基于翻译模型的科研合作预测研究

摘要：

[目的]为促进科研人员间的交流合作,实现科研效率最大化,提出一种改进的翻译模型TransTopic,用于干细胞领域的科研合作预测研究.[方法]TransTopic旨在将科研合作网络中的节点和边统一映射为低维向量.利用LDA主题模型抽取论文的主题分布特征,使用深度自编码器将主题特征编码为边向量,基于翻译机制得到节点向量,通过向量间的语义计算实现科研合作预测.[结果]TransTopic在链接预测上的AUC(95.21％)和MeanRank (17.48)指标均表现最优,并且主题预测的准确率达到86.52％.[局限]合作预测方法仅考虑了一步的翻译路径,并且作者的机构、研究兴趣和发文等级等多元信息没有得到充分的利用.[结论]基于翻译模型的预测方法可以有效完成干细胞领域的科研合作预测工作.

关键词：翻译模型、深度自编码器、主题模型、链接预测

所属期刊栏目：4

分类号：TP391;G255(计算技术、计算机技术)

资助基金：本文系中国科学院十三五信息化基金项目“面向于细胞领域知识发现的科研信息化应用”项目编号:XXH13506

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：28-36