Current Location:home > Detailed Browse

Article Detail

结合链路预测和ET机器学习的科研合作推荐方法研究

Abstracts

【目的】结合链路预测与机器学习, 提出推荐未来科研合作的新方法, 以提高单独基于链路预测方法的推荐精确度。【方法】构建加权作者合作网, 以不同的链路预测指标作为特征输入, 运用极端随机树(Extremely Randomized Trees, ET)机器学习算法训练分类, 并利用遍历算法求取分类结果的最优权重组合, 选取TOP 准确度的预测作为合作推荐结果。【结果】选取纳米科技领域2008 年–2010 年SCI 论文数据进行实证。在城市合作推荐中, 改进的ET 方法优于已有方法, 有良好的推荐成功率; 预测方法受网络结构等因素影响较小, 适用范围更广泛。【局限】科研合作受合作动机、地域、语言等诸多因素影响, 加权作者合作网没有反映在一篇论文中同城市、同机构的多个作者, 也没有反映上述因素。【结论】改进算法能够比单个预测指标产生更准确的合作推荐建议, 也为推广到大学等机构、个人等更微观的应用层面提供参考。
Download Comment From cooperative journals:《数据分析与知识发现》 Hits:3017 Downloads:2212
Recommended references: 吕伟民,王小梅,韩涛.(2017).结合链路预测和ET机器学习的科研合作推荐方法研究.数据分析与知识发现.[ChinaXiv:201711.01942] (Click&Copy)
Version History
[V1] 2017-11-08 16:30:53 chinaXiv:201711.01942V1 Download
Related Paper

Download

Current Browse

Change Subject Browse

Cross Subject Browse

  • - NO