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

基于知识超网络的领域专家识别研究

作者:许鹏程; 毕强知识超网络领域专家超边排序专家识别

摘要:【目的】更加科学规范地对学者影响力进行评估,从而发现领域专家。【方法】从作者、文献、领域、主题4个维度构建知识超网络模型;结合超网络的度量方法、文献计量法,运用LDA主题模型,借鉴PageRank排序的思路,提出基于知识超网络的领域专家识别方法。【结果】以图书情报领域为例,通过实验进行领域专家识别,并将结果与h指数、p指数、社会网络分析法进行对比,验证了本文方法的有效性及合理性。【局限】只选取部分期刊的论文数据进行实验,排序结果与真实的排序可能有差别;通过LDA主题模型挖掘的领域标签的粒度需要进一步细化。【结论】基于科技文献的知识超网络,探索学术影响力评价的科学范式,为领域专家识别提供了新的思路和方法。

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