[发明专利]一种学术社交网络中魔力研究社区的排序方法

摘要

本发明公开了一种学术社交网络中魔力研究社区的排序方法，属于数据挖掘技术领域。所述排序方法中，给定一个时间窗口，在学术社交网络中发现魔力研究社区；所述的魔力研究社区是那些逐渐开始流行的有吸引力的研究社区。具体包括研究社区内部特征计算、外部特征F_E计算和排序的步骤。本发明可帮助研究人员更好地了解和把握当前的研究趋势和热点；突破了现有研究中的假设，即一个人在一个时刻只处于一个社区；抽取了魔力研究社区的特征，并设计了统一的算法对研究社区的潜在流行程度进行排序。

主权项

一种学术社交网络中魔力研究社区的排序方法，其特征在于，包括如下步骤：第一步，研究社区内部特征计算；选择新颖度作为研究社区内部特征F_C，第j个研究社区C_j的新颖度N_j是指社区主题的单词从时间窗口s到s+1的频率变化，用N_j∈F_C表示；研究社区C_j的新颖度N_j相当于主题下每个单词新颖度的和；研究社区C_j的新颖度N_j通过以下方式计算：$N_j=\underset{v=1}{\overset{\left|W\right|}{\Σ}}{\mathrm{CW}}_{jv}\·\log \frac{\left|C\right|}{{\mathrm{\δ}}_{C_{W_v}}}\·\frac{{\mathrm{\δ}}_{W_v}^{(s+1)}}{{\mathrm{\δ}}_{W_v}^{\left(s\right)}+{\mathrm{\δ}}_{W_v}^{(s+1)}}---\left(1\right)$其中，表示包含单词W_v的研究社区的数目，和分别表示单词W_v在时间窗口s和s+1中出现的次数；|W|是单词W_v的数量，v＝1,2,…,|W|；|C|是研究社区网络中研究社区的数量；第二步，研究社区外部特征F_E计算；给定研究人员R_i在时间窗口s和s+1的社区分布分别为和计算研究人员R_i总的转移量、计算研究人员R_i从研究社区C_j'到研究社区C_j的转移量以转移量为矩阵元素得到转移矩阵对每个研究人员R_i的转移矩阵相加，得到最终的转移矩阵T；第三步，排序；给定研究社区网络的带权有向图G＝(C,E,F_C,F_E)，对任意的C_j∈C，定义研究社区C_j吸引其他研究社区C_j'的研究人员注意力的能力u_jj'：$u_{{\mathrm{jj}}^{\′}}=\mathrm{\α}\·\frac{T_{{\mathrm{jj}}^{\′}}^T}{O_j}+(1-\mathrm{\α})\·N_j---\left(2\right)$其中，α是权重参数，是研究社区C_j到研究社区C_j'的转移矩阵T_jj'的转置，O_j是研究社区C_j的大小；对于任意的研究社区C_j∈C，它传播注意力到其他研究社区C_j'的能力定义为：$v_{{\mathrm{jj}}^{\′}}=\frac{T_{{\mathrm{jj}}^{\′}}}{O_j}.---\left(3\right)$基于公式(2)和公式(3)，为每个研究社区定义两个得分：正面得分PS和负面得分NS；正面得分从吸引注意力的角度衡量研究社区的吸引力，负面得分从传播注意力的角度衡量研究社区的吸引力，对于研究社区C_j的正面得分PS_j和负面得分NS_j的定义如下：$\{\begin{array}{c}{\mathrm{PS}}_j=\underset{j^{\′}=1}{\overset{\left|C\right|}{\Σ}}\frac{1}{\left|Z\right|}{u}_{{\mathrm{jj}}^{\′}}{\mathrm{NS}}_{j^{\′}}\\ {\mathrm{NS}}_j=\underset{j^{\′}=1}{\overset{\left|C\right|}{\Σ}}\frac{1}{\left|Z^{\′}\right|}{v}_{{\mathrm{jj}}^{\′}}{\mathrm{PS}}_{j^{\′}}\end{array}---\left(4\right)$其中，和是标准化因子；基于这两个得分，研究社区C_j的吸引力等级A_j通过下面的公式来计算：A_j＝PS_j‑NS_j  (5)。