作者-关键词二分网络中的合著关系预测研究
来源：图书情报工作杂志2016年第21期北京时间：
作者：张金柱,韩涛,王小梅
单位：1. 南京理工大学经济管理学院信息管理系 南京 210094;<br />\r\n2. 中国科学院文献情报中心 北京 100190
摘要：[目的/意义] 明晰由关键词形成的主题内容类关联关系对合著关系预测的影响和作用，形成作者-关键词二分网络上的合著关系预测指标和方法，提高预测准确率和结果可解释性。[方法/过程] 首先，在作者-关键词二分网络上抽取多种路径表示作者间的关联关系，并结合关联强度的计算方式，共同形成多种合著关系预测指标；接着应用逻辑回归的机器学习方法学习不同指标对于合著关系预测的贡献，由此构建二分网络中基于路径组合的合著关系预测指标；最后基于链路预测方法对指标进行评测。[结果/结论] 在图书情报领域的实验证实，作者-关键词二分网络中路径组合指标的准确率最高，较4种单路径指标均有大幅度提高；多种路径均对合著关系预测产生影响，且路径“作者-关键词-作者”（AKA）的作用明显高于路径“作者-关键词-作者-关键词-关键词”（AKAKA）；同时，使作者产生关联的关键词能表示作者间的共同研究主题和兴趣，使得结果更易解释。下一步将引入更多路径到该模型中并在其他领域验证方法的通用性。
关键词：作者-关键词二分网络,合著网络,合著关系预测,路径组合指标,图书情报,
基金资助：<p>本文系国家自然科学基金青年基金“基于被引科学知识突变的突破性创新动态识别及其形成机理研究”（项目编号：71503125）和教育部人文社会科学研究青年基金“异构知识网络中主题突变动态识别研究”（项目编号：14YJC870025）研究成果之一。</p>
