【摘要】：【目的】結合鏈路預測與機器學習,提出推薦未來科研合作的新方法,以提高單獨基于鏈路預測方法的推薦精確度�！痉椒ā繕嫿訖嘧髡吆献骶W,以不同的鏈路預測指標作為特征輸入,運用極端隨機樹(Extremely Randomized Trees,ET)機器學習算法訓練分類,并利用遍歷算法求取分類結果的最優(yōu)權重組合,選取TOP準確度的預測作為合作推薦結果�！窘Y果】選取納米科技領域2008年 2010年SCI論文數(shù)據(jù)進行實證。在城市合作推薦中,改進的ET方法優(yōu)于已有方法,有良好的推薦成功率;預測方法受網絡結構等因素影響較小,適用范圍更廣泛�！揪窒蕖靠蒲泻献魇芎献鲃訖C、地域、語言等諸多因素影響,加權作者合作網沒有反映在一篇論文中同城市、同機構的多個作者,也沒有反映上述因素�！窘Y論】改進算法能夠比單個預測指標產生更準確的合作推薦建議,也為推廣到大學等機構、個人等更微觀的應用層面提供參考。
[Abstract]:[objective] combined with link prediction and machine learning, a new method for recommending future scientific research cooperation is proposed to improve the recommendation accuracy based on link prediction alone. [methods] A weighted author cooperative network is constructed. With different link prediction indexes as feature input, the classification is trained by extreme random trees (Extremely randomly trees) machine learning algorithm, and the optimal weight combination of classification results is obtained by traversal algorithm. The prediction of top accuracy was selected as the cooperative recommendation result. [results] the data of sci in the field of nanotechnology in 2008 and 2010 were selected for empirical study. In the urban cooperative recommendation, the improved et method is superior to the existing method and has a good success rate of recommendation, the prediction method is less affected by the network structure and other factors, and the scope of application is wider. Many factors, such as language, are not reflected in a single paper by multiple authors in the same city and institution. [conclusion] the improved algorithm can produce more accurate recommendations for cooperation than a single prediction index, and can also provide a reference for the extension to institutions such as universities, individuals and other more micro application levels.
【作者單位】： 中國科學院文獻情報中心;中國科學院大學;中國科學院科技戰(zhàn)略咨詢研究院;
【基金】：國家自然科學基金面上項目“科學結構特征及其演化動力學分析方法與應用研究”(項目編號:71173211)的研究成果之一
【分類號】：G353.1

【參考文獻】

相關期刊論文 前3條

1 張斌;李亞婷;;知識網絡演化模型研究述評[J];中國圖書館學報;2016年05期

2 張斌;馬費成;;科學知識網絡中的鏈路預測研究述評[J];中國圖書館學報;2015年03期

3 呂琳媛;;復雜網絡鏈路預測[J];電子科技大學學報;2010年05期

【共引文獻】

相關期刊論文 前10條

1 劉思;劉海;陳啟買;賀超波;;基于網絡表示學習與隨機游走的鏈路預測算法[J];計算機應用;2017年08期

2 何軍;劉業(yè)政;;基于多維社交關系的在線社交網絡鏈路預測研究[J];現(xiàn)代情報;2017年07期

3 高楊;張燕平;錢付蘭;趙姝;;結合節(jié)點度和節(jié)點聚類系數(shù)的鏈路預測算法[J];小型微型計算機系統(tǒng);2017年07期

4 劉竟;孫薇;;基于鏈路預測的潛在科研合作關系發(fā)現(xiàn)研究[J];情報理論與實踐;2017年07期

5 張金柱;胡一鳴;;利用鏈路預測揭示合著網絡演化機制[J];情報科學;2017年07期

6 趙曉婧;劉子嘉;;基于三階路徑的鏈路預測新指標[J];晉中學院學報;2017年03期

7 閔波;張莉;楊帆;雷權;張云宏;;聯(lián)系強弱對生物醫(yī)學文獻知識發(fā)現(xiàn)的影響[J];醫(yī)學信息學雜志;2017年05期

8 呂偉民;王小梅;韓濤;;結合鏈路預測和ET機器學習的科研合作推薦方法研究[J];數(shù)據(jù)分析與知識發(fā)現(xiàn);2017年04期

9 方哲;游宏梁;薛非;耿偉波;高強;;專家知識協(xié)作加權超網絡模型及其超鏈路預測研究[J];科研管理;2017年S1期

10 李星;陶漢;;基于聚類系數(shù)的鏈路預測算法改進[J];電腦知識與技術;2017年01期

【二級參考文獻】

相關期刊論文 前10條

1 張斌;馬費成;;科學知識網絡中的鏈路預測研究述評[J];中國圖書館學報;2015年03期

2 陳柏彤;張斌;;科學知識擴散研究框架[J];圖書情報工作;2014年15期

3 賈茜;李亞婷;張斌;;科學合作的形成及其影響因素[J];情報理論與實踐;2014年06期

4 黃立威;李德毅;馬于濤;鄭思儀;張海粟;付鷹;;一種基于元路徑的異質信息網絡鏈路預測模型[J];計算機學報;2014年04期

5 康文杰;鄭倩冰;陳侃;;基于社會網絡分析的學術合作關系研究[J];計算機技術與發(fā)展;2014年05期

6 Yizhou Sun;Jiawei Han;;Meta-Path-Based Search and Mining in Heterogeneous Information Networks[J];Tsinghua Science and Technology;2013年04期

