共查询到19条相似文献，搜索用时 131 毫秒
1.
2.
【目的/意义】掌握合著网络的最佳演化机制及其演变能够更好的进行合著关系预测和推荐,进而为研究团
队的人员选择和搭配提供建议和参考。【方法/过程】以共同邻居、到达路径、优先连接和随机游走共4类16种相关性
指标表示合著网络演化机制,并运用链路预测的理论和方法系统全面的定量比较不同演化机制的优劣和时序变
化,揭示合著网络的最佳演化机制及其变化并解析其成因。【结果/结论】在图书情报领域的实验证实：描述合著网
络演化机制的最佳指标为AA（Adamic-Adar）;不同时间段的相关性指标的预测准确率具有一定差异但总体趋势保
持一致,并且最佳指标所属类别并未改变,表明合著网络演化机制具有较强的稳定性;对多种类别的合著网络演化
机制成因及其改进方向进行了分析。 相似文献
3.
不同学科间知识扩散规律研究——以图书情报学为例 总被引：3，自引：0，他引：3
文章以图书情报学为例,通过引文分析方法,利用CitespaceⅡ可视化软件处理数据,探讨该学科与其他学科间知识扩散的跨学科特征,着重分析了图书情报学与其他学科知识扩散的多样性和凝聚性,研究了不同学科间知识扩散的规律。 相似文献
4.
现有关于网络环境下的创新搜索研究大都构建在无权静态网络的基础上,且假设创新搜索与知识转移是两个相互独立的行为过程。为更加真实的再现创新网络中的创新搜索、知识转移、知识创新的整体行为机制,现基于无标度加权动态网络,采用仿真建模的方法,以揭示创新网络中知识动态增长的演化规律,探究创新搜索与创新网络、创新绩效之间的内在关系。研究发现：无论基于何种搜索策略,创新网络演化的路径基本相同,且最终网络演化将达到均衡;网络联结密度与网络平均知识存量存在倒U型关系,而网络关系强度与网络平均知识存量呈正相关关系,同时创新搜索策略对网络平均知识存量以及知识创新的水平均具有显著影响关系。 相似文献
5.
6.
【目的/意义】构建主题-主题关联的学科知识网络,从主题之间语义关联角度度量主题在学科知识网络中
的影响力,分析学科知识结构演化规律,为热点、前沿主题探测提供方法支撑。【方法/过程】基于 LDA主题模型抽取
学科领域研究主题,利用主题在科学文献中的共现关系构建主题-主题关联的学科知识网络,并提出主题影响力概
念和度量方法;基于复杂网络结构分析方法对学科领域生命周期内主题-主题关联的学科知识网络进行演化分
析。【结果/结论】实证分析表明主题的网络影响力是主题强度、被学者关注度等外部特征指标的有力补充,可用来
探测热点、前沿主题。同时,学科知识结构随着学科领域的发展表现出较强的小世界网络特征。 相似文献
7.
基于十年管理科学期刊间引证数据,采用社会网络分析方法,研究了跨世纪管理科学知识的流动扩散网络的结构特性。结果表明,管理科学期刊知识交流网络密度在增大,期刊间的知识交流更加直接和开放,学科领域间在趋于交叉融合。两阶段期刊引证网络在保持了相对稳定性的同时,也发生了一些明显变动。期刊间引证存在“无形学院”,在各共同体中有其核心成员。 相似文献
8.
9.
[目的/意义]引入时间衰减因子与聚类系数对共词网络链路预测局部相似性指标进行优化改进,以期进一步提升共词网络链路预测的精确度。[方法/过程]从3个角度来提升局部相似性指标预测精确度：一是引入时间衰减因子计算连边权重,对不同时间段的连边进行区别处理;二是结合聚类系数改进已有相关相似性指标,即利用节点邻域拓扑信息进一步区分不同节点对相似性的贡献;三是同时融合时间衰减因子和聚类系数进行指标优化改进。再以图书情报学领域为例构建共词网络,利用多种分类算法(如朴素贝叶斯、决策树、随机森林、SVM)预测和评估所改进指标的预测精确度。[结果/结论]引入时间衰减因子,指标WCN、WAA、WPA、WRA的预测精确度均得到了有效提升;结合聚类系数,指标CN、AA、RA、WCN、WPA、WRA和SA的预测精确度均得到了不同程度的提升;同时融合时间衰减因子和聚类系数,WCN、WAA、WRA的预测精确度得到了进一步的提升。由此可知,引入时间衰减因子或聚类系数均能在一定程度上提升共词网络链路预测相关指标的准确度。 相似文献
10.
