不斷擴大的網(wǎng)絡文獻庫讓科研人員能夠充分全面地接觸最新科研成果與專家學者。然而,龐大的數(shù)量意味著選擇的困難,如今,這已經(jīng)逐漸成為科研工作的主要困難。一方面,文獻數(shù)量巨大讓科研人員在調研學習過程中及其容易出現(xiàn)信息過載、學習迷航和學習回溯等問題;另一方面,為了節(jié)約科研時間,選擇具備適當專業(yè)知識的潛在合作者進行共同學習是一種高效的工作模式。然而,怎樣從全世界的專家學者中找出最合適的合作者仍然是極大的問題。針對這兩個問題,本文以文獻知識庫為研究對象,從文獻網(wǎng)絡結構出發(fā),分別提出了一種基于優(yōu)選關聯(lián)文獻的知識地圖及學習路徑推薦算法和一種基于網(wǎng)絡嵌入算法的專家推薦技術,以期許從規(guī)劃文獻學習順序和專家推薦兩個方面解決以上兩個問題。具體的研究工作包括以下三個部分:（1）提出了一種文獻知識地圖構建方法�；谖墨I數(shù)據(jù)之間相互引用的關系,設計文獻節(jié)點之間的貢獻傳導及文獻價值計算方法,挑選出優(yōu)質文獻構建文獻知識地圖,實現(xiàn)學習路徑的推薦,規(guī)劃文獻學習的順序。實驗結果證明,推薦的文獻及其學習順序是科學的。（2）提出了一種基于非負矩陣分解的融合高階鄰近度和內容的網(wǎng)絡嵌入算法（Fusing High-Order Prox... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

最優(yōu)的10條路徑展示從圖3.12中可看出，原本應該互不相關的路徑，構成了一個圍繞中心點建立的文獻

南京郵電大學專業(yè)學位碩士研究生學位論文 第五章 系統(tǒng)設計與構建據(jù)提取。數(shù)據(jù)存儲層是 SRNS 系統(tǒng)構建的基礎，主要用于文獻知識地圖和排名靠前的專家學者的存儲。功能模塊5.2.1 文獻知識地圖展示模塊將基于優(yōu)選關聯(lián)文獻的知識地圖及學習路徑算法實驗于 DBLPV10 文獻數(shù)據(jù)集構建而成的文獻知識地圖存儲于 neo4j 圖形數(shù)據(jù)庫中。此模塊主要使用 Echarts 展現(xiàn) neo4j 數(shù)據(jù)庫中的文獻知識地圖，完成了對文獻的推薦及其學習順序的導航。該模塊由三個部分組成：搜索部分，數(shù)據(jù)提取部分和建圖部分。圖 5.2 為該模塊的類圖。

要方法 setAbstract_0(String abstract_0)，獲取年份方法 getYear()，設置年份方法ear(String year)，獲取參考文獻方法 getReferences()，設置參考文獻方法 setReferences(Strinences)，獲取作者方法 getAuthors()，設置作者方法 setAuthors(String authors)。Class echarts_links:文獻知識地圖節(jié)點連接實體類。主要功能是表示文獻知識地圖的節(jié)點屬性，源節(jié)點 source，目標節(jié)點 target，連接關系 name，獲取源節(jié)點方法 getSource()，源節(jié)點方法 setSource(String source)，獲取目標節(jié)點方法 getTarget()，設置目標節(jié)點方法rget(String target)，獲取關系方法 getName()，設置關系方法 setName(String name)。2 專家推薦列表展示模塊對 DBLPV10 文獻數(shù)據(jù)集進行數(shù)據(jù)預處理、FSCEN 網(wǎng)絡嵌入、譜聚類后，對每一類別中者分別計算其總影響力，降序排列存儲于 mysql 數(shù)據(jù)庫中。此模塊的功能是展現(xiàn)了數(shù)據(jù)的專家推薦列表。圖 5.3 為該模塊的類圖。


本文編號：3138501