基于學(xué)術(shù)關(guān)鍵詞與共被引的學(xué)者推薦研究

熊回香，李曉敏，杜 瑾

（華中師范大學(xué)信息管理學(xué)院，武漢 430079）

1 引 言

近年來，大數(shù)據(jù)時代已經(jīng)滲透到學(xué)術(shù)界，使得學(xué)術(shù)界產(chǎn)生了大量的學(xué)術(shù)數(shù)據(jù)[1]。學(xué)術(shù)數(shù)據(jù)如學(xué)術(shù)論文、學(xué)位論文、會議論文、基金項目、專利以及學(xué)者信息等，均成為相關(guān)研究如學(xué)術(shù)合作[2]、學(xué)者推薦[3]、論文推薦[4]等重要數(shù)據(jù)來源。學(xué)術(shù)數(shù)據(jù)的實體主要是學(xué)者和論文，學(xué)者數(shù)據(jù)有學(xué)者的基本屬性，如所屬機構(gòu)、聯(lián)系方式、研究方向等；論文數(shù)據(jù)有關(guān)鍵詞、摘要、題名、全文等文獻元數(shù)據(jù)以及論文反映出的合作、引用關(guān)系等，通過對這些學(xué)術(shù)數(shù)據(jù)進行分析挖掘展開學(xué)術(shù)研究。而且學(xué)術(shù)數(shù)據(jù)也為科研用戶查詢和了解自己感興趣的學(xué)者提供了便利。然而，隨著科研用戶和科研成果數(shù)量的增加，不可避免地出現(xiàn)了學(xué)術(shù)數(shù)據(jù)信息過載的現(xiàn)象，這無疑增加了科研用戶的負擔(dān)，而科研用戶由于諸多條件（如時間、空間等）的限制，難以在有限的條件下方便、快捷地找到與自己興趣相同的科研用戶，以便從中獲取感興趣的資源或?qū)で鬂撛诤献髡摺Ｒ虼?，對挖掘?qū)W者需求、為學(xué)者推薦研究領(lǐng)域相似的學(xué)者的研究越來越成受到情報學(xué)領(lǐng)域的關(guān)注。

