| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究现状 | 第12-14页 |
| 1.4 本文研究工作 | 第14-16页 |
| 1.5 本文章节安排 | 第16-18页 |
| 第二章 相关研究及概念 | 第18-35页 |
| 2.1 学术大数据 | 第18-21页 |
| 2.1.1 引言 | 第18-19页 |
| 2.1.2 多源异构性 | 第19-20页 |
| 2.1.3 画像数据整合 | 第20-21页 |
| 2.2 学者用户画像 | 第21-22页 |
| 2.2.1 画像定义 | 第21-22页 |
| 2.2.2 本文模型定义 | 第22页 |
| 2.3 学术网络模型 | 第22-27页 |
| 2.3.1 相关术语 | 第22-23页 |
| 2.3.2 学术网络类型 | 第23-25页 |
| 2.3.3 异构学术网络分析 | 第25-27页 |
| 2.4 学术文本语义挖掘 | 第27-30页 |
| 2.4.1 词向量 | 第28-29页 |
| 2.4.2 LDA主题模型 | 第29-30页 |
| 2.5 序列标注模型 | 第30-32页 |
| 2.5.1 引言 | 第30页 |
| 2.5.2 循环神经网络 | 第30-32页 |
| 2.5.3 基于循环神经网络的序列标注模型 | 第32页 |
| 2.6 学者学术影响力评估方法 | 第32-34页 |
| 2.6.1 基于被引频数的评估方法 | 第32-33页 |
| 2.6.2 基于网络连接结构的评估方法 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 学者用户画像信息抽取 | 第35-50页 |
| 3.1 本章概述 | 第35-36页 |
| 3.2 主页判别模型 | 第36-37页 |
| 3.3 学者信息抽取模型 | 第37-44页 |
| 3.3.1 基于Bi-LSTM-CRF的学者信息抽取模型(PAE-NN) | 第38-43页 |
| 3.3.2 基于启发式规则的信息抽取 | 第43-44页 |
| 3.4 模型构建与评估 | 第44-49页 |
| 3.4.1 数据集与实验环境 | 第44-46页 |
| 3.4.2 主页判别模型评估 | 第46页 |
| 3.4.3 学者信息抽取模型评估 | 第46-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 学者兴趣标签发现模型 | 第50-60页 |
| 4.1 本章概述 | 第50页 |
| 4.2 基于LDA主题模型的特征挖掘 | 第50-54页 |
| 4.3 基于网络表征学习的特征挖掘 | 第54-55页 |
| 4.4 模型构建与评估 | 第55-59页 |
| 4.4.1 实验准备 | 第55-56页 |
| 4.4.2 模型构建 | 第56-58页 |
| 4.4.3 实验评估与分析 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 学者未来学术影响力预测模型 | 第60-69页 |
| 5.1 本章概述 | 第60页 |
| 5.2 基于网络随机游走的学者影响力评估方法 | 第60-64页 |
| 5.3 模型构建与评估 | 第64-68页 |
| 5.3.1 实验准备 | 第64-65页 |
| 5.3.2 模型构建 | 第65-66页 |
| 5.3.3 实验评估与分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 学者用户画像原型系统 | 第69-82页 |
| 6.1 系统环境与部署 | 第69-72页 |
| 6.2 系统架构设计 | 第72-75页 |
| 6.3 数据库设计 | 第75-77页 |
| 6.4 详细设计 | 第77-78页 |
| 6.5 用户交互页面展示 | 第78-79页 |
| 6.6 系统管理和监控页面展示 | 第79-80页 |
| 6.7 本章小结 | 第80-82页 |
| 第七章 总结与展望 | 第82-84页 |
| 7.1 本文总结 | 第82页 |
| 7.2 工作展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附录 | 第92页 |