基于多關(guān)系圖的學(xué)術(shù)社團(tuán)挖掘
發(fā)布時(shí)間:2021-01-20 18:24
學(xué)術(shù)社團(tuán)是某鄰域中有共同的研究興趣及相近的研究方法、聯(lián)系比較緊密的研究人員所形成的小團(tuán)體。目前學(xué)術(shù)社團(tuán)一般以所在單位、師承關(guān)系或者學(xué)術(shù)活動(dòng)為分界,形成一個(gè)個(gè)的學(xué)術(shù)團(tuán)體。一名學(xué)者想要了解本鄰域內(nèi)其他團(tuán)體的研究成果,往往需要花費(fèi)較大的精力和代價(jià)去梳理各學(xué)術(shù)流派及其方法論。這在一定程度影響了學(xué)術(shù)資源的共享、繼承和研究人員之間的交流。因此,高效的學(xué)術(shù)社團(tuán)挖掘方法就彰顯出其價(jià)值。挖掘?qū)W術(shù)社團(tuán)的一個(gè)傳統(tǒng)做法是從論文引用關(guān)系入手。論文之間可以有以下幾種關(guān)系:直接及間接引用關(guān)系、耦合關(guān)系、合著關(guān)系、同引關(guān)系等。通過這些關(guān)系可以構(gòu)建出論文引用網(wǎng)絡(luò)。論文引用網(wǎng)絡(luò)中節(jié)點(diǎn)之間關(guān)聯(lián)度可以用以上幾種關(guān)系的量化指標(biāo)來刻畫,從而得到一個(gè)論文節(jié)點(diǎn)之間關(guān)聯(lián)強(qiáng)度的量化表示的論文引用關(guān)系網(wǎng)絡(luò)。在論文網(wǎng)絡(luò)上按論文作者進(jìn)行聚合就可以得到關(guān)于論文作者的引用關(guān)系網(wǎng)絡(luò)。作者的引用關(guān)系網(wǎng)絡(luò)表征的是作者之間的論文引用關(guān)系。另一方面,科研人員共同參加同一個(gè)學(xué)術(shù)會(huì)議和論文撰寫時(shí)的合著現(xiàn)象是天然的學(xué)術(shù)社團(tuán)屬性,但尚未引起研究人員的重視?紤]到會(huì)議論文的作者不一定出席會(huì)議,為敘述方便,凡是在同一個(gè)學(xué)術(shù)會(huì)議上發(fā)表了論文的作者都視為共同參會(huì)。共同出現(xiàn)...
【文章來源】:華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:77 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
多關(guān)系圖示例
圖 2-2 聚類算法的分類次聚類算法想要將數(shù)據(jù)對(duì)象劃分為具有層次結(jié)構(gòu)的簇,上面介紹的四種類型聚類算法劃分算法可以達(dá)到這個(gè)要求;趯哟蔚木垲愃惴ㄓ捎诰垲惙绞降牟煌诸悾耗蹖哟尉垲惡头至褜哟尉垲悺哟尉垲惖乃惴ǖ乃枷胧牵菏紫葘(shù)據(jù)集中的每個(gè)對(duì)象都視為一個(gè)簇,計(jì)距離,將簇間距離最小的兩個(gè)簇合并為一個(gè)簇;重復(fù)上述步驟,直到所有合并成了一個(gè)簇或者滿足某個(gè)終止條件。常用的算法有 AGNES(Agglome)[41,42,43]。層次聚類的基本思想與凝聚層次聚類的基本思想相反:首先將所有的數(shù)據(jù)大簇,也就是層次結(jié)構(gòu)當(dāng)中的 根 ,然后再將這個(gè) 根 分裂為多個(gè)較小的
圖 3-1 耦合關(guān)系,B,C,D,E 分別代表五篇不同的論文,論文 A 引用了 D,E 兩篇文章。論文 A 和 B 共同引用了 C,D 兩為 2。引關(guān)系表示兩篇或兩篇以上的論文同時(shí)被其他論是引用論文之間的關(guān)系。同引關(guān)系的強(qiáng)度的大小取。
【參考文獻(xiàn)】:
博士論文
[1]聚類分析中若干關(guān)鍵技術(shù)的研究[D]. 楊小兵.浙江大學(xué) 2005
碩士論文
[1]高維數(shù)據(jù)聚類中的神經(jīng)網(wǎng)絡(luò)降維方法研究[D]. 侯小麗.蘭州大學(xué) 2015
本文編號(hào):2989545
【文章來源】:華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:77 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
多關(guān)系圖示例
圖 2-2 聚類算法的分類次聚類算法想要將數(shù)據(jù)對(duì)象劃分為具有層次結(jié)構(gòu)的簇,上面介紹的四種類型聚類算法劃分算法可以達(dá)到這個(gè)要求;趯哟蔚木垲愃惴ㄓ捎诰垲惙绞降牟煌诸悾耗蹖哟尉垲惡头至褜哟尉垲悺哟尉垲惖乃惴ǖ乃枷胧牵菏紫葘(shù)據(jù)集中的每個(gè)對(duì)象都視為一個(gè)簇,計(jì)距離,將簇間距離最小的兩個(gè)簇合并為一個(gè)簇;重復(fù)上述步驟,直到所有合并成了一個(gè)簇或者滿足某個(gè)終止條件。常用的算法有 AGNES(Agglome)[41,42,43]。層次聚類的基本思想與凝聚層次聚類的基本思想相反:首先將所有的數(shù)據(jù)大簇,也就是層次結(jié)構(gòu)當(dāng)中的 根 ,然后再將這個(gè) 根 分裂為多個(gè)較小的
圖 3-1 耦合關(guān)系,B,C,D,E 分別代表五篇不同的論文,論文 A 引用了 D,E 兩篇文章。論文 A 和 B 共同引用了 C,D 兩為 2。引關(guān)系表示兩篇或兩篇以上的論文同時(shí)被其他論是引用論文之間的關(guān)系。同引關(guān)系的強(qiáng)度的大小取。
【參考文獻(xiàn)】:
博士論文
[1]聚類分析中若干關(guān)鍵技術(shù)的研究[D]. 楊小兵.浙江大學(xué) 2005
碩士論文
[1]高維數(shù)據(jù)聚類中的神經(jīng)網(wǎng)絡(luò)降維方法研究[D]. 侯小麗.蘭州大學(xué) 2015
本文編號(hào):2989545
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2989545.html
最近更新
教材專著