基于图卷积嵌入与特征交叉的文献被引量预测方法:以交通运输领域为例

作     者：张思凡 牛振东 陆浩 朱一凡 王荣荣 Zhang Sifan;Niu Zhendong;Lu Hao;Zhu Yifan;Wang Rongrong

作者机构：北京理工大学计算机学院北京100081 北京理工大学图书馆北京100081 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2020年第4卷第9期

页      面：56-67页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 120502[管理学-情报学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划基金项目“专业内容知识聚合服务技术研发与创新服务示范”(项目编号:2019YFB1406302)的研究成果之一 

主　　题：被引量预测 图卷积 特征交叉 

摘      要：【目的】提出一种文献被引量预测模型,用于发现潜在研究热点、优化改进刊物采编工作。【方法】综合考虑文献的关键词、作者、机构、国家、被引量等相关因素,利用图卷积进行特征提取,利用循环神经网络与注意力机制对被引量的时序信息与重要文献特征进行挖掘。【结果】利用Web of Science核心集中交通运输领域的文献对模型进行验证,与基准模型相比,在RMSE、MAE等各项指标上最大提升幅度达15.23%与16.91%。【局限】在所提模型的预训练步骤中,进行多次图卷积,使得算法的时间复杂度较高。【结论】本文所提模型将文献各项特征充分融合,极大提高了预测模型的性能。