[发明专利]一种基于学术大数据的会议影响力评估方法

摘要

本发明公开了一种基于学术大数据的会议影响力评估方法，将会议的访问概率作为衡量会议重要性的关键，利用会议论文之间的引用关系，首次使用马尔可夫模型对会议进行评估。将马尔可夫的零阶模型和一阶模型分别应用，比较两个模型评估结果的精确性和鲁棒性，同时考虑了自引用对于会议重要性的影响，两个模型分别在有自引和无自引的情况下进行实验，实验结果表明自引用容易被动机不良者利用，无自引的实验结果相比于有自引的实验结果更具可靠性，同时也验证了马尔可夫模型被使用在评估领域的可行性以及一阶马尔可夫模型比零阶马尔可夫模型更具鲁棒性。本发明提供了会议影响力评估的一种新方法，为会议影响力的评估工作提供了一种新的解决方案。

主权项

1.一种基于学术大数据的会议影响力评估方法，其特征在于，步骤如下：步骤1)：通过统计真实的会议论文引用情况计算目标窗口年限采用学术大数据集中统计会议论文的真实引用量确定引用目标窗口年限，确定目标窗口年限为两年；步骤2)：结合随机游走模型，根据不同的记忆度进行会议网络的建模，分别对应于零阶马尔可夫模型和一阶马尔可夫模型构建引用流模型2.1)引用流模型是指将会议论文以及论文之间的引用关系进行抽象建模；将待评估的年份称为源年，引用目标窗口年限中源年会议论文所引用到的年份称为目标年；对会议之间进行引用流建模，首先将会议的文章级引用数据进行汇总，再对随机游走的网络流进行建模；依照不同的记忆度对网络中的引文数据进行聚合，根据不同的记忆度实现引用流模型的构建，构建出的引用流模型分别对应于零阶马尔可夫模型和一阶马尔可夫模型；2.2)在零阶马尔可夫模型上的随机游走是无记忆的，下一步并不依赖于现在所访问的会议，对于零阶马尔可夫模型，计算发表在源年会议上的文章对发表在目标年会议上的文章的引用数量；将上述引用数量汇总在被引文章所在的会议上，即每当一篇发表在源年会议j上的文章对一篇发表在目标年会议k上的文章存在引用关系j‑>k时，就对被引用的会议k的权重加1，W(k)‑>W(k)+1，跳转到k会议的概率计算公式如下：其中：π(0)(k)为会议k的访问概率，W(k)为会议k得到的引用数量，∑kW(k)为所有会议得到的总引用数量；2.3)在一阶马尔可夫模型上的随机游走过程具有一步记忆的特征，下一步所访问的会议与现在所访问的会议有关；对于一阶马尔可夫模型，引用量是将引文和被引文成对记录在被引用的会议上；即每当一篇发表在源年会议j上的文章对一篇发表在目标年会议k上的文章存在引用关系j‑>k时，就对引用和被引会议之间的链接权重加1，W(j‑>k)‑>W(j‑>k)+1，具体如下：Step1：根据如下公式计算从会议j跳转到会议k的概率：其中：p(j→k)为会议j跳转到会议k的概率，W(j→k)为会议k从会议j中得到的引用数量，∑kW(j→k)为会议k从所有会议所得到的总引用数量；Step2：根据如下公式得到会议k的访问概率：其中：π⁽¹⁾(k)为会议k的访问概率，为所有会议跳转到会议k概率之和，p(k)为零阶马尔可夫模型中访问会议k的概率，α和(1‑α)是为了解决起始点问题而引入的变量，1‑α＝0.15；步骤3)：根据步骤1)中得到的目标窗口年限统计出两种引用流模型所需的引用量根据步骤1)中得到的目标窗口年限，统计出两种引用流模型实验所需的引用量；同时，统计出的引用量分别为存在自引用的引用量和不存在自引用的引用量两种情况；步骤4)：将步骤3)中得到的引用量带入步骤2)中构建出的引用流模型，由此计算出会议访问概率的数值，进而评估出会议的影响力。