引文网络论文链接预测和影响力计算方法研究与应用

作     者：鲁岳 

作者单位：济南大学 

学位级别：硕士

导师姓名：马坤;冯斌

授予年度：2022年

学科分类：07[理学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：引文网络 链接预测 影响力计算 可视化系统 

摘      要：引文网络是通过论文之间的引用和被引用关系构成的复杂网络,描述研究者的成果、科学领域的发展和学科间的关系。论文间的引用关系,揭示相近领域下相关的研究内容。引文网络包含多个领域的研究成果,作为学术研究中重要的知识宝库和科学研究的重要介质。引文网络中引用论文与被引用论文的关系体现内容的相关性和知识的传递,引用关系在时间上具有单向性。由于论文引用关系是单向的、稀疏的,如何完善现有论文用网络变得至关重要。近年来,每年的论文发表总数量都在不断增长,高质量的论文可以帮助学者在相关领域的研究,如何评价论文影响力变得至关重要。本文针对以上两个方面问题分别提出了论文链接预测和影响力计算方法。通过对论文链接预测来完善现有引文网络,提出了一种加权模型,使无权重的引文网络变成加权的引文网络,加权模型计算引文网络结构中二阶路径上的紧密链接、论文间的标题和有向引文相似性,三种计算方法线性结合赋予每条边权重值;针对传统加权相似性算法,本文设计了阻尼系数,以的概率计算两个论文节点间的权重值占论文节点链接数量的比值,并以1-的概率来访问加权算法中论文节点间公共邻居节点部分。实验结果表明,计算机领域中加权相似性算法比CRA算法、Common Neighbors算法、Jaccard Coefficient算法等预测的准确性高0.115,加权模型和阻尼系数提高了算法链接预测的准确性。针对论文影响力计算问题,本文提出了一种加权Page Rank和HITS的排名影响力计算方法,为了避免无权重引文网络中所有论文的引用关系被同等对待,提出了一种基于联系强度的权重计算,权重值大小主要取决于论文节点间公共邻居的数量;提取七种特征值构成特征空间,通过排序模型进行训练和预测。实验结果表明,在计算机领域引文网络中多模式特征提取的七种特征值的模型准确性达到0.7919,合理的特征提取使模型准确性得到提高并能够有效识影响力高的论文。本文设计了引文网络可视化系统,对论文、作者、引用网络、机构等相关信息进行可视化展示,能够在论文信息详情界面中的引文网络图中查看到新加入链接的论文节点信息,查找论文时能够通过论文影响力条件进行相关论文搜索。