| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 计算社会科学的发展 | 第8页 |
| 1.1.2 学术大数据的概念 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.4 本文研究工作 | 第13-14页 |
| 1.4.1 研究目标 | 第13-14页 |
| 1.4.2 本文主要工作 | 第14页 |
| 1.5 本文章节安排 | 第14-16页 |
| 2 学者学术影响力的评估及相关研究 | 第16-27页 |
| 2.1 学术大数据 | 第16-19页 |
| 2.1.1 学术数据的获取途径 | 第17-18页 |
| 2.1.2 学术大数据的分析方法 | 第18页 |
| 2.1.3 学术大数据的应用场景 | 第18-19页 |
| 2.2 基于引用的学者学术影响力评估 | 第19-22页 |
| 2.2.1 基于学者被引频次的影响力评估 | 第19-20页 |
| 2.2.2 学者影响因子 | 第20-22页 |
| 2.3 基于网络结构学者学术影响力评估 | 第22-26页 |
| 2.3.1 同构网络中的学术影响力评估算法 | 第22-24页 |
| 2.3.2 异构网络中的学术影响力评估算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 异构网络中基于时间感知的学者学术影响力评估策略 | 第27-38页 |
| 3.1 论文-学者网络中的随机游走算法 | 第27-30页 |
| 3.1.1 论文学者网络的构建 | 第27-28页 |
| 3.1.2 随机游走算法的应用 | 第28-30页 |
| 3.2 区分论文重要性的随机游走算法 | 第30-34页 |
| 3.2.1 PageRank算法 | 第30-32页 |
| 3.2.2 基于PageRank算法的随机游走模型 | 第32-34页 |
| 3.3 基于时间感知的学者学术影响力评估算法 | 第34-37页 |
| 3.3.1 论文被引频次分析 | 第34-35页 |
| 3.3.2 基于时间感知的PageRank算法 | 第35-36页 |
| 3.3.3 基于改进的PageRank算法的随机游走模型 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 实验与结果分析 | 第38-52页 |
| 4.1 实验数据与算法 | 第38-43页 |
| 4.1.1 DBLP数据集 | 第38-39页 |
| 4.1.2 APS数据集 | 第39-40页 |
| 4.1.3 对比算法 | 第40-43页 |
| 4.2 DBLP相关实验及结果 | 第43-49页 |
| 4.2.1 高影响力学者排名 | 第43-44页 |
| 4.2.2 Pearson相关系数 | 第44-45页 |
| 4.2.3 ROC特性曲线 | 第45-49页 |
| 4.3 APS相关实验及结果 | 第49-51页 |
| 4.3.1 高影响力学者 | 第49-50页 |
| 4.3.2 Pearson相关系数 | 第50页 |
| 4.3.3 ROC特性曲线 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