2 相關(guān)研究工作概述

目前，關(guān)于學(xué)者推薦的研究，主要集中在基于研究內(nèi)容的推薦和基于關(guān)系網(wǎng)絡(luò)的推薦。在基于研究內(nèi)容的推薦中，主要是運用LDA（latent Dirichlet allocation）主題模型以及其改進模型、向量模型、概率模型等對學(xué)者的學(xué)術(shù)文本進行挖掘，找到研究內(nèi)容相似的學(xué)者。文獻[5]對作者-關(guān)鍵詞耦合網(wǎng)絡(luò)進行社區(qū)劃分，在同一個社區(qū)內(nèi)，利用LDA模型計算作者相似度，完成科研合作推薦；文獻[6]利用在LDA模型基礎(chǔ)上改進的AT（author-topic model）模型分析專家知識結(jié)構(gòu)，并與學(xué)術(shù)影響力結(jié)合，實現(xiàn)專家推薦；文獻[7]提出了LDA模型改進后的跨領(lǐng)域主題學(xué)習(xí)模型CTL（cross-domain topic learning）實現(xiàn)學(xué)者推薦；文獻[8]對作者論文進行稀疏分布式表征，根據(jù)相似性排序進行推薦；文獻[9]借助概率模型實現(xiàn)專家推薦，并且在實驗數(shù)據(jù)集上進行了有效性驗證。在基于關(guān)系網(wǎng)絡(luò)的推薦中，包括基于合著網(wǎng)絡(luò)、引文網(wǎng)絡(luò)、關(guān)鍵詞網(wǎng)絡(luò)或者多種網(wǎng)絡(luò)結(jié)合的推薦。文獻[10]利用網(wǎng)絡(luò)表示學(xué)習(xí)在合著網(wǎng)絡(luò)中對研究者進行向量表示，計算相似度從而實現(xiàn)推薦；文獻[11]針對大規(guī)模的科研合作網(wǎng)絡(luò)，提出了一種融合節(jié)點位置信息和網(wǎng)絡(luò)結(jié)構(gòu)信息的科研合作推薦模型；文獻[12]利用論文間的引用與被引用關(guān)系構(gòu)建學(xué)者推薦模型；文獻[13]構(gòu)建共引網(wǎng)絡(luò)，基于共引頻次越高的作者研究內(nèi)容越相似的思想生成推薦；文獻[14-15]利用作者與關(guān)鍵詞之間的共現(xiàn)關(guān)系計算作者的相似度，生成學(xué)者推薦；文獻[16]構(gòu)建了作者-關(guān)鍵詞二分網(wǎng)絡(luò)上，基于路徑組合的合著關(guān)系預(yù)測；文獻[17]利用表示學(xué)習(xí)和歐幾里得距離對多種共現(xiàn)網(wǎng)絡(luò)進行向量表示和關(guān)聯(lián)強度計算，挖掘潛在合作對象。目前，相關(guān)研究在利用關(guān)鍵詞進行學(xué)者推薦時，主要利用關(guān)鍵詞的關(guān)系網(wǎng)絡(luò)進行推薦，單純使用絕對共現(xiàn)關(guān)系，未考慮關(guān)鍵詞之間的語義關(guān)聯(lián)，會導(dǎo)致使用不同關(guān)鍵詞但研究內(nèi)容相似的學(xué)者計算出的相似度較低，推薦結(jié)果不夠準確。在利用共被引或者共引關(guān)系計算學(xué)者相似度推薦學(xué)者時，未考慮引用或被引用的相對位置，單純地使用頻次表示引用強度，會弱化研究方向極其相似的學(xué)者間的相似度，提升研究方向相關(guān)性較弱的學(xué)者間的相似度。因此，本文在利用關(guān)鍵詞進行學(xué)者推薦時，考慮了關(guān)鍵詞之間的語義關(guān)聯(lián)，并將被引量和署名次序兩個計量指標引入學(xué)者特征詞的篩選中，將共被引關(guān)系按照共被引的相對位置劃分不同的層次。兩種方式計算的相似度進行整合，實現(xiàn)學(xué)者推薦。

3 基于學(xué)術(shù)關(guān)鍵詞和共被引的學(xué)者推薦模型架構(gòu)

3.1 學(xué)者推薦模型總架構(gòu)

本文構(gòu)建的推薦模型包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、基于學(xué)者特征詞的相似度計算、基于學(xué)者共被引關(guān)系的相似度計算和學(xué)者推薦共五個部分。具體的模型框架如圖1所示。

圖1 學(xué)者推薦模型框架

本文構(gòu)建的推薦模型核心是學(xué)者相似度的計算，學(xué)者相似度計算包括兩部分，分別是基于學(xué)者特征詞的相似度計算和基于學(xué)者共被引關(guān)系的相似度計算。在基于學(xué)者特征詞的推薦中，學(xué)者特征詞是通過對學(xué)者關(guān)鍵詞篩選得到的，將被引量和署名次序這兩個計量指標與TF-IDF（term frequency-in‐verse document frequency）算法結(jié)合，對學(xué)者關(guān)鍵詞進行篩選，選擇權(quán)重值靠前的關(guān)鍵詞作為學(xué)者特征詞；利用word2vec詞向量模型將特征詞向量化形成特征詞向量；再利用余弦相似度計算學(xué)者間基于特征詞的相似度，形成學(xué)者間相似度集合A。在基于共被引關(guān)系的推薦中，考慮學(xué)者共被引的相對位置關(guān)系，將共被引分為四個層次，不同層次賦予不同的權(quán)重，構(gòu)建學(xué)者共被引矩陣；再計算學(xué)者間Spearman相關(guān)系數(shù)作為學(xué)者基于共被引關(guān)系的相似度，形成學(xué)者間相似度集合B。將學(xué)者相似度集合A與學(xué)者相似度集合B按照一定的權(quán)重整合，形成組合相似度，最后選擇組合相似度靠前的n位學(xué)者實現(xiàn)學(xué)者推薦。

