[发明专利]一种非对称信息网络下的论文影响力度量方法

权利要求书

1.一种非对称信息网络下的论文影响力度量方法，其特征在于，包括以下步骤：

步骤1、针对论文之间的引用关系构建论文引用网络；

步骤2、利用社区检测Louvain方法对论文引用网络中的群体分布进行划分，得到多个群体分布，再次利用社区检测Louvain方法对所有群体分布进行群体细粒度划分，直至所有群体的模块度为1为止，得到社群集合，记为G＝{g₁,...,g_l,...,g_m,...,g_k}，g_l为第l个社群，g_m为第m个社群，1＜l＜k，1＜m＜k，l≠m，k为社群数量；

步骤3、基于划分后的多个社群，构建社群内部的引用网络和社群间的引用网络；

步骤4、利用PageRank聚类方法度量各个社群内部的引用网络的论文局部影响力和社群间的引用网络的社群影响力；

步骤4.1、利用PageRank聚类方法度量社群内部的引用网络的论文局部影响力；

对于社群集合G中的第l个社群g_l，首先设置第l个社群g_l中每个论文节点相同的权值，然后将每个论文节点的权值除以相连的出链边数后作为每个出链边的权重，接着将每个论文节点的入链边的权重之和作为每个论文节点的新权值，重复执行更新过程，直至两次更新的权值不变为止，从而得到社群内论文节点的局部影响力集合,记为PR_l＝{pr_l1,...,pr_lα,...,pr_lβ,...,pr_lt},pr_lα为第l个社群g_l的第α个论文节点的局部影响力，pr_lβ为第l个社群g_l的第β个论文节点的局部影响力；

步骤4.2、利用PageRank聚类方法度量社群间的引用网络的社群影响力；

对于社群集合G，首先设置每个社群相同的权值，然后将每个社群的权值除以相连的出链边数后作为每个出链边的权重，接着将每个社群的入链边的权重之和作为每个社群的新权值，重复执行更新过程，直至两次更新的权值不变为止，从而得到社群集合G的影响力集合，记为为第l个社群g_l的影响力，为第m个社群g_m的影响力；

步骤5、根据论文局部影响力及其所在的社群影响力，利用式(4)得到第l个社群g_l中的第α个节点u_lα的影响力PR_li，从而度量论文在所述论文引用网络中的影响力；

2.如权利要求1所述的一种非对称信息网络下的论文影响力度量方法，其特征在于，所述步骤1包括如下过程：

获取n篇论文并作为节点，构建论文节点集合，记为U＝{u₁,...,u_i,...,u_j,...,u_n}，u_i为第i个论文节点，u_j为第j个论文节点，1＜i＜n，1＜j＜n，i≠j，n为社群数量；

以R_ij表示第i个论文节点u_i和第j个论文节点u_j之间的关系；若R_ij＝1，则表示第i个论文节点u_i引用了第j个论文节点u_j；若R_ij＝0，则表示第i个论文节点u_i未引用第j个论文节点u_j；从而得到式(1)所示的n×n维的论文引用矩阵R并形成所述论文引用网络：