[发明专利]一种基于链接分析的引文推荐方法及系统

说明书

本发明公开了一种基于链接分析的引文推荐方法及系统，包括：构建有向加权引用网络；将引用网络划分为网络集群；为网络集群选择代表节点；为新建论文选择候选网络集群；将相似度最高的节点加入候选引文推荐集，计算节点间的链接度；选择链接度高于第二阈值的节点加入候选引文推荐集；继续选择节点加入候选引文推荐集；获取第一时间段内发表的论文作为第一论文，预测第一论文的引用次数；获取第三时间段内发表的论文作为第二论文；计算第一论文、第二论文引用次数增长度；将引用次数增长度大于第四阈值的论文加入候选引文推荐集。本发明对社区网络的引文推荐进行优化，提高了推荐的准确性，同时对发表时间短的论文进行预测，使推荐的引文更加全面。

技术领域

本发明涉及文档搜索领域，具体涉及一种基于链接分析的引文推荐方法及系统。

背景技术

一篇学术论文需要引用之前相关的重要工作来帮助读者了解它的背景和创新点，科研人员通常想要快速地了解这个领域中己有的文献，包括哪些论文是最相关的，这些论文中有哪些子主题等。随着学术论文数量的不断增加，由学术论文及其参考文献形成的引文网络正在成为一个规模巨大的复杂网络。引文分析在文献检索和论文推荐中具有重要的作用。

公开号为CN 110674318A的发明专利申请公开了一种基于引文网络社区发现的数据推荐方法，基于作者之间的合著关系、论文之间的共引和耦合关系，构建引文网络；将引文网络划分成多个社区网络；基于论文与数据集之间的相似度，建立数据集与社区网络之间的关联；将与数据集建立起关联的社区网络中各论文节点进行叠加去重，再进行数据推荐。

上述申请虽然提及了基于引文网络社区发现进行推荐，但是其是将数据集与社区网络进行关联，以进行数据推荐。即使是同一社区网络中的论文其社区影响力也是不同的，进行引文推荐的概率也完全不同。且论文的引用是动态变化的，发表时间长短也对论文的引用有很大的影响，新发表的技术性先进的论文可能存在引用量小等问题，因此，上述申请的论文推荐方法存在准确率低的问题，如何针对现有的引文推荐的问题，实现高准确率、高质量的引文推荐，是本领域亟待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种基于链接分析的引文推荐方法及系统。本发明对社区网络的引文推荐进行优化，提高了推荐的准确性，同时对发表时间短的论文进行预测，使推荐的引文更加全面。

为了实现以上目的，本发明采用以下技术方案：

一种基于链接分析的引文推荐方法，包括步骤：

S1、基于论文间的引用关系、作者相似性、内容相似性构建有向加权引用网络；

S2、将所述有向加权引用网络划分为多个网络集群；

S3、为每个所述网络集群选择影响力最大的节点作为代表节点；

S4、基于作者相似性、内容相似性为新建论文选择相应的网络集群，作为候选网络集群；

S5、将所述候选网络集群中与新建论文相似度最高的节点作为第一节点加入候选引文推荐集，计算所述第一节点与所述候选网络集群中其它节点间的链接度；

S6、选择与所述第一节点的链接度高于第二阈值的节点加入所述候选引文推荐集；将选择的节点作为第一节点继续选择节点加入候选引文推荐集直到不能满足第二阈值的要求或网络集群中的所有节点都已加入候选引文推荐集；

S7、获取第一时间段内发表的论文作为第一论文，预测未来第二时间段内第一论文的引用次数；

S8、获取第三时间段内发表的论文作为第二论文，第三时间段=第一时间段+第二时间段；计算所述第一论文、第二论文的引用次数增长度；

S9、将所述引用次数增长度大于第四阈值的论文加入所述候选引文推荐集得到最终引文推荐集，向用户推荐最终引文推荐集中的论文作为新建论文的引文；