3.2 基于學(xué)者學(xué)術(shù)成果的相似度計算

學(xué)者發(fā)表的論文最能反映其研究興趣和專長，而學(xué)術(shù)論文的關(guān)鍵詞是對論文內(nèi)容的高度概括，因此，學(xué)者的研究興趣可通過其發(fā)表論文的關(guān)鍵詞集合進行表征。在利用關(guān)鍵詞進行學(xué)者興趣表征時，需要對關(guān)鍵詞進行篩選，選擇權(quán)重較大的關(guān)鍵詞。本文在計算關(guān)鍵詞權(quán)重時，首先，將被引量與署名次序這兩個計量特征以及TF-IDF算法識別的內(nèi)容特征結(jié)合進行權(quán)重計算，得到學(xué)者特征詞；其次，利用word2vec模型向量化表示；最后，利用余弦相似度計算學(xué)者特征向量的相似度，生成相似度集合A。

3.2.1 學(xué)者特征詞選擇

1）基于計量指標的關(guān)鍵詞權(quán)重計算

論文被引量和署名次序通常被用來評估學(xué)者的影響力，被引量反映的是學(xué)者學(xué)術(shù)成果的質(zhì)量以及被同行認可的程度；署名次序反映的是作者對論文的貢獻程度，一般認為作者排名越靠前，貢獻度就越大。論文關(guān)鍵詞側(cè)重于對論文內(nèi)容的高度凝練，在利用關(guān)鍵詞對學(xué)者進行表征時，融入被引量和署名次序兩個計量指標。某篇論文被引量越大，作者在該篇論文反映的研究方向上越有影響力。融入被引量能夠更好地識別學(xué)者擅長的特征詞。署名次序能夠削弱位置靠后的作者對論文的貢獻度。同樣地，融入署名次序減弱了“掛名現(xiàn)象”給學(xué)者特征詞識別帶來的影響，能夠更準確地識別學(xué)者特征詞。計算方式為

其中，i表示學(xué)者的論文序號；Wtij表示第i篇論文的第j個關(guān)鍵詞計量權(quán)重；n表示學(xué)者的發(fā)文量；fi表示第i篇論文的被引量；ki表示學(xué)者在第i篇論文的署名次序。計算得到每篇論文的每個關(guān)鍵詞權(quán)重之后，可能會出現(xiàn)同一關(guān)鍵詞出現(xiàn)在同一學(xué)者的不同論文中的情況，此時，將相同關(guān)鍵詞權(quán)值進行累加求和，得到各個關(guān)鍵詞的計量權(quán)值。

2）基于內(nèi)容的學(xué)者特征詞

TF-IDF算法是一種較為常見的權(quán)值計算方法，從學(xué)者關(guān)鍵詞集合的內(nèi)容特征上識別學(xué)者特征詞。TF表示詞頻，IDF表示逆文檔頻率，TF-IDF用來計算學(xué)者關(guān)鍵詞集合中某個關(guān)鍵詞的權(quán)值。計算方法為

其中，i表示學(xué)者關(guān)鍵詞序號；Wt i表示關(guān)鍵詞ti內(nèi)容權(quán)重；tf(ti,d)表示關(guān)鍵詞ti在學(xué)者關(guān)鍵詞集合d中出現(xiàn)的頻次；|D|表示學(xué)者論文數(shù)；df(ti)表示學(xué)者論文數(shù)中包含關(guān)鍵詞ti的論文數(shù)。

3）學(xué)者特征詞篩選

將基于計量指標計算得到的關(guān)鍵詞權(quán)重和利用TF-IDF算法計算得到的關(guān)鍵詞權(quán)重按照

進行整合，得到最終的關(guān)鍵詞權(quán)重。將關(guān)鍵詞按照整合后的權(quán)重值進行排序，取排名靠前的20個關(guān)鍵詞作為學(xué)者特征詞。

