基于合作模式的学者影响力预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外相关研究 | 第11-19页 |
| 1.2.1 学术影响力研究现状 | 第11-12页 |
| 1.2.2 学术合作网络分析 | 第12-13页 |
| 1.2.3 影响力预测简介 | 第13-15页 |
| 1.2.4 机器学习预测算法简介 | 第15-18页 |
| 1.2.5 深度学习研究现状 | 第18-19页 |
| 1.3 本文的研究内容和主要贡献 | 第19-20页 |
| 1.3.1 本文主要研究内容 | 第19-20页 |
| 1.3.2 本文创新点 | 第20页 |
| 1.4 本文组织安排 | 第20-22页 |
| 第2章 学术影响力预测简介 | 第22-32页 |
| 2.1 学者影响力评价指标 | 第22-25页 |
| 2.1.1 h指数 | 第22-23页 |
| 2.1.2 g指数 | 第23-24页 |
| 2.1.3 AIF指标 | 第24-25页 |
| 2.2 学术影响力评估与预测 | 第25-27页 |
| 2.3 深度学习常用模型 | 第27-32页 |
| 2.3.1 卷及神经网络 | 第28页 |
| 2.3.2 限制玻尔兹曼机 | 第28-29页 |
| 2.3.3 自动编码器 | 第29-32页 |
| 第3章 基于合作模式的学者影响力预测研究 | 第32-45页 |
| 3.1 问题描述和合作网络图构建 | 第32-33页 |
| 3.1.1 问题描述 | 第32页 |
| 3.1.2 合作网络图构建 | 第32-33页 |
| 3.2 DBLP数据处理 | 第33-36页 |
| 3.2.1 DBLP概况 | 第33页 |
| 3.2.2 DBLP数据分析 | 第33-34页 |
| 3.2.3 DBLP数据处理方法 | 第34-36页 |
| 3.3 基于合作模式的学者影响力预测策略 | 第36-45页 |
| 3.3.1 算法描述 | 第36-38页 |
| 3.3.2 学者合作模式 | 第38-39页 |
| 3.3.3 模型建立 | 第39-40页 |
| 3.3.4 模型训练 | 第40-42页 |
| 3.3.5 算法伪代码 | 第42-45页 |
| 第4章 实验分析及讨论 | 第45-55页 |
| 4.1 实验概述 | 第45-46页 |
| 4.1.1 SIP模型框架 | 第45-46页 |
| 4.1.2 对比算法 | 第46页 |
| 4.2 试验参数设定 | 第46-47页 |
| 4.2.1 数据集设置 | 第46页 |
| 4.2.2 参数设定 | 第46-47页 |
| 4.3 预测系统评价指标 | 第47页 |
| 4.4 实验结果及分析 | 第47-54页 |
| 4.4.1 训练参数结果对比 | 第47-49页 |
| 4.4.2 与其他模型对比 | 第49-52页 |
| 4.4.3 不同学者对预测结果影响 | 第52-54页 |
| 4.5 实验总结 | 第54-55页 |
| 第5章 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 作者简介及在学期间所取得的科研成果 | 第61-62页 |
| 致谢 | 第62页 |
