[发明专利]一种基于学术异构网络的学者影响力评估方法

摘要

本发明公开了一种基于学术异构网络的学者影响力评估方法，在论文－学者异构网络中对学术主体的互动和沟通联系进行分析，并在使用论文－学者网络评估学者影响力时，通过PageRank算法和论文之间的引用关系区分论文的重要性。同时，考虑到论文的引用数量需要时间不断积累这一特性，本方法根据不同论文的发表时间加入时间函数，对PageRank算法做出改进，强化了发表时间对论文重要性的影响。本发明能够在以上分析的基础上通过随机游走算法在论文－学者网络中对学者影响力进行评估，从而提高学者影响力评价的准确性与可靠性，为学者影响力评估工作以及对科研奖项、基金审批等工作提供依据。

主权项

一种基于学术异构网络的学者影响力评估方法，其特征在于，步骤如下：1)通过论文引用网络以及改进的PageRank算法，计算论文基于时间感知的重要性分值首先根据真实数据集中某一领域待评估论文的相互引用关系构建论文的有向引文网络，有向引文网络中边的方向从引用论文指向被引用论文；根据每篇论文随着时间变化在每一年份的平均被引频次，不断积累的，是一个逐渐增加的过程这一特点以及论文在单个年份被引用的次数，从平均情况来看，是随着时间不断减小这一趋势，本方法使用加入时间因素的改进PageRank算法计算论文基于时间感知的重要性；使用如下公式定义一篇论文的已发表年限age：age＝Tc‑Tp其中，Tc为当前的年份，Tp为该论文发表的年份；基于时间函数的改进PageRank算法公式如下：PR(pi)=(1-d)f(agei)Σk=1Nf(agek)+dΣj=1mPR(pj)*f(agej)L(pj)]]>其中，PR(pi)表示论文pi的PageRank值，pj表示引用论文pi的文献，PR(pj)表示论文pj的PageRank值，agei表示论文pi的已发表年限，agej表示论文pj的已发表年限；对待评估论文在发表时间上的重要性做归一化处理，f(age)是时间函数，且函数的值随着age增加而减小，f(agei)表示论文pi的时间权重，f(agej)表示论文pj的时间权重，表示待评估论文时间权重的加和；L(pj)为论文pj所引用的所有论文的总数量；d为阻尼系数，同PageRank中一样，设为0.85；在时间函数上取值越大的论文(即发表年份越近的论文)，取得的论文重要性分值越大；论文pi从指向它的论文(引用pi的论文)获得分值；m是引用论文pi的文献的总数量；2)将步骤1)中得到的论文基于时间感知的重要性分值代入论文－学者异构无向网络，作为论文在该网络中的初始权值根据待评估论文和学者信息构建论文－学者异构无向网络，该网络中的边代表学者与其发表的全部论文的对应关系；将步骤1)中得出的基于时间感知的论文重要性分值作为论文－学者异构无向网络中论文的初始权值进行初始化；将每名学者的初始权值设置为1/n，其中n是全部学者数量；3)在步骤2)中建立的论文－学者异构无向网络上，通过论文与学者之间的随机游走模型计算学者的影响力，由此将论文的影响力作用于学者随机游走模型如下：假设论文－学者异构无向网络中学者的数量为Na，论文的数量为Np；则所有学者初始的分值RW值是相同的，设为1/Na；所有论文初始的分值RW值是相同的，设为1/Np；具体如下：Step 1：根据如下公式更新学者的RW值：RW(ai)=1-dNa+dΣs=1nRW(ps)C(ps)]]>其中，RW(ai)是学者ai在随机游走模型中获得RW值，ps为学者ai所著的任意一篇论文，RW(ps)为其在随机游走模型中的RW值，C(ps)为ps中所列出的所有作者的人数，可见论文的分值是平均分配给它的所有作者的；d同PageRank中一样，设为0.85；通过该公式反映出，学者有1‑d的概率被随机访问，有d的概率通过他所写的论文被访问；n是学者ai所著的总论文数；Step 2：根据如下公式更新论文的分数：RW(ps)=1-dNp+dΣi=1qRW(ai)C(ai)]]>其中，ps为学者ai所著的任意一篇论文，RW(ps)为其在随机游走模型中的RW值，RW(ai)是学者ai在随机游走模型中获得RW值，q是论文ps所列出的所有作者数；d同PageRank中一样，设为0.85；C(ai)为学者ai所写的论文的数量；即一个学者的RW值，平均分配给他所写的所有论文；Step 3：重复Step 1和Step 2，直到所有学者的RW值和所有论文的RW值均收敛；判断收敛的标准是，所有学者两轮迭代得到的不同的RW值的差值的总和小于一个固定的阈值；通过以上三步，得到所有学者的影响力的值并进行排名。