3.2.2 學(xué)者特征詞表征及相似度計算

在得到學(xué)者特征詞之后，需要將特征詞轉(zhuǎn)換成向量。傳統(tǒng)的獨熱表示（one-hot representation）僅僅將詞符號化，不包含任何語義信息，構(gòu)建的詞向量矩陣比較稀疏；而基于神經(jīng)網(wǎng)絡(luò)的分布式表示可以根據(jù)上下文與目標詞之間的關(guān)系進行建模，具有代表性的是word2vec模型[18]。word2vec通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練語言模型，將每個詞映射為低維度的實數(shù)向量。word2vec模型包括skip-gram模型和CBOW（contin‐uous bag-of-words model）模型。skip-gram根據(jù)目標詞推斷上下文，適合處理較大規(guī)模的語料；而CBOW則與之相反，已知上下文預(yù)測當前詞，適合處理較小規(guī)模的語料。由于本文語料規(guī)模較小，因此，選擇CBOW模型進行訓(xùn)練。模型訓(xùn)練好之后，將學(xué)者特征詞轉(zhuǎn)換成詞向量，對詞向量相加取平均，即可得到學(xué)者的特征向量。在得到學(xué)者特征向量之后，利用余弦相似度公式計算學(xué)者間的相似度，得到學(xué)者間基于特征詞的相似度，形成相似度集合A。

3.3 基于學(xué)者共被引關(guān)系的相似度計算

當兩位作者的學(xué)術(shù)論文同時被同一篇論文引用時，稱這兩位作者間存在共被引關(guān)系。能夠形成共被引關(guān)系，說明兩位作者在某個研究主題的概念、理論和方法上是相關(guān)的。因此，通過挖掘作者間的共被引關(guān)系，能夠幫助作者找到研究方向相似的作者，從而形成學(xué)者相似度集合B。

共被引研究的是兩位學(xué)者共同被引用的情況。傳統(tǒng)的學(xué)者共被引分析構(gòu)建的學(xué)者共被引矩陣是0-1矩陣，即如果兩位學(xué)者同時被一篇文獻引用，那么共被引矩陣中填寫1；反之，則為0。傳統(tǒng)的學(xué)者共被引分析未考慮共被引的相對位置距離。本文借鑒文獻[19]提出的基于位置的共被引分析，將共被引的位置分為句子層、段落層、章節(jié)層和文章層四個層次，依次賦值為4、3、2、1。若同一作者的同一篇文獻在同一篇文章中多次出現(xiàn)，則取相對位置最近的賦值；若同一作者的多篇文獻在同一文章中出現(xiàn)，則仍取相對位置最近的賦值；若兩位及兩位以上作者的多篇文獻在同一文章中出現(xiàn)，則仍取相對位置最近的賦值。三種情況下各自的權(quán)值均不進行累加。得到學(xué)者共被引矩陣之后，利用Python代碼計算學(xué)者間的Spearman相關(guān)系數(shù)。

3.4 相似度整合

上文中得到學(xué)者間基于特征詞的相似度集合A和基于共被引關(guān)系的相似度集合B，將兩種相似度以一定的比重相加，得到最終的學(xué)者相似度，選擇最終相似度靠前的15位學(xué)者進行推薦。整合方式為

其中，Sim表示整合后的相似度；Simitem表示基于特征詞的相似度；Simcit表示基于共被引關(guān)系的相似度。

4 基于學(xué)術(shù)關(guān)鍵詞和共被引的學(xué)者推薦實證研究

4.1 數(shù)據(jù)收集

由于本文需要用到的數(shù)據(jù)包括論文篇名、作者、機構(gòu)、關(guān)鍵詞、摘要以及參考文獻，因此，以CSSCI（Chinese Social Sciences Citation Index，中文社會科學(xué)索引）數(shù)據(jù)庫和CNKI（China National Knowledge Infrastructure，中國知網(wǎng)）為數(shù)據(jù)源進行數(shù)據(jù)收集。對比CSSCI來源期刊目錄（2014—2016）、（2017—2018）及（2019—2020）可知，情報學(xué)領(lǐng)域中的《現(xiàn)代情報》和《信息資源管理學(xué)報》在CSSCI來源期刊目錄（2014—2016）中均不是核心期刊，而本文期刊數(shù)據(jù)來源的時間周期為2014—2018年，《現(xiàn)代情報》和《信息資源管理學(xué)報》從CSSCI數(shù)據(jù)庫中導(dǎo)出的數(shù)據(jù)不完整，因此，從CSSCI來源期刊目錄（2019—2020）情報學(xué)領(lǐng)域12種核心期刊中，除去《現(xiàn)代情報》和《信息資源管理學(xué)報》，選取其余10種核心期刊《中國圖書館學(xué)報》《情報學(xué)報》《圖書情報工作》《數(shù)據(jù)分析與知識發(fā)現(xiàn)》（2016年改名）、《情報理論與實踐》《情報資料工作》《情報科學(xué)》《情報雜志》《圖書與情報》和《圖書情報知識》在2014—2018年5年間刊載的論文，CSSCI數(shù)據(jù)庫自動導(dǎo)出論文篇名、作者、機構(gòu)、關(guān)鍵詞以及參考文獻，CNKI自動導(dǎo)出論文的摘要。

