为了学术成果在不同论文作者和研究团队之间便捷交流和精准推送,需建立合理有效的学术社交网络(aca‐demic social networking,ASN),本文针对目前中文学术数据库平台尚未建立成熟的、基于文献引用的作者社交网络进行社区交互问题,以CNKI(China National Knowledge Infrastructure)数据源,某大学软件工程及信息安全学科领域的教授A及有合著或引用关系的122位作者在2014-2020年的文献数据为研究对象,构建学术作者引用网络。结合学术社交的特点,对作者、论文及引用数据进行挖掘,提出合著作者(co-author)、学科主题(subject topic)、基于学科敏感度的文献引用(sensitivity-citation)和图谱社交网络(social graph)4个维度的亲密度计算方法,加权得到网络中作者间的综合亲密度值。本文通过综合亲密度值建立作者关系图谱,得到作者在网络中的亲密度水平(author_de‐gree),用亲密度水平值与发文数量相乘得到作者的网络水平(author_weight),找出图谱中相同研究水平的作者及研究团队,为学术社交网络数据推送打好基础。
针对推荐算法的信息过期问题,结合遗忘函数和信息保持期的改进时间权重引入矩阵分解模型,提出一种基于改进时间权重的矩阵分解协同过滤算法(MFTWCF,MF-based and improved time weighted collabora tive filtering),相比前人提出的基于改进时间权重的邻域协同过滤算法(NTWCF,neighborhood-based and improved time weighted collaboratire filering algorithm),准确性显著提升了26.58%。由于过去的信息所包含的特征在随后的时间里可能被用户持续关注,从而增强过期信息对推荐的影响力,所以提出了融合时间权重和类型影响力加强权重的改进算法(MFTTWCF,MF-bosed and imporved time and type weighteel collaborative filtering)修正上述时间权重。电影数据集的实验证明,MFTTWCF算法预测的准确性比MFTWCF算法提高了3.58%,能够取得更好的推荐效果,适用于通过预测评分进行推荐的系统。
