络爬虫获取专家列表中各专家的网页信息，再对所述网页信息进行提取，以获得各专家的专家学术信息，然后计算各专家与待匹配项目之间的匹配度，最后根据所述匹配度及群组匹配模型确定为待匹配项目推荐的专家。但是该方法是使用科研领域关键词作为匹配度的基准，当遇到交叉学科或新兴学科时必然会出现结果偏倚现象。

申请号为201811228086.8的中国专利公开了一种基于专家领域相似度与关联关系的协同推荐方法。将批量论文数据作为训练集，构造合作关系网络利用Dijkstra算法计算作者之间的最短路径作为专家关联度COR，利用word2vec算法构造专家词向量模型计算关联专家词向量与领域词向量的余弦相似度作为专家领域相似度，筛选专家领域相似度SIM与专家关联度COR满足阈值的专家即为推荐专家。该方法提出的专家关联度是依据专家之间合作关系计算的，以此为依据推荐的专家与给定的专家关联紧密。但是合作关系受主观因素影响，非研究领域相似的合作会干扰推荐结果，而且，作者之间合作关系也不能体现知识本身的传承和研究主题之间隐含的相关性。

有鉴于此，特提出本发明。

发明内容

本发明要解决的技术问题在于克服现有技术的不足，提供一种基于引用次数的作者推荐方法，通过计算作者的黄金引用次数和利用群落算法划分文献研究领域，快速准确地为用户推荐领域专家。

为解决上述技术问题，本发明采用技术方案的基本构思是：

本发明提供了一种基于引用次数的作者推荐方法，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。

上述方案中，所述文献包括科技期刊、专利、会议论文、研究报告和学位论文。

本发明的进一步方案为：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.。

本发明的进一步方案为：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：