基于双曲空间图嵌入的科研热点预测

摘要：

预测科研热点可以有效地开展科学研究和更好地分配科学资源.数据挖掘和机器学习算法已经被广泛应用到科研热点预测中,比如基于论文文本内容的主题模型建模和挖掘论文被引频次的算法等.提出一种新的将关键词信息嵌入双曲空间的双曲空间关键词图嵌入(PKGM)算法,利用关键词和它们之间的关系构建一个关键词网络,通过计算双曲空间中两个节点的距离来判别两个节点之间存在边的概率,从而对科研热点进行预测.该算法与7个基准算法的实验比较结果显示,PKGM算法与效果最好的欧氏空间嵌入算法相比有7.3％的AUROC和5.8％的AP提升;与双曲图神经网络算法相比,有10.8％的AUROC和7.2％的AP提升.这显示了PKGM算法的有效性.

关键词：科研热点、双曲空间、庞加莱模型、图嵌入、关键词网络、长尾效应

所属期刊栏目：8

分类号：TP18(自动化基础理论)

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：94-104