[发明专利]一种适用于DBLP与arXiv的文献网络间锚链接关系预测方法

说明书

本发明涉及一种适用于DBLP与arXiv的文献网络间锚链接关系预测方法。首先在DBLP与arXiv预印本网络中采用基于结构特征并融合属性特征的方法表征论文节点；然后通过局部敏感哈希构建一个锚节点的稀疏加权二分图，最后通过冗余链接修剪得到最终预测的锚链接集合。本发明提出的方法可以将DBLP文献网络与arXiv预印本网络对齐，融合来自不同文献网络的信息，获得网络节点更全面的信息，在文献网络的关系预测中获得更加完备的预测结果。

技术领域

本发明涉及信息检索领域，特别是一种适用于DBLP与arXiv的文献网络间锚链接关系预测方法。

背景技术

随着预印本网络在各个学科的普及，催生了用户在使用它们时的各种需求。比如，为一篇尚未正式发表的预印本推荐合适的会议或者期刊；为一篇待审稿的预印本寻找合适的审稿人；为学者寻找其他可能感兴趣的最新预印本等等。文献网络中的推荐问题本质上是网络科学研究中的关系预测问题。

受限于arXiv这样的单一文献网络的信息不完备，单一文献网络内的关系预测结果有很大的局限性。例如，为arXiv中的数据挖掘领域作者进行引文推荐时，由于arXiv中仅收录该知名学者韩家炜十几篇论文，因此其引文关系预测显然完备性不佳。

不同的文献网络之间往往存在相同的对象，通过这些对象可以将不同网络关联在一起，因此，这些节点称为锚节点，两个匹配的锚节点之间的链接称为锚链接。而锚链接预测问题就是通过预测网络间两个节点属于同一个对象的概率获得锚节点，构建锚链接从而对齐不同网络。倘若能通过锚链接将DBLP文献网络与arXiv预印本网络对齐，则可以突破单一文献网络内关系预测的局限性，获得更加完备的预测结果。

不同的文献网络之间存在相同的论文。可以看出论文节点是文献网络的中心节点，作者、期刊、主题等节点都与它相连，因此可以选择论文节点作为锚链接预测的对象。实际上，DBLP文献网络和arXiv预印本网络中，arXiv中的预印本正式发表后在DBLP中通常存在论文题目不再一致的情况。因此，两者之间并不存在可以直接获得的锚链接。

当前一些锚链接预测方法大多基于已经存在部分锚链接这一前提预测剩余锚链接。然而，如前所述，DBLP和arXiv之间并不存在可以直接获得的锚链接。针对此类锚链接预测问题，其面临的最大挑战在于如何直接预测网络间两个论文节点属于同一个对象的概率。此外，对于锚链接预测问题而言，最简单的方法是基于节点的特征表示，计算不同网络之间所有两两论文类型节点间的相似度，然后保留相似度大于预设阈值的边。然而实际应用时，对于文献网络这样包含海量节点的网络，简单两两匹配的逐个计算需要耗费大量的时间，而阈值的选取又难以衡量其合理性。

发明内容

本发明的目的在于提供一种适用于DBLP与arXiv的文献网络间锚链接关系预测方法，该方法在降低高维数据维度的同时保留节点的相似度，可以将DBLP文献网络与arXiv预印本网络对齐，获得网络节点更全面的信息。

为实现上述目的，本发明的技术方案是：一种适用于DBLP与arXiv的文献网络间锚链接关系预测方法，包括如下步骤：

步骤S1、获取arXiv预印本网络及DBLP文献网络，分别表示为G₁、G₂，其相应的论文节点集分别为V₁和V₂；

步骤S2、分别对V₁和V₂中的节点进行特征表示；

步骤S3、采用局部敏感哈希对V₁和V₂中的节点进行对齐；

步骤S4、对于网络G₁中的节点求出其候选锚节点集P₁；

步骤S5、对于网络G₂中的节点求出其候选锚节点集P₂；