基于引证网络的高被引文献实证分析——以知识服务为例 总被引：3，自引：0，他引：3
引证网络是以节点文献为中心,通过文献之间的引用关系将相关文献链接为一个网络。本文利用h-b指数选择了知识服务研究领域的30高被引文献,利用聚类方法其引证网络的6个指标数据进行分析。研究发现,这些文献的6个指标数据呈现出4种不同类型的数据分布情况,这反映出高被引文献在知识的吸收和传播中具有不同的特点。 相似文献
11.
《Information processing & management》2023,60(3):103292
Dynamic link prediction is a critical task in network research that seeks to predict future network links based on the relative behavior of prior network changes. However, most existing methods overlook mutual interactions between neighbors and long-distance interactions and lack the interpretability of the model’s predictions. To tackle the above issues, in this paper, we propose a temporal group-aware graph diffusion network(TGGDN). First, we construct a group affinity matrix to describe mutual interactions between neighbors, i.e., group interactions. Then, we merge the group affinity matrix into the graph diffusion to form a group-aware graph diffusion, which simultaneously captures group interactions and long-distance interactions in dynamic networks. Additionally, we present a transformer block that models the temporal information of dynamic networks using self-attention, allowing the TGGDN to pay greater attention to task-related snapshots while also providing interpretability to better understand the network evolutionary patterns. We compare the proposed TGGDN with state-of-the-art methods on five different sizes of real-world datasets ranging from 1k to 20k nodes. Experimental results show that TGGDN achieves an average improvement of 8.3% and 3.8% in terms of ACC and AUC on all datasets, respectively, demonstrating the superiority of TGGDN in the dynamic link prediction task. 相似文献
12.
《Information processing & management》2023,60(5):103418
Link prediction, which aims to predict future or missing links among nodes, is a crucial research problem in social network analysis. A unique few-shot challenge is link prediction on newly emerged link types without sufficient verification information in heterogeneous social networks, such as commodity recommendation on new categories. Most of current approaches for link prediction rely heavily on sufficient verified link samples, and almost ignore the shared knowledge between different link types. Hence, they tend to suffer from data scarcity in heterogeneous social networks and fail to handle newly emerged link types where has no sufficient verified link samples. To overcome this challenge, we propose a model based on meta-learning, called the meta-learning adaptation network (MLAN), which acquires transferable knowledge from historical link types to improve the prediction performance on newly emerged link types. MLAN consists of three main components: a subtask slicer, a meta migrator, and an adaptive predictor. The subtask slicer is responsible for generating community subtasks for the link prediction on historical link types. Subsequently, the meta migrator simultaneously completes multiple community subtasks from different link types to acquire transferable subtask-shared knowledge. Finally, the adaptive predictor employs the parameters of the meta migrator to fuse the subtask-shared knowledge from different community subtasks and learn the task-specific knowledge of newly emerged link types. Experimental results conducted on real-world social media datasets prove that our proposed MLAN outperforms state-of-the-art models in few-shot link prediction in heterogeneous social networks. 相似文献
13.
[目的/意义]有效融合引文网络中的引用关系和文本属性等多元数据,增强文献节点间的语义关联,从而为数据挖掘和知识发现等任务提供有力的支撑。[方法/过程]提出了一种引文网络的知识表示方法,先利用神经网络模型学习引文网络中的k阶邻近结构;然后使用doc2vec模型学习标题、摘要等文本属性;最后给出了基于向量共享的交叉学习机制用于多元数据融合。[结果/结论]通过面向干细胞领域的CNKI引文数据集的测试,在链路预测上取得了较好的性能,证明了方法的有效性和科学性。 相似文献
14.
基于引文的知识链接服务体系研究 总被引：9，自引：2，他引：7
知识链接是指通过知识关联将具有同一、隶属、相关关系的知识单元按照一定的需要有序地联系在一起,形成序列化或结构化的知识集合,继而构成知识网络的一种行为.知识链接是实现网络信息服务向知识服务转型的关键.近年来对知识元链接、引文分析的理论研究比较多,而对基于引文的知识链接方面的研究相对缺乏,基于引文的知识服务模式还没有形成.本文对基于引文的知识链接原理、知识链接服务模式进行研究,探讨基于引文的知识链接要素的构成及知识要素词典的体系结构,提出利用"知识要素词典"、"引文链接索引"和其他元数据链接索引库耦合形成知识网络的知识链接模型,以及基于引文知识链接网络构建知识服务体系的初步思路. 相似文献
15.
