基于表示学习的学者间潜在合作机会挖掘

摘要：

[目的/意义]通过对文献中作者、关键词、机构、国籍等多种信息对象融合的研究,弥补传统基于共现网络分析存在的共现信息丢失与弱关联合作学者挖掘遗漏问题,提高潜在合作挖掘的准确性与全面性,识别学者问潜在合作机会.[方法/过程]构建基于表示学习的潜在合作机会挖掘模型,将作者共现、关键词共现、机构共现、作者-关键词共现等多种共现网络融入表示学习中,信息实体表示成相同空间稠密向量,利用向量欧几里得距离来度量信息实体的关联强度,进而实现潜在合作对象挖掘.[结果/结论]通过表示学习法能够融合多种共现信息,定量计算出学者间潜在合作强度,识别潜在合作领域,提升潜在合作机会挖掘的可靠性,消除传统共现合作挖掘方法倾向高产学者的不足.

关键词：表示学习、科研合作、潜在合作挖掘

所属期刊栏目：38

分类号：G353(情报学、情报工作)

资助基金：国家自然科学基金项目“基于排序学习和深度学习的专利检索研究”61602078;中国工程院重点咨询项目子课题“制造工程科学的研究进展、竞争态势及我国的对策-节能与新能源汽车制造工程科学目标与应用发展战略研究”2016-XZ-03-05;教育部人文社会科学研究基金“基于领域知识和排序学习的专利检索方法研究”16YJCZH128

在线出版日期：2019-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-70