基于特征分析的潜力学者挖掘
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 研究背景 | 第6-8页 |
| 1.1.1 学术大数据的兴起 | 第6-7页 |
| 1.1.2 学者影响力的研究 | 第7-8页 |
| 1.2 挖掘潜力学者的研究意义 | 第8-10页 |
| 1.3 本文研究工作 | 第10-12页 |
| 1.3.1 本文研究主要内容 | 第10-11页 |
| 1.3.2 本文主要工作 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 2 潜力学者挖掘工作的相关研究及其发展 | 第13-30页 |
| 2.1 学术大数据的发展 | 第13-18页 |
| 2.1.1 学术大数据的获取 | 第14-15页 |
| 2.1.2 学术大数据的处理与应用 | 第15-18页 |
| 2.2 学者影响力评估的相关研究及方法 | 第18-26页 |
| 2.2.1 基于论文被引次数的学者影响力评估方法 | 第18-20页 |
| 2.2.2 学者影响因子评估方法 | 第20-21页 |
| 2.2.3 基于网络结构的学者影响力评估方法 | 第21-26页 |
| 2.3 潜力学者挖掘工作的相关研究 | 第26-28页 |
| 2.3.1 PubRank | 第26-27页 |
| 2.3.2 StarRank | 第27页 |
| 2.3.3 基于分类思想的挖掘方法 | 第27-28页 |
| 2.3.4 ScholarRank | 第28页 |
| 2.4 常用机器学习算法 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 潜力学者挖掘模型 | 第30-43页 |
| 3.1 问题描述与抽象 | 第30-32页 |
| 3.1.1 学术网络的抽象 | 第30-31页 |
| 3.1.2 问题描述 | 第31-32页 |
| 3.2 模型研究时间窗的选取 | 第32-33页 |
| 3.3 学者影响力指标的分析 | 第33-36页 |
| 3.3.1 基于学者的学者影响力指标 | 第33-34页 |
| 3.3.2 基于论文的学者影响力指标 | 第34-35页 |
| 3.3.3 基于期刊的学者影响力指标 | 第35-36页 |
| 3.3.4 基于网络结构的学者影响力指标 | 第36页 |
| 3.4 潜力学者挖掘模型 | 第36-41页 |
| 3.4.1 特征值选取 | 第36-39页 |
| 3.4.2 潜力学者挖掘模型 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 实验结果与分析 | 第43-55页 |
| 4.1 实验数据集简介 | 第43-46页 |
| 4.1.1 APS数据集简介 | 第43-44页 |
| 4.1.2 DBLP数据集简介 | 第44-46页 |
| 4.2 实验相关评价指标 | 第46-48页 |
| 4.2.1 分类器评价指标 | 第46-48页 |
| 4.2.2 最终模型评价标准 | 第48页 |
| 4.3 APS数据集相关实验结果与分析 | 第48-51页 |
| 4.3.1 APS数据集分类器选取 | 第48-50页 |
| 4.3.2 学者潜力值排名及算法对比 | 第50-51页 |
| 4.4 DBLP数据集相关实验结果与分析 | 第51-54页 |
| 4.4.1 DBLP数据集分类器选取 | 第51-53页 |
| 4.4.2 学者潜力值排名及算法对比 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
