基于特征分析的潛力學者挖掘.pdf

1、長期以來，衡量一名學者的學術價值已經被各個研究領域內的學者們從多個角度進行了研究分析，各種學術機構也以此作為科研基金和科研獎項發(fā)放和分配的依據(jù)。但是卻很少有學者致力于研究如何通過學術生涯初始階段學者的學術表現(xiàn)來預測評估學者在未來的學術表現(xiàn)。而實際上，對于所有的學術組織以及各類研究機構來說，在日益龐大的學術新人團體中，準確定位到有潛力的學者是一項意義重大而又充滿挑戰(zhàn)的人力資源問題。
　　本文要尋找的潛力學者指那些剛剛步入學術領域，現(xiàn)

2、階段在其研究領域中還沒有突出貢獻，但是在以后的學術生涯中，他們將成長為研究領域內的專家級學者以及團隊骨干成員的學術新人。然而對學術新人的學術能力進行評估時，目前已有的研究方案中對作為評估依據(jù)的數(shù)據(jù)選取過于粗糙，他們都是無差別的隨機截取5年時間作為研究時間窗進行處理，這是不合理的。本文提出的挖掘模型在選取研究時間窗時，充分考慮到學者自身加入學術領域的時間因素，將學者發(fā)表第一篇論文的時間視為學術生涯的起始時間，并截取這之后5年的數(shù)據(jù)作為判斷

3、依據(jù)。并且本文的挖掘模型采用研究時間段內學者的論文數(shù)、論文被引用總次數(shù)、論文平均被引用次數(shù)、合作者數(shù)量、合作者平均被引次數(shù)、論文合著網絡中學者節(jié)點重要性分值、作者引用網絡中學者的節(jié)點重要性分值7個特征因素作為評判依據(jù)，并且使用機器學習算法為以上特征值的權重做出區(qū)分。最后根據(jù)權重值以及特征值為學者計算出潛力學者分值，以此尋找潛力學者。
　　本文不僅完成了挖掘模型的構建，同時也通過在實際數(shù)據(jù)集上進行的仿真實驗進行了效果驗證。實驗中使用