[发明专利]一种基于引文网络与科研合作网络的领域专家遴选方法

说明书

本发明公开了一种基于引文网络与科研合作网络的领域专家遴选的方法。包括以下步骤：首先，基于数据库元数据信息，构建学者合作有向网络模型，生成学者合作网络；其次，基于文献引用信息，构建文献引用模型，删除自引干扰，线性映射生成学者引用网络；然后，学者合作网络、学者引用网络融合生成学者关系网络；最后，计算学者关系网络中重要节点并划分社团结构，结果作为遴选专家列表。本发明依据学者学术活动和学术成果，综合考虑学术能力评价和合作网络质量评价两个标准，不仅能够快速精准的推荐相应专家，还能够辨识专家擅长领域，解决现有评选方法中专家专业匹配不准确的问题；直观地体现资深学者在科研工作中的重要性，遴选的专家更加合理。

技术领域

本发明属于大数据文献检索技术领域，具体地说涉及一种基于引文网络与科研合作网络的领域专家遴选方法。

背景技术

随着计算技术普及、网络信息化发展迅猛，科技专家遴选工作由人工方式发展为网络智能化模式。网络智能化专家遴选模式，从根本上解决了传统遴选方式的效率低下、缺乏科学性和公正性等问题，打破了传统遴选方式中专家地域的限制，扩充了专家队伍网络智能化专家遴选模式的核心是专家遴选算法，目前专家遴选方法主要分为基于文本分析和基于网络结构两类。

基于研究主题、内容、学科等的文本分析，通过结合相似度计算、数学模型计分等方式对专家进行筛选。申请号为201410092584.X的中国专利描述了一种学科特征值算法以及基于该算法的项目评审专家推荐算法。根据文本信息计算项目研究内容与评审专家研究方向的文本相似度计算，根据国家标准《学科分类与代码》对项目和评审专家进行学科特征值计算，结合项目与评审专家的文本相似度和学科特征值完成推荐工作。在计算文本特征向量的相似度基础上，增加了科学合理的学科分类标准，在学科层面准确地计算，可以充分考量各级学科的比重，侧重学科的细分程度。然而随着科学技术的发展，交叉学科或跨学科研究增加，沿用现有学科分类计算遴选出的专家必然会带来结果的偏差。

基于文献、学者网络结构的专家遴选方法，主要是利用构建网络的链接结构判断专家的学术影响力。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算法计算学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。但是仅考虑合作关系易受主观因素影响，缺乏对研究领域的客观限定标准；而且，学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，提供一种基于引文网络与科研合作网络的领域专家遴选的方法，综合考虑了学术能力评价和合作网络质量评价两个标准，快速准确地遴选出领域专家。

为解决上述技术问题，本发明采用技术方案的基本构思是：一种基于引文网络和科研合作网络，融合生成学者关系网络，借用复杂网络中重要节点和社区划分算法，实现领域专家遴选的方法，包括以下步骤：

首先，基于数据库元数据信息，构建学者合作有向网络模型，生成学者合作网络；

其次，基于文献引用信息，构建文献引用模型，删除自引干扰，线性映射生成学者引用网络；

然后，将学者合作网络和学者引用网络融合生成学者关系网络；

最后，计算学者关系网络中重要节点并进行聚类分组，结果即为遴选出的专家列表；

其中，所述学者合作网络为有向网络。