基于科研信息網(wǎng)絡(luò)的學術(shù)會議推薦策略研究.pdf

1、隨著信息技術(shù)的迅速發(fā)展，科研信息網(wǎng)絡(luò)的規(guī)模已經(jīng)超出了我們的想象。對學者來說，關(guān)注領(lǐng)域內(nèi)高水平的學術(shù)會議/期刊，參加前沿、熱門的會議，投稿領(lǐng)域相關(guān)且有錄用可能的學術(shù)會議或期刊是必要的。但是，學術(shù)大數(shù)據(jù)產(chǎn)生的學術(shù)信息過載問題為學者在挖掘?qū)W術(shù)會議/期刊相關(guān)信息的時候帶來了挑戰(zhàn)。因此，本文重點是對學術(shù)大數(shù)據(jù)進行計量分析，并提出了基于科研信息網(wǎng)絡(luò)的個性化的學術(shù)會議推薦策略。
　　本文首先基于科研信息網(wǎng)絡(luò)對學術(shù)會議進行社會計量學分析，探討學術(shù)

2、圈群體結(jié)構(gòu)，學者參會數(shù)量與學者水平的關(guān)系以及學術(shù)會議對學者的影響等。通過分析參加學術(shù)會議為學者帶來的合作效益以及對貝肯數(shù)的積極影響等，論證學術(shù)會議推薦在促進學術(shù)交流、增加學術(shù)合作機會、提升學術(shù)水平等方面的重要性。
　　另外，本文致力于研究基于科研信息網(wǎng)絡(luò)的個性化學術(shù)會議推薦策略，并提出了個性化學術(shù)會議推薦模型PAVE。PAVE模型首先依據(jù)學者間合作關(guān)系及學者與會議的參會關(guān)系對學術(shù)數(shù)據(jù)進行科研信息網(wǎng)絡(luò)建模，然后通過我們改進后的帶有偏

3、好的轉(zhuǎn)移矩陣來驅(qū)動科研信息網(wǎng)絡(luò)上的重啟型隨機游走。帶偏好的轉(zhuǎn)移矩陣是通過引入學術(shù)關(guān)系發(fā)生頻率、區(qū)分學術(shù)關(guān)系權(quán)值以及學者學術(shù)水平差異三個學術(shù)特征來定義的。
　　最后，我們基于DBLP數(shù)據(jù)集設(shè)計并實現(xiàn)了一系列實驗，對比PAVE模型和三個基準模型在學術(shù)會議推薦方面的表現(xiàn)。實驗證明，PAVE模型在準確率、召回率、F1值和Ave-Quality等指標表現(xiàn)最好，并且在推薦效率上更勝一籌。而且，實驗證明，PAVE模型更擅長為初入學術(shù)領(lǐng)域的學術(shù)“