中文文献关键词分布特性研究

在中文引文网络中,研究节点之间引用关系特性的成果较多,但是,对引文网络中的关键词研究却非常少见。关键词是论文的代表词语,可通过关键词大致了解论文所研究的重点和领域。因此,对于挖掘关键词的分布特性的研究尤为重要。从中国科学期刊爬取人工智能、生物和财经三个领域的关键词各约2 500个;从百度学术、知网和Bing学术搜索引擎中爬取每个关键词的结果数目,对于百度学术搜索引擎中,另外爬取2016年、2017年和2018年等每年的结果数,并爬取每个关键词下的三个相关知名学者;基于以上数据,引入Zipf定律构建结果数与排名之间的关系模型(包括近三年的结果数与排名之间的关系模型);引入超网络模型,构建关键词与相关知名学者之间的超网络模型。基于以上两个模型,分析得出了关键词分布的几个有趣的相关结论。     

基于高阶近似的链路预测算法

目前大部分链路预测算法只研究了节点与邻居节点之间的一阶相似性，没有考虑节点与邻居的邻居节点之间的高阶相似性关系。针对此问题，提出一种基于高阶近似的链路预测算法（LP-HOPA）。首先，求出网络的归一化邻接矩阵和相似度矩阵；其次，利用矩阵分解的方法将相似度矩阵进行分解，得到网络节点的表示向量以及其上下文的表示向量；然后，通过高阶网络表示学习的网络嵌入更新（NEU）算法对原始相似度矩阵进行高阶优化，并利用归一化的邻接矩阵计算出更高阶的相似度矩阵表示；最后，在四个真实的数据集上进行大量的实验。实验结果表明，与原始链路预测算法相比，大部分利用LP-HOPA优化后的链路预测算法准确率提升了4%到50%。此外，LP-HOPA算法能够将基于低阶网络局部结构信息的链路预测算法转换为基于节点高阶特征的链路预测算法，在一定程度上肯定了基于高阶近似链路预测算法的有效性和可行性。