原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Recommending Scientific Research Collaborators with Link Prediction and Extremely Randomized Trees
Algorithm
作者：吕伟民[1,2]王; 小梅[3];韩涛[1]
作者机构：[1]中国科学院文献情报中心,北京 100190 [2] 中国科学院大学,北京 100049 [3] 中国科
学院科技战略咨询研究院,北京 100190 出版物刊名：数据分析与知识发现页码：38-45 页
年卷期：2017 年 第 4 期
主题词：科研合作网络 链路预测 机器学习 随机森林 极端随机树 推荐
摘要：【目的】结合链路预测与机器学习，提出推荐未来科研合作的新方法，以提高单独基于链路预测方法的推荐精确度。【方法】构建加权作者合作网，以不同的链路预测指标作为特征输入，运用极端随机树（Extremely Randomized Trees ，ET ）机器学习算法训练分类，并利用遍历算法求取分类结果的最优权重组合，选取 TOP 准确度的预测作为合作推荐结果。【结果】选取纳米科技领域 2008 年- 2010 年 SCI 论文数据进行实证。在城市合作推荐中，改进的 ET 方法优于已有方法，有良好的推荐成功率；预测方法受网络结构等因素影响较小，适用范围更广泛。【局限】科研合作受合作动机、地域、语言等诸多因素影响，加权作者合作网没有反映在一篇论文中同城市、同机构的多个作者，也没有反映上述因素。【结论】改进算法能够比单个预测指标产生更准确的合作推荐建议，也为推广到大学等机构、
个人等更微观的应用层面提供参考。
文档评论（0）