4.2 數(shù)據(jù)預(yù)處理

從上述數(shù)據(jù)庫導(dǎo)出的數(shù)據(jù)會包含一些沒有參考文獻的文章，如專題引言、專題序、卷首語等，故將其進行刪除。對導(dǎo)出的其余數(shù)據(jù)需要進行如下處理：首先，對導(dǎo)出的摘要利用Python中jieba分詞包進行分詞，分詞過程中，加入哈工大停用詞表，過濾掉無實際意義的詞，且為保證能夠正確切分，將涉及的專有名詞加入用戶自定義詞典；其次，對導(dǎo)出的關(guān)鍵詞進行規(guī)范化處理，包括錯別字糾正、中英文及大小寫轉(zhuǎn)換、同義異形詞統(tǒng)一形式，如《知網(wǎng)》轉(zhuǎn)換為Hownet，folksonomy轉(zhuǎn)換為Folksonomy，主成分分析方法、主成分分析法統(tǒng)一為主成分分析。再次，對同名作者進行消歧。主要工作是針對同名不同機構(gòu)的作者，根據(jù)作者簡介中的ORCID、E-mail、出生日期、研究方向等信息來判斷是否為同一人；最后，將5年間發(fā)表論文數(shù)大于等于15篇的作者確定為核心作者，共確定169名核心作者，對169名核心作者需要獲取的數(shù)據(jù)有發(fā)表論文數(shù)量、篇名、署名次序、被引量，被引量需要人工手動獲取。經(jīng)處理后得到的論文數(shù)據(jù)為：11046篇論文及其關(guān)鍵詞、摘要、參考文獻，具體如表1～表3所示。

表1 核心作者及其論文

表3 論文及其參考文獻

4.3 基于學(xué)者學(xué)術(shù)成果的相似度計算

4.3.1 學(xué)者特征詞選擇

1）基于計量指標的關(guān)鍵詞權(quán)重計算

融入論文被引量和作者署名次序兩個計量指標對學(xué)者關(guān)鍵詞計算權(quán)重，利用公式(1)進行計算，得到核心作者基于計量指標的關(guān)鍵詞權(quán)重。

2）基于內(nèi)容的關(guān)鍵詞權(quán)重計算

TF-IDF算法從內(nèi)容上對學(xué)者關(guān)鍵詞進行權(quán)值計算，利用公式(2)進行計算得到核心作者基于內(nèi)容的關(guān)鍵詞權(quán)重。

3）學(xué)者特征詞篩選

將利用公式(1)和公式(2)分別計算得到的關(guān)鍵詞權(quán)重，按照公式(3)進行整合，得到最終的關(guān)鍵詞權(quán)重。

將每位學(xué)者的關(guān)鍵詞按照整合后的權(quán)重值進行排序，取排名靠前的20個關(guān)鍵詞作為學(xué)者特征詞，如表4所示。

4.3.2 學(xué)者特征詞向量表示

以表2中得到的經(jīng)過規(guī)范化處理的關(guān)鍵詞和分詞后的摘要作為語料，詞向量維數(shù)size設(shè)為100，window設(shè)為5，最低頻率min_count設(shè)為1，進行模型訓(xùn)練。模型訓(xùn)練好之后，將表4中的學(xué)者特征詞轉(zhuǎn)換成詞向量，對詞向量相加取平均，則得到學(xué)者的特征向量。

