作者合作网络连接影响因素分析——以图情领域为例

被引:12
作者
王卫
闫帅
史锐涵
机构
[1] 北京师范大学政府管理学院
关键词
作者合作网络; 链路预测; 随机森林; 合作计量指标;
D O I
10.13833/j.issn.1007-7634.2018.01.011
中图分类号
G353.1 [情报资料的分析和研究];
学科分类号
摘要
【目的/意义】基于论文形成的作者合作关系是目前科研合作的主要形式,了解影响合作关系产生的各类因素有助于了解学科科研合作情况、帮助科研人员选择合作者等。【方法/过程】以图情学科核心作者所形成的合作网络为研究对象,借鉴链路预测的相关思想,构造可能影响合作连接产生的网络结构指标和作者自身属性以及作者合作计量指标,基于有监督的二分类算法,从微观层面分析影响合作的主要因素。【结果/结论】在网络结构影响方面,CN、作者接近中心度的差异两个网络结构指标有较强的影响力,CN指标呈正向影响关系、作者接近中心度之差呈负向影响关系;而在作者属性指标方面,作者合作机构的相似性、作者研究兴趣的匹配度对作者合作关系产生的影响最大且均呈正向关系,而且基于作者属性指标集合的链路预测模型预测性能要好于基于网络结构的预测模型。
引用
收藏
页码:61 / 66+74 +74
页数:7
相关论文
共 21 条
[1]  
A Review of Link Prediction in Social Networks. Wang T,Liao G. International Conference on Management of E-Commerce and E-Government . 2015
[2]   Trend and efficiency analysis of co-authorship network [J].
Uddin, Shahadat ;
Hossain, Liaquat ;
Abbasi, Alireza ;
Rasmussen, Kim .
SCIENTOMETRICS, 2012, 90 (02) :687-699
[3]   Recommending research collaborations using link prediction and random forest classifiers [J].
Guns, Raf ;
Rousseau, Ronald .
SCIENTOMETRICS, 2014, 101 (02) :1461-1473
[4]  
数据挖掘导论[M]. 人民邮电出版社 , (美)Pang-Ning Tan, 2011
[5]   复杂网络链路预测 [J].
吕琳媛 .
电子科技大学学报, 2010, (05) :651-661
[6]   基于SNA的我国竞争情报领域论文合著网络研究 [J].
张洋 ;
刘锦源 .
图书情报知识, 2012, (02) :87-94
[7]   基于链路预测的微博用户关系分析 [J].
傅颖斌 ;
陈羽中 .
计算机科学, 2014, 41 (02) :201-205+244
[8]   基于AdaBoost的链路预测优化算法 [J].
吴祖峰 ;
梁棋 ;
刘峤 ;
秦志光 .
通信学报, 2014, 35 (03) :116-123
[9]   2004-2013年我国图书情报学科研合作网络结构特征分析 [J].
李长玲 ;
魏绪秋 ;
崔斌 ;
于淼 .
情报杂志, 2015, 34 (03) :119-124+143
[10]   科学知识网络中的链路预测研究述评 [J].
张斌 ;
马费成 .
中国图书馆学报, 2015, 41 (03) :99-113