[发明专利]学术社交网络科研合作者推荐方法

摘要

本发明公开一种学术社交网络科研合作者推荐方法，采用机器学习的决策树模型对科研者节点进行分类并添加标签，利用两个新颖的评价指标活跃度和学术水平来改变节点的权重，和采用随机游走来计算节点间的相似度等步骤。为解决无效合作者推荐的问题，尤其是在学术大数据的背景下，本发明利用附加权重的随机游走结合决策树模型的方法，使随机游走变得更有倾向性，游走到最有价值的潜在合作者节点，从而为科研工作者提供最适合的合作者。

主权项

学术社交网络科研合作者推荐方法，其特征是，包括步骤如下：步骤1.构建学术合作图，即先将学术社交网络中的每个科研者用节点来表示，再根据学术论文中的作者即科研者的合作关系用边来表示，从而获得学术合作图；步骤2.在学术合作图中，根据学术数据统计的科研者自身属性信息，采用机器学习中决策树模型，以是否予以推荐作为各个节点的标签属性；步骤3.采用马尔科夫链的随机游走算法来计算学术合作图中节点间的相似度，从而得到学术合作图中节点与节点之间的转移概率矩阵；步骤4.计算学术合作图中各个节点的活跃度，其中节点x的活跃度ACTx为：ACTx=θx*Σt=it=jd=Σt=it=jpΣt=it=jq*Σt=it=jd]]>其中，θx表示节点x的活跃因子，d表示节点x所发论文的数量，p表示节点x发表论文的年数，q表示节点x不发表论文的年数，表示从第i年到第j年，i表示设定的起始年份，j表示设定的截至年份；步骤5.计算学术合作图中各个节点的学术水平，其中节点x的学术水平ACLx为：ACLx=Σt=it=jΣk∈Lαknk]]>其中，αk表示设定的论文等级k的等级因子，nk表示节点x所发表的论文等级为k的论文数量，k表示论文等级，L为论文等级集合，表示从第i年到第j年，i表示设定的起始年份，j表示设定的截至年份；步骤6.将学术合作图中需要获得推荐的科研者视为待推荐节点，根据待推荐节点与学术合作图中除自己之外的其他节点之间的转移概率，并结合其他节点自身的标签属性、活跃度和学术水平，计算学术合作图中其他节点中关于待推荐节点的评分，并将评分最高前的n个节点，推荐给待推荐节点，由此完成科研合作者推荐的过程；其中评分计算公式为：RSax＝Sax*ACTx*ACLx*IDx其中，a表示待推荐节点，x表示学术合作图中除a节点之外的其他节点，Sax表示待推荐节点a与其他节点x的转移概率，ACTx表示其他节点x的活跃度，ACLx表示其他节点x的学术水平，IDx表示其他节点x的标签属性，x＝1,2,…,N‑1，n＜N，N表示学术合作图中节点的个数。