[发明专利]一种基于信誉度的引文网络学术影响力评价排序方法

摘要

一种基于信誉度的引文网络学术影响力评价排序方法属于学术影响力评价技术领域，结合引文网络的特征，本发明根据文章背景信息定义一系列规则，改进TrustRank算法和Anti‑TrustRank算法选取种子集机制，循环迭代计算网络节点的信誉值和非信誉值，最后综合两者的结果给出评分。根据最终综合信誉值的降序排序结果，获取并输出引文网络中科学文献的学术影响力排序。本发明旨在提供一种合理的、公正的评价方法，能够对文献的影响力准确地评价，从而评选出某一学科内高质量的论文资料。科研人员也能快速地查找文献资料和把握当前研究的热门方向，将更多的时间分配在科学理论研究上。本发明的研究对于认识引文网络的结构和传播特性以及文献影响力评价具有重要的理论意义。

主权项

一种基于信誉度论文引文网络学术影响力评价排序方法，其特征在于，具体操作步骤为：(一)首先，构建引文网络模型，论文为顶点，论文间的引用关系为边；论文引用图G＝(V,E)是一个有向图，V代表节点集{v1,v2,v3...vn}，有N个顶点，E代表边集，1≤i,j≤n，如果顶点vi指向vi的有向边存在，则边元素ei,j为1；若顶点vi指向vi的有向边不存在，则边元素ei,j为0；提取出引证数据的局部特征,表示顶点vi的出链数量，表示顶点vi的入链数量；Viout表示顶点vi的出链指向的顶点集合，Viin表示顶点vi的入链指向的顶点集合；(二)其次，种子集选取机制利用PageRank算法和Inverse PageRank算法求解每个节点的初始信誉值和非信誉值，结合JCR分区信息，分区越高的论文节点，视作可信度越大，分区越低的节点可信度越低；如1区有最高的可信度为4；好种子集选取:使用PageRank算法对论文进行初步评价，根据评价值对论文进行降序排列，选取top‑k种子集根据文章背景信息进行判断，再结合ASE算法扩充好种子集；坏种子集选取使用Inverse PageRank算法对论文进行初步评价，根据评价值对论文进行降序排列，选取top‑k种子集根据文章背景信息进行判断，再结合ASE算法扩充坏种子集；(三)然后，信任值计算然后通过模拟随机游走模型和随机跳跃过程，根据TrustRank和Anti‑TrustRank算法分别计算每个节点的信任值Tri和不信任值Dri,分别表示论文节点vi的信任值和不信任值；根据文献得信任值和不信任值综合计算每个论文节点的综合评分；ReputeRank公式为：α、β和γ为三个阻尼系数，在综合指标中所占的比重，其中0≤α≤1，‑1≤β≤0，0≤r≤1‑α，i∈{1,2,3,...,N}；ReputeRanki为论文节点vi的最后评分值，0≤ReputeRanki≤1；(四)根据最终综合信誉值的降序排序结果，获取并输出引文网络中科学文献的学术影响力排序。