7 劉向;馬費成;王曉光;;知識網絡的結構及過程模型[J];系統(tǒng)工程理論與實踐;2013年07期

8 李盛慶;蔡國永;;復雜網絡領域科研合著網絡演化及知識傳播特點研究[J];現(xiàn)代圖書情報技術;2013年05期

9 Ping LIU;Fenglin CHEN;Yunlu MA;Yuehong HU;Kai FANG;Rui MENG;;Research community detection from multi-relation researcher network based on structure/attribute similarities[J];Chinese Journal of Library and Information Science;2013年01期

10 馬費成;劉向;;科學知識網絡的演化模型[J];系統(tǒng)工程理論與實踐;2013年02期

【相似文獻】

相關期刊論文 前10條

1 張明玉,倪志偉;基于機器學習的智能決策支持系統(tǒng)[J];淮南師范學院學報;2005年03期

2 楊凌霄;武建平;;機器學習方法在人臉檢測中的應用[J];計算機與數(shù)字工程;2008年03期

3 ;第十一屆中國機器學習會議[J];智能系統(tǒng)學報;2008年02期

4 ;第14屆中國機器學習會議[J];智能系統(tǒng)學報;2012年06期

5 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機器學習[J];計算機科學;1991年01期

6 趙沁平;魏華;王軍玲;;機器學習技術與機器學習系統(tǒng)[J];計算機科學;1993年05期

7 姚敏;機器學習及其發(fā)展方向[J];計算機時代;1994年04期

8 ;第31屆機器學習國際會議(英文)[J];智能系統(tǒng)學報;2014年01期

9 黃海濱;機器學習及其主要策略[J];河池師范高等�？茖W校學報(自然科學版);2000年04期

10 佘玉梅;一種協(xié)調機器學習方法研究[J];云南民族學院學報(自然科學版);2000年03期

相關會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王昊;李銀波;紀志梁;;利用機器學習方法預測嚴重藥物不良反應-呼吸困難[A];中國化學會第28屆學術年會第13分會場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機器學習串級結構的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結合的蛋白質名識別[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學習在中醫(yī)計算機診斷識別系統(tǒng)中的應用思考[A];第一屆全國中西醫(yī)結合診斷學術會議論文選集[C];2006年

7 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數(shù)的機器學習——一個三類線性模式分類器的實現(xiàn)[A];1995中國控制與決策學術年會論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計學習理論及其應用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關重要報紙文章 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機器學習與智能化社會[N];中國郵政報;2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機器學習已成為大數(shù)據(jù)基石[N];網絡世界;2014年

3 本報記者 房琳琳;合久必分：分布式“機器學習”應運而生[N];科技日報;2014年

4 雨辰;機器學習類圖書為什么火爆[N];中華讀書報;2014年

5 百度公司技術副總監(jiān) 多媒體部負責人 余凱;深度學習與多媒體搜索技術演進[N];中國信息化周報;2013年

6 本報記者 余建斌;機器學習與互聯(lián)網搜索[N];人民日報;2011年

7 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

8 記者　 彭德倩;機器學習精度提升近6個百分點[N];解放日報;2006年

9 本報記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國電子報;2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學家[N];計算機世界;2013年

相關博士學位論文 前10條

1 董春茹;機器學習中的權重學習與差分演化[D];華南理工大學;2015年

2 姚明臣;機器學習和神經網絡學習中的若干問題研究[D];大連理工大學;2016年

3 Maxim Pecionchin;[D];對外經濟貿易大學;2016年

4 杜宇;基于深度機器學習的體態(tài)與手勢感知計算關鍵技術研究[D];浙江大學;2017年

5 鐘錦紅;群智學習若干問題研究[D];中國科學技術大學;2017年

6 趙玉鵬;機器學習的哲學探索[D];大連理工大學;2010年

7 胡巍;面向格結構的機器學習[D];上海交通大學;2009年

8 張義榮;基于機器學習的入侵檢測技術研究[D];國防科學技術大學;2005年

9 錢線;快速精確的結構化機器學習方法研究[D];復旦大學;2010年

10 梁錫軍;稀疏優(yōu)化在機器學習中的若干應用[D];大連理工大學;2013年

相關碩士學位論文 前10條

1 毛海斌;基于半監(jiān)督機器學習的情感分類領域適應問題研究[D];南京理工大學;2015年

2 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學;2015年

3 陳召陽;基于機器學習的改性麥槽吸附重金屬構效關系模型研究[D];江西理工大學;2014年

4 王成;基于半監(jiān)督機器學習的文本情感分析技術[D];南京理工大學;2015年

5 孫科;基于Spark的機器學習應用框架研究與實現(xiàn)[D];上海交通大學;2015年

6 劉江龍;基于機器學習的射頻指紋定位方法研究[D];電子科技大學;2015年

7 張蕾;基于機器學習的網絡輿情采集技術研究與設計[D];電子科技大學;2014年

8 施宇;基于數(shù)據(jù)挖掘和機器學習的木馬檢測系統(tǒng)設計與實現(xiàn)[D];電子科技大學;2014年

9 施應敏;基于機器學習的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學;2015年

10 裴松年;基于機器學習的分類算法研究[D];中北大學;2016年

，

本文編號：2137857