[发明专利]科技文献异构网络中节点的学术影响力协同排序方法

摘要

本发明公布了科技文献异构网络中节点（论文、作者、期刊/会议）的学术影响力协同排序方法，由于科技文献网络的异构性，本发明采用两个级别的随机游走计算科技文献中节点的学术影响力并排序，分别是在科技文献异构网络上的节点网络拓扑驱动下的随机游走和在科技文献网络的极小网络模式上的学术类型驱动下的随机游走，在科技文献异构网络中计算各条边权重以配置节点网络拓扑驱动下的随机游走，根据科技文献异构网络的最小网络模式，统计不同领域的各种关系边的平均边介数，计算传播因子并配置节点学术类型驱动下的随机游走，此方法不仅克服了异构网络的异构性带来的难题以及避免了节点影响力与入度正相关的现象，从而使得排序结果相对准确。

主权项

一种科技文献异构网络中节点的学术影响力协同排序方法，其特征在于：步骤包括如下：A.获取科技文献异构网络，抽取出科技文献异构网络的极小网络模式；B.在科技文献异构网络中计算各条边权重以配置节点网络拓扑驱动下的随机游走；C.根据科技文献异构网络的最小网络模式，统计不同领域的各种关系边的平均边介数，计算传播因子并配置节点学术类型驱动下的随机游走；D.结合节点的网络拓扑驱动下的随机游走和学术类型驱动下的随机游走的两级随机游走计算科技文献异构网络中的论文、作者、期刊/会议三种不同类型的学术节点的影响力排序；步骤C中，基于科技文献异构网络的极小网络模式设计学术节点的学术类型驱动的随机游走行为，并配置科技文献异构网络的极小网络模式中五种不同类型边的传播因子PF量化,PF包括λpa,λpp,λpv,λap,λvp，分别代表被撰写关系、引用关系、发表关系、撰写关系、被发表关系上的传播因子，PF的设置方法如下：C1.获取n个领域的强连通图，n>3；C2.统计n个领域强连通图中被撰写关系边、引用关系边、被发表关系边的平均边介数，并得到相近的λpa:λpp:λpv比值，取n组比值的平均值为这三个传播因子的比值；C3.最后根据λpa+λpp+λpv＝1算出三个传播因子,而λap＝1λvp＝1。