【目的/意义】利用网络分析方法对融入引文内容的引文网络中的知识流动规律与模式展开系统研究,以期
为引文网络中的知识扩散、转化与创新提供理论与实证依据。【方法/过程】选取描述性统计量和网络分析指标,对
知识节点的知识流动能力及角色、知识群落的知识流动类型及结构、整体网络的知识流动分布特征及结构特征进
行深度刻画和剖析。【结果/结论】依据CNKI数据库主题期刊论文为测度数据,分别构建“智库”“数字人文”“数据治
理”三个主题的引文网络,并依据文中方法比较分析其间知识流动特征的异同。文中方法能够深入挖掘学术文献
间的知识关联,弥补过去引文网络知识流动研究中因忽略深层次引用信息而产生的缺陷。【创新/局限】本文采用多
种指标与方法对引文内容视角下引文网络知识流动规律与模式展开系统研究,但是未从整体引文网络中抽取反映
某一或某些知识属性的个体引文网络进行分析。 相似文献
16.
[目的/意义]知识经济时代,知识的生产、扩散和消费是社会经济发展的重要推动力。其中,知识扩散是充分发挥知识价值的重要过程,从微观层面理解知识扩散的规律对促进知识利用与创新具有重要意义。[方法/过程]以医学信息学领域的科学文献为例,文章基于知识模因的微观层面,采用知识模因识别方法从文献中提取出知识模因来表征知识单元,并基于文献引证网络构建各知识模因的扩散级联网络,计算分析扩散级联网络的基础特征及其特征分布情况,以考察不同知识模因在学科领域内的扩散模式。[结果/结论]医学信息学领域内发现了四种典型的知识模因扩散模式:单起源型、多起源-独立型、多起源-迭代型、多起源-融合型。此外,通过对级联网络的各项属性分布特征进行分析发现,网络呈现无标度性,医学信息学领域极少数的知识模因获得了大量的传播资源,领域内的研究集中于被少数知识模因所代表的研究方向上,而领域内各研究方向的生命周期长度则相对差异较小。 相似文献
17.
18.
从社会资本视角来看,创新网络中知识扩散的实质是一种社会交换,网络中的知识扩散受社会关系网络中个体位势的影响。研究从微观视角切入,探讨科研网络中的知识主体对其知识扩散的动态影响机制。选取度中心度、Bonacich Power中心度、效率结构洞、中介中心度四种SNA算法,从知识的多样性、传递路径的非确定性和平行复制三个属性对比各SNA算法所暗含的知识扩散特征,对科研网络中知识扩散机制提出假设,选取国内知识管理领域发表于1998-2011年的CSSCI数据,利用Cox比例风险模型构建生存分析模型,研究各SNA算法对该领域知识扩散演化机制的解释程度。研究发现占据"结构洞"位置和度数中心度高的权威个体在知识管理领域知识扩散中发挥最为重要的作用;该领域主要通过团队成员间的平行复制和不同团队间的知识多样化融合来实现知识的扩散与创新。 相似文献
19.
【目的/意义】引用动机不同会导致一篇论文在多次被引用时的引用主题和重点产生差异，识别这些被引主题并分析其变化，有助于引用动机分析，提高文献推荐效果。【方法/过程】本文首先抽取被引文献的上下文语境信息，根据文本长度界定多种引用内容的划分范围；然后结合多种文本聚类方法，识别被引主题并比较其异同；最后通过时序比较，分析被引主题的演化路径和过程。【结果/结论】选取人工智能研究领域中的代表性高被引论文进行分析，发现前后句是对当前引用句的重要补充，引用句及其前后句组合能够更好地揭示被引主题；基于引用内容的被引主题呈现出多样化的特征，揭示了原文内容的扩展和引用动机的差异；被引主题演化分析能够有效地揭示原文内容被应用或改进的方向、主题、方法和技术。【创新/局限】形成基于引用内容聚类的文献被引主题识别及其演化分析框架，证明被引主题的差异化以及对原文的补充作用，同时揭示引用内容的主题时序变化的特征与现实意义，后续有必要扩大研究样本，使得研究结果具有更好的通用性。 相似文献