表2 論文及其關(guān)鍵詞、摘要

表4 學(xué)者特征詞

利用余弦相似度公式計算學(xué)者間的相似度,得到學(xué)者間基于特征詞的相似度，形成相似度集合A，如表5所示。

表5 學(xué)者間特征詞相似度

4.4 基于學(xué)者共被引關(guān)系的相似度計算

基于第2.3節(jié)中的計算方法，首先構(gòu)建學(xué)者共被引矩陣，然后計算學(xué)者間的Spearman相關(guān)系數(shù)作為學(xué)者間共被引相似度，如表6所示。

表6 學(xué)者間共被引相似度

4.5 相似度整合

為確定公式(4)中α和β的值，α取值范圍設(shè)為0～1，β取值范圍設(shè)為1～0。α=0、β=1表示的是僅基于學(xué)者共被引關(guān)系的推薦；α=1、β=0表示僅基于學(xué)者特征詞的推薦。在推薦總數(shù)為15的前提下，設(shè)置精確率、召回率和F值，對不同取值的結(jié)果進行評價，確定α和β的最佳值。在本文研究的數(shù)據(jù)范圍內(nèi)，有42位核心作者的合作者不在本文所確定的169位核心作者中，因此，在計算精確率、召回率和F值時，僅用剩余127位核心作者對本文的推薦模型進行評價。精確率（precision，P）計算方式為：首先，在推薦的15位學(xué)者中，是否返回學(xué)者曾經(jīng)合作過的學(xué)者，若返回，則為1；反之，則為0。其次，把返回值為1的學(xué)者個數(shù)占總學(xué)者個數(shù)的比值作為精確率。召回率（recall，R）的計算方式為：在推薦的15位學(xué)者中，學(xué)者曾經(jīng)合作過的學(xué)者數(shù)量與學(xué)者全部合作過的學(xué)者數(shù)量的比值作為召回率，將每位學(xué)者的召回率求和取平均作為某個α和β取值下的召回率。不同α和β的精確率、召回率和F值如表7所示。

表7 不同α和β取值下的精確率、召回率和F值

由表7可知，當α=0.9、β=0.1時，精確率、召回率和F值均是最高，推薦效果最佳。因此，本文確定α值為0.9，β值為0.1。

5 模型比較與評價

5.1 基于學(xué)者關(guān)鍵詞的相似度計算比較

在基于學(xué)者特征詞計算相似度時，本文利用被引量、署名次序兩個計量指標與TF-IDF進行特征詞篩選，再利用word2vec得到特征詞向量進行學(xué)者間相似度計算。為了驗證該算法的優(yōu)勢，將本文所提算法與基于TF-IDF算法計算的學(xué)者相似度結(jié)果進行對比。利用TF-IDF算法計算學(xué)者相似度，選擇相似度靠前的15位學(xué)者，和本文所提算法的計算結(jié)果進行對比。在不同算法生成的結(jié)果中，若目標學(xué)者曾經(jīng)合作過的學(xué)者數(shù)目占比過高，則說明模型的有用性較低。因此，設(shè)置指標C進行對比評價。C的計算方法為

其中，C表示不同計算方法下的已合作學(xué)者平均占比；N表示核心作者數(shù)；ni'表示第i位學(xué)者曾經(jīng)合作過的學(xué)者總數(shù)；ni表示相似度靠前的15位學(xué)者中第i位學(xué)者曾經(jīng)合作過的學(xué)者數(shù)。

利用公式(5)計算可得，基于本文所提算法計算出的指標C的值為54.10%；只基于TF-IDF算法計算出的指標C的值為91.67%。后者曾經(jīng)合作過的學(xué)者占比過高，不利于為目標學(xué)者尋找潛在的學(xué)者。單獨基于TF-IDF計算學(xué)者間相似度時，曾經(jīng)合作過的學(xué)者的占比變高，這是因為共同合作過的論文的關(guān)鍵詞沒有根據(jù)署名次序和被引量分配不同的權(quán)重，論文的關(guān)鍵詞對每位作者都是等同的，從而造成由于合作而導(dǎo)致合作過的學(xué)者的相似度排名靠前的現(xiàn)象。因此，融入被引量和署名次序可以較為準確地表征學(xué)者的研究方向以及削弱合作帶來的影響，幫助目標學(xué)者找到更多研究方向相同或相似的學(xué)者，更好地開展科學(xué)研究。

