[发明专利]一种基于文献标题语义信息的相似作者搜索方法

说明书

本发明公开了一种基于文献标题语义信息的相似作者搜索方法，该方法包括：S1:通过输入的数据集建立一个文献信息网络；S2:对文献信息网络中的文献标题进行特征提取；S3:按照元路径对文献信息网络进行遍历，计算作者在同一个会议中发表的论文数；S4:对文献信息网络中的作者进行遍历，并与输入的查询作者进行相似度计算；S5:对计算完成的作者按照相似度大小进行降序排序，输出前k个相似作者。本发明基于文献信息网络考虑了文献标题对于作者相似度的影响，在测试过程中取得了较高的准确度和较高的效率。

技术领域

本发明属于计算机数据挖掘、用户推荐领域，涉及一种基于文献标题语义信息的相似作者搜索方法。

背景技术

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。数据挖掘的目的是指从海量的数据中挖掘到用户所感兴趣的相关信息。

近年来，随着科学技术的不断发展，学术论文的发表数量逐年上升，海量的学术论文为科研工作者提供了大量的参考，同时对于学术论文中的相关关系的研究也成为了学术领域的研究热点。

国内外很多学者针对文献中作者关系的研究发明了许多方法，同时做了大量的实验，但是这些方法中仍然存在许多不足。例如，目前大部分方法是基于文献网络中的结构来计算作者之间的相似性，但是这些方法都忽略了文献本身的语义信息，两个作者虽然在同一个会议上发表了文章，但是它们发表的文章领域可能完全不同，导致在计算作者间的相似性时有较大偏差。

针对现状及上述问题，有必要设计一种基于文献标题语义信息的相似作者搜索方法。

发明内容

本发明所要解决的技术问题是提供一种基于文献标题语义信息的相似作者搜索方法，该方法基于文献标题的语义信息对文献信息网络中的作者进行相似性搜索，具有效率高、准确率高的特点。

发明技术解决方案如下：

一种基于文献标题语义信息的相似作者搜索方法，包括以下步骤：

步骤1：建立文献信息网络。对输入的数据集进行处理，并转换为文献信息网络。文献信息网络中包含三种类型节点：作者、文章和会议。包含两种链接类型：“作者-文章”和“文章-会议”。

步骤2：对文章标题进行特征提取。遍历步骤1中得到的文献信息网络中的文章集合，利用doc2vec算法对文章标题进行特征提取，将文本信息转换为特征向量：

其中V代表特征向量，T代表特征向量的维度。

步骤3：统计作者在同一个会议中发表的论文数量。遍历步骤1得到的文献信息网络，统计文献信息网络中全部作者在同一个会议上发表的论文数量，并对统计结果进行保存。

步骤4：作者相似度计算。再次遍历由步骤1中得到的文献信息网络，利用步骤2中得到的统计结果对全部候选作者进行相似度计算：