[发明专利]基于时态合著网络的学术团队动态社区发现方法及其质量评估方法

说明书

本发明提出了一种基于时态合著网络的学术团队动态社区发现算法，通过建立时态合著网络模型，在实时检测合著网络中作者节点重要性、关系边强度变化的基础上，分析与跟踪学术合著网络中学术团队的演变过程，对社区进行创建、扩展、收缩、分裂与消亡，以达到动态社区发现的目的，算法准确性高。此外，本发明还提出基于字特征的学术团队社区划分质量评估方法来评估社区划分质量，并用公共文献信息记录数据集进行了实验验证，实验结果表明了该算法的有效性。

技术领域

本发明涉及一种基于时态合著网络的学术团队动态社区发现方法。

背景技术

国家创新体系需要一批具有自主创新能力的高层次科研群体作为其重要组成部分。如何 有效地观察与分析研究群体的演变、全面客观地评估学术团队整体性能，是科技创新群体的 遴选与评估中所面临的新课题。科研团队是长期合作自然形成的整体，其复杂的演变过程往 往隐含在科研工作者合作发表文章、合作研究项目等各种学术活动历史记录中，其中，科技 文献公共数据资源较完整地记录了科研工作者合作发表文章的历史轨迹，因此，利用大型科 技文献数据库构建学术合著网络，并在此基础上用动态社区发现理论与方法来挖掘学术团队 演变过程是当前复杂网络分析领域的一个重要研究课题。

学术合著网络中的社区结构是社区成员长期学术合作形成的整体，通常具有比较稳定的 核心成员，驱动社区演化的重要因素是其核心成员的变迁。早期的动态社区发现算法大多是 将静态社区发现的算法思想运用于动态网络中，采用两步策略，即先用静态社区检测算法对 不同时刻的网络快照进行社区划分，然后对相邻两个时刻的社区划分之间进行匹配。2007年， Palla et al.[1]利用CPM算法[2]检测社区间的节点重叠程度去构建不同时刻的社区之间演化关 系。Hopcroft et al.2004[3]、Greene et al.2010[4]利用重叠度相似性对社区演化进行分析。Wang et al.2008[5]利用部分重要节点对社区进行追踪。然而，基于网络快照的静态社区划分不能准 确地描述社区的演化特征。针对这个问题，Yang et al.2005[6]，Miller et al.2010[7]，Caravelli et al.2013[8]等采用增量式动态社区发现方法，这类方法首先利用静态算法得到最初的社区划 分，然后根据网络拓扑结构的变化来引导当前时刻社区划分在原社区的基础上发生改变；这 类方法便于追踪社区的演变，但如何定义各个时刻的网络变化是这类方法要解决的一个关键 问题。2010年，Cazabet et al.[9]提出了将网络中节点间边的变化看作对节点间的交互随时间 发生改变，并根据社区的内在属性和节点的交互历程来实现动态社区探测。2016年Rossetti etal.[10]提出TILES(Temporal Interactions a Local Edge Strategy)算法，在该算法中考虑了网络 随着时间的推移不但会添加关系边，而且已有的边也可能消失这两种因素对社区演变产生的 影响，使得动态社区发现算法更加有效，但是没有考虑节点的重要性和交互的紧密程度对社 区结构产生的影响。然而，由于团队成员的地位以及他们之间的关系会随着时间变化而改变， 这使得成员节点的在学术网络中的重要性发生改变，以致学术团队组织结构产生演变，而这 种演变导致了以团队核心成员为引导的团队结构演变；所以，在学术团队社区发现中，人物 角色的改变和关系的紧密程度是影响学术团队演变的重要因素。

此外，随着时间的推移大量的文献记录源源不断地加入到文献数据库中，学者合著关系 也将随之产生变化，这不仅导致了学者学术网络拓扑结构发生变化，而且网络中节点的重要 性也发生变化，是影响学术社区发生变化的重要因素。

因此，有必要针对现有技术中存在的技术问题设计一种新的学术团队动态社区发现方法。

发明内容