融合主题相似度与合著网络的学者标签扩展方法研究

摘要：

[目的]对学者未来的研究方向和研究兴趣进行预测,设计从文献摘要中抽取并扩展学者学术标签的方法.[方法]通过TF-IDF方法从摘要中抽取基础学术标签,结合学者间主题相似度与学者间的合作关系,使用相似学者和团队内其他学者的标签对基础学术标签进行扩展.[结果]与直接使用学者当前学术标签预测学者未来学术标签相比,融合主题相似度与合著网络对学术标签进行扩展后预测召回率平均提高8.33％.[局限]实证样本小,方法只针对单一语种论文,没有涵盖学者发表的其他语种论文,方法普适性仍需要进一步确认.[结论]本文提出的方法对学者未来研究方向和研究兴趣有一定的预测能力.

关键词：标签扩展、主题相似度、合著网络

所属期刊栏目：4

分类号：TP393;G250(计算技术、计算机技术)

资助基金：本文系华东师范大学“幸福之花”基金先导项目“大数据视阈下基于学术共同体的人文社科学术评价与促进研究”项目编号:2019ECNU-XFZH016

在线出版日期：2020-11-12（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：75-85