基于社會(huì)網(wǎng)絡(luò)分析的論文引用研究.pdf

1、引文網(wǎng)絡(luò)是由文獻(xiàn)之間的引用關(guān)系構(gòu)成的一種社會(huì)網(wǎng)絡(luò)。隨著信息技術(shù)的不斷發(fā)展,文獻(xiàn)資料數(shù)量顯著增加,引文網(wǎng)絡(luò)已經(jīng)成為一個(gè)大規(guī)模復(fù)雜的網(wǎng)絡(luò)系統(tǒng),并受到了越來(lái)越多的關(guān)注。引文網(wǎng)絡(luò)中包含豐富的知識(shí)流和研究成果,是學(xué)術(shù)領(lǐng)域中非常重要的知識(shí)庫(kù),所以對(duì)引文網(wǎng)絡(luò)的研究具有非常重要高的學(xué)術(shù)價(jià)值和研究意義。社會(huì)網(wǎng)絡(luò)分析方法在引文網(wǎng)絡(luò)中的應(yīng)用解決了引文網(wǎng)絡(luò)數(shù)據(jù)量大,計(jì)算復(fù)雜度高的問(wèn)題,并區(qū)別于統(tǒng)計(jì)方法從另外一個(gè)角度挖掘引文網(wǎng)絡(luò)中的資源。在這種背景下,本文利用社

2、會(huì)網(wǎng)絡(luò)分析法,對(duì)引文網(wǎng)絡(luò)進(jìn)行深入的挖掘分析,其中挖掘的重點(diǎn)集中在引文網(wǎng)絡(luò)中論文和作者的權(quán)威性分析以及引文網(wǎng)絡(luò)的主題社區(qū)挖掘。本文中的具體研究?jī)?nèi)容涉及以下幾個(gè)方面:
　　(1)本文選取社會(huì)網(wǎng)絡(luò)分析方法中的PageRank算法對(duì)引文網(wǎng)絡(luò)中的論文和作者進(jìn)行權(quán)威性分析。利用PageRank算法分別對(duì)論文引用網(wǎng)和作者引用網(wǎng)這兩個(gè)有向網(wǎng)絡(luò)計(jì)算論文和作者的PageRank值,并在計(jì)算過(guò)程中修改了算法參數(shù)使其更適用于引文網(wǎng)絡(luò)。
　　(2)參

3、考傳統(tǒng)PageRank算法在權(quán)威性分析上的應(yīng)用,并針對(duì)算法在引文網(wǎng)絡(luò)的權(quán)威性分析過(guò)程中還存在的不足,本文提出了基于帶權(quán)引用的權(quán)威性分析方法。傳統(tǒng)PageRank算法在計(jì)算作者和論文權(quán)威性時(shí)是獨(dú)立實(shí)現(xiàn)的,并沒(méi)有充分利用二者之間的強(qiáng)關(guān)聯(lián)性,基于帶權(quán)引用的權(quán)威性分析方法彌補(bǔ)了這一不足。該方法是以PageRank算法為框架,并將論文引用網(wǎng)絡(luò)中點(diǎn)的權(quán)重設(shè)置為作者權(quán)重的線性加權(quán)值,作者引用網(wǎng)絡(luò)中點(diǎn)的權(quán)重設(shè)置為作者發(fā)表的論文權(quán)重的線性加權(quán)值,最后將點(diǎn)

4、的權(quán)重加載到權(quán)威值的計(jì)算過(guò)程中。
　　(3)我們分別從引用結(jié)構(gòu)特征和文本內(nèi)容特征出發(fā)對(duì)引文網(wǎng)絡(luò)進(jìn)行主題社區(qū)挖掘。BGLL算法是基于引用結(jié)構(gòu)特征的社區(qū)挖掘算法,可以實(shí)現(xiàn)大規(guī)模網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)。LDA模型是基于文本內(nèi)容特征的主題建模模型,可以挖掘論文集中潛在的主題信息。本文分別以BGLL算法和LDA模型為基礎(chǔ),并添加了引文網(wǎng)絡(luò)中其他信息,對(duì)ANN語(yǔ)料中論文引用網(wǎng)進(jìn)行主題社區(qū)挖掘。本文對(duì)以上內(nèi)容進(jìn)行了深入的研究,實(shí)驗(yàn)結(jié)果表明利用社會(huì)網(wǎng)絡(luò)分