5.2 模型有用性評價

分別統(tǒng)計為每位學(xué)者推薦的15位學(xué)者中已產(chǎn)生合作的學(xué)者的比例和未產(chǎn)生合作的學(xué)者的比例，最后計算平均比例以評價模型的有用性。計算結(jié)果如表8所示。

表8 已合作和未合作比例

根據(jù)表8計算可得，為目標學(xué)者推薦的學(xué)者中，已合作的平均比例為8.98%，未合作的平均比例為91.02%。已合作的學(xué)者所占比例遠遠低于未合作學(xué)者比例，這說明本文所提出模型有用性較高。

以學(xué)者趙蓉英為例，在α=0.9、β=0.1的條件下，本文提出的推薦模型為學(xué)者趙蓉英推薦的15位學(xué)者如表9所示。

表9 學(xué)者推薦結(jié)果

從表9中可以看出，在為學(xué)者趙蓉英推薦的15位學(xué)者中，已產(chǎn)生合作的共有3位，占比20%；其余未產(chǎn)生合作的共有12位，占比80%。這說明本文所提出的推薦模型可以實現(xiàn)為學(xué)者推薦未合作過，且研究方向相似的學(xué)者的目標。除去推薦結(jié)果中與目標學(xué)者趙蓉英已合作的3位學(xué)者，在其余的12位學(xué)者中，學(xué)者譚宗穎的研究方向涉及文獻計量、影響力評價、共現(xiàn)分析、科研合作等；學(xué)者張志強的研究方向涉及科技評價、文獻計量、學(xué)術(shù)影響力等；學(xué)者魏瑞斌的研究方向涉及共詞分析、文獻計量、共被引分析、知識圖譜等；學(xué)者余厚強的研究方向涉及替代計量學(xué)、引文分析、科學(xué)交流等；學(xué)者劉志輝的研究方向涉及文獻計量、科學(xué)計量、競爭情報、知識圖譜等。這表明推薦模型所推薦的學(xué)者均在計量學(xué)、共詞分析、引文分析、可視化、知識圖譜、學(xué)術(shù)評價等方向發(fā)表過高質(zhì)量的論文，與目標學(xué)者趙蓉英的研究方向相同或相似，目標學(xué)者可以從推薦學(xué)者的研究方向中得到啟發(fā)，方便、快捷地找到與自己研究方向相近的研究主題，與自身現(xiàn)有的學(xué)科背景知識結(jié)合，產(chǎn)生新的科研思路，順利開展科學(xué)研究。

6 結(jié) 語

本文提出了一種融合學(xué)者研究內(nèi)容和關(guān)系網(wǎng)絡(luò)的學(xué)者推薦模型，研究內(nèi)容是指將被引量和署名次序與TF-IDF算法結(jié)合對學(xué)者發(fā)表文獻的關(guān)鍵詞進行篩選，再進行向量化表示，并計算相似度；關(guān)系網(wǎng)絡(luò)是指學(xué)者間基于相對位置的共被引關(guān)系，以此構(gòu)建學(xué)者共被引矩陣，并計算相似度。將兩種相似度以一定的權(quán)重融合，實現(xiàn)學(xué)者推薦。利用精確率、召回率和F值確定融合權(quán)重，以及對比單獨基于學(xué)者特征詞的推薦和單獨基于共被引關(guān)系的推薦。研究結(jié)果表明，本文提出的融合模型效果較好，可以實現(xiàn)為學(xué)者推薦研究興趣相似的學(xué)者，幫助學(xué)者更好、更快地找到同方向的學(xué)者，促進學(xué)術(shù)溝通和成果發(fā)表，提供科研幫助。本文的不足之處在于未進行全文本分析，對關(guān)鍵詞的處理僅停留在統(tǒng)計特征，且關(guān)系網(wǎng)絡(luò)僅用到共被引網(wǎng)絡(luò)，其余合著網(wǎng)絡(luò)或異質(zhì)網(wǎng)絡(luò)均未涉及，未來將考慮運用全文本深層次挖掘關(guān)鍵詞之間的關(guān)系，對本方法進行改進，達到更佳的效果。