摘要:【目的】结合链路预测与机器学习,提出推荐未来科研合作的新方法,以提高单独基于链路预测方法的推荐精确度。【方法】构建加权作者合作网,以不同的链路预测指标作为特征输入,运用极端随机树(Extremely Randomized Trees,ET)机器学习算法训练分类,并利用遍历算法求取分类结果的最优权重组合,选取TOP准确度的预测作为合作推荐结果。【结果】选取纳米科技领域2008年-2010年SCI论文数据进行实证。在城市合作推荐中,改进的ET方法优于已有方法,有良好的推荐成功率;预测方法受网络结构等因素影响较小,适用范围更广泛。【局限】科研合作受合作动机、地域、语言等诸多因素影响,加权作者合作网没有反映在一篇论文中同城市、同机构的多个作者,也没有反映上述因素。【结论】改进算法能够比单个预测指标产生更准确的合作推荐建议,也为推广到大学等机构、个人等更微观的应用层面提供参考。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
中西医结合肝病 中西医结合研究 中西医结合 现代中西医结合 深圳中西医结合 浙江中西医结合 中国中西医结合 世界中西医结合 中西医结合学报 中国中西医结合急救 中国中西医结合外科 中国中西医结合耳鼻咽喉科相关文章
结合自身工作