检索结果

Select

1. 学术社交网络中的权威学者推荐模型

李春英, 汤庸, 肖政宏, 李天送

计算机应用 2020, 40 (9): 2594-2599. DOI: 10.11772/j.issn.1001-9081.2020010110

摘要（386）

PDF （971KB）（481）

目前，学术社交网络平台存在的信息过载和信息不对称等问题导致学者特别是影响力低的学者很难找到自己感兴趣的内容，同时，学术社交网络中影响力大的学者对学术社区的形成具有一定的促进作用并且对影响力低的学者的科学研究具有一定的导向作用，因此提出一种融合学术社区检测的权威学者推荐模型（ISRMACD）来为学术社交网络中的低影响力学者提供推荐服务。首先，利用影响力大的学者圈作为社区的核心结构对学术社交网络中学者间的关系纽带——好友关系所产生的复杂网络拓扑关系进行学术社区检测；然后，对社区内的学者计算影响力，并实现社区内部的权威学者推荐服务。在学者网数据集上的实验结果表明，该推荐模型在不同的权威学者推荐数量下均取得了较高的推荐质量，并且每次推荐10名权威学者取得的推荐精度最高，达到70%及以上。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于社区划分的学术论文推荐模型

黄泳航, 汤庸, 李春英, 汤志康, 刘继伟

计算机应用 2016, 36 (5): 1279-1283. DOI: 10.11772/j.issn.1001-9081.2016.05.1279

摘要（651）

PDF （1002KB）（611）

针对学术社交网络独有的社交性,构建了基于社区划分的学术论文推荐模型。模型选择社区复杂好友关系网络图中最大连通分量作为数据处理逻辑单元,在此基础上进行核心关系网划分,并采用非参数控制的方式,在所建立的核心关系网内建立标签,在学术社交网络中通过标签传播进行社区划分,根据社区划分结果在社区内部的用户之间推荐学术论文。该社区划分算法与经典社区划分算法在人工网络上进行仿真实验,结果表明该算法在不同特征的人工网络上皆能取得良好的社区发现质量。

参考文献 | 相关文章 | 多维度评价

Select

3. 面向大规模学术社交网络的社区发现模型

李春英, 汤庸, 汤志康, 黄泳航, 袁成哲, 赵剑冬

计算机应用 2015, 35 (9): 2565-2568. DOI: 10.11772/j.issn.1001-9081.2015.09.2565

摘要（587）

PDF （779KB）（413）

针对基于标签传播的复杂网络重叠社区发现算法中预先输入参数在真实网络中的局限性以及标签冗余等问题,提出一种基于标签传播的面向大规模学术社交网络的社区发现模型。该模型通过寻找网络中互不相交的最大极大团(UMC)并对每个UMC中的节点赋予唯一标签来减少冗余标签,提高社区发现的效率以及稳定性。标签更新时以UMC作为核心单位采用亲密度的方式由中心向四周更新UMC邻接节点的标签及权重,以权重最大值的方式更新网络中非UMC邻接节点的权重。后期处理阶段采用自适应阈值方式去除节点标签中的噪声,有效克服了预先输入重叠社区个数在真实网络中的局限性。通过在学术社交网络平台——学者网数据集上的实验表明,该模型能够将具有一定共性的节点划分到同一个社区中,并为学术社交网络平台进一步的好友推荐、论文分享等精确的个性化服务提供了支持。

参考文献 | 相关文章 | 多维度评价