HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于引证行为与学术相似度的学者影响力领域排名方法研究

作者:刘俊婉; 杨波; 王菲菲引文网络学术相似度学术影响力排名方法

摘要:【目的】针对多样化评价指标导致评价体系庞大、计算繁琐、结论模糊等问题,研究一套公正、有效、快速的学术影响力排名机制。【方法】结合Word2Vec算法、TF-IDF算法和PageRank算法,提出一种基于引证行为与学术相似度的学者影响力领域排名方法。【结果】改进后的排序算法综合了学者学术关系层面与学者学术产出层面的学术影响力,在有效性维度表现优异:PR值与特征向量中心度、H指数的相关性分别为0.872、0.617,对传统评价指标具有优秀的替代作用;同时,在固定排名区间内学者的平均H指数与平均被引频次均有所提高,前百名学者的平均H指数提高1.087,平均被引频次提高2.080,排名效果优于原始PageRank算法。【局限】算法时间复杂度与空间复杂度虽然在可接受范围之内,但相对原始PageRank算法效率有所降低。【结论】改进算法适用于具有大量节点的学者学术网络,节点PR值随着网络质量扩大而更趋于准确,因此在多学科、大量学者等场景下的学术影响力评价中,改进排名算法对原有评价指标具有一定的替代性,且效果表现较改进前表现优异。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

数据分析与知识发现

《数据分析与知识发现》(CN:10-1478/G2)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《数据分析与知识发现》内容定位于广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法,研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等,尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决...

杂志详情