當(dāng)前,研究者在科學(xué)探索中不斷產(chǎn)生科研成果并向社會發(fā)表,進(jìn)而產(chǎn)生了大量的科研數(shù)據(jù)。數(shù)據(jù)的發(fā)展導(dǎo)致科研數(shù)據(jù)的檢索、管理和分析變得越來越具有挑戰(zhàn)性。因此,如何在龐大的科研數(shù)據(jù)中準(zhǔn)確地檢索出所需的數(shù)據(jù),并從數(shù)據(jù)中提取有效信息進(jìn)行分析已經(jīng)成為研究者密切關(guān)注的問題。本文針對科研數(shù)據(jù)中同名作者和論文的對應(yīng)關(guān)系以及作者間的合作關(guān)系進(jìn)行探索研究。第一,本文針對論文的作者署名與現(xiàn)實生活中的作者實體對應(yīng)關(guān)系中存在的同名歧義問題,提出了一種基于異質(zhì)網(wǎng)絡(luò)和聚類的同名消歧算法。首先,本文將科研數(shù)據(jù)背景下的同名消歧研究轉(zhuǎn)化為同名論文的聚類研究,設(shè)計了論文間的語義相似度和離散特征相似度,并將其作為論文聚類的依據(jù)。隨后,為了表征論文間離散特征的關(guān)系,本文采用了在異質(zhì)網(wǎng)絡(luò)中基于元路徑進(jìn)行隨機(jī)游走的網(wǎng)絡(luò)表示學(xué)習(xí)方法。進(jìn)一步地,本文通過實驗確定了語義相似度和離散特征相似度對最終論文相似度的貢獻(xiàn)比例以及構(gòu)建異質(zhì)網(wǎng)絡(luò)使用的連邊類型組合。最后,實驗結(jié)果證明了本文提出的同名消歧算法中各個步驟的有效性以及整體算法的有效性。第二,本文通過改進(jìn)社區(qū)發(fā)現(xiàn)中的標(biāo)簽傳播算法來獲得關(guān)系緊密的圈子,挖掘作者間的潛在合作關(guān)系。首先,為了設(shè)計有效的屬性,...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１研究內(nèi)容間的關(guān)系示意圖??研究同名作者和論文間的對應(yīng)關(guān)系是為了將論文的署名與現(xiàn)實生活中的作??者實體進(jìn)行對應(yīng)，消除論文分配過程中的同名歧義問題

系以及作者間的合作關(guān)系的??相關(guān)內(nèi)容己經(jīng)受到國內(nèi)外學(xué)者的廣泛研究。本文在同名作者和論文的對應(yīng)關(guān)系研??究中更加關(guān)注于同名作者論文間相似度的定義以及實現(xiàn)；在作者間的合作關(guān)系研??宄中主要分析特定合作網(wǎng)絡(luò)從而指導(dǎo)設(shè)計有效屬性、關(guān)注社區(qū)發(fā)現(xiàn)中的標(biāo)簽傳播??算法的不足從而進(jìn)行改進(jìn)。解決這....

圖２－１科研數(shù)據(jù)集構(gòu)建的異質(zhì)信息網(wǎng)絡(luò)示意圖（ａ）網(wǎng)絡(luò)實例（ｂ）網(wǎng)絡(luò)模型??圖２－１?（ａ）展示了一個科研數(shù)據(jù)背景下的異質(zhì)信息網(wǎng)絡(luò)實例

含有多種節(jié)點類型或者多種關(guān)系類型，那么這種信息網(wǎng)絡(luò)就被更具體??地稱之為異質(zhì)信息網(wǎng)絡(luò)［３７］。由此可以看出，異質(zhì)信息網(wǎng)絡(luò)的拓?fù)湫畔⒑完P(guān)系信息??更加豐富，因此它可以被用來更形象具體地對復(fù)雜的異構(gòu)數(shù)據(jù)進(jìn)行建模。??＜ａ）?？?〇?（ｂ）?弓丨用／被引用??＿ｉ?ｒ、ｘ）Ｅ＾ｇ??Ｉ....

圖２－２科研數(shù)據(jù)集網(wǎng)絡(luò)模型中的元路徑示例（ａ）元路徑：ＡＰＡ（ｂ）元路徑：ＡＰＣＰＡ??３基

?北京郵電大學(xué)工程碩士學(xué)位論文?＾???有論文、論文所屬的會議、作者、作者所屬機(jī)構(gòu)這四種類型的節(jié)點。同時節(jié)點間??存在著每個作者與撰寫的論文和所在機(jī)構(gòu)相關(guān)聯(lián)的鏈路關(guān)系以及其他的關(guān)聯(lián)關(guān)??系，其中每一條鏈路都可以被設(shè)置成對應(yīng)的一種關(guān)系類型。圖２－１?（ｂ）是對應(yīng)著（ａ）??實例的網(wǎng)....

圖２－４社區(qū)發(fā)現(xiàn)示意圖⑻網(wǎng)絡(luò)結(jié)構(gòu)（ｂ）社區(qū)??２００２年，ＧＮ算法［４３］被提出，該算法屬于第一大類的方法，它需要通過計算??

運行在大規(guī)模數(shù)據(jù)中仍能發(fā)揮良好的性能。缺點包括：參數(shù)??的選擇很重要，因為它們決定了最終的聚類結(jié)果，而這兩個參數(shù)的選??擇也是比較困難的。??２．４?標(biāo)簽傳播算法??社區(qū)發(fā)現(xiàn)［４２］的目的是在一個圖中，對圖中的節(jié)點進(jìn)行劃分，使得相同社區(qū)里??的節(jié)點相對緊密，而不同社區(qū)間的節(jié)點聯(lián)系....

本文編號：4017148