熊回香，李曉敏，杜 瑾

（華中師范大學(xué)信息管理學(xué)院，武漢 430079）

1 引 言

近年來(lái)，大數(shù)據(jù)時(shí)代已經(jīng)滲透到學(xué)術(shù)界，使得學(xué)術(shù)界產(chǎn)生了大量的學(xué)術(shù)數(shù)據(jù)[1]。學(xué)術(shù)數(shù)據(jù)如學(xué)術(shù)論文、學(xué)位論文、會(huì)議論文、基金項(xiàng)目、專(zhuān)利以及學(xué)者信息等，均成為相關(guān)研究如學(xué)術(shù)合作[2]、學(xué)者推薦[3]、論文推薦[4]等重要數(shù)據(jù)來(lái)源。學(xué)術(shù)數(shù)據(jù)的實(shí)體主要是學(xué)者和論文，學(xué)者數(shù)據(jù)有學(xué)者的基本屬性，如所屬機(jī)構(gòu)、聯(lián)系方式、研究方向等；論文數(shù)據(jù)有關(guān)鍵詞、摘要、題名、全文等文獻(xiàn)元數(shù)據(jù)以及論文反映出的合作、引用關(guān)系等，通過(guò)對(duì)這些學(xué)術(shù)數(shù)據(jù)進(jìn)行分析挖掘展開(kāi)學(xué)術(shù)研究。而且學(xué)術(shù)數(shù)據(jù)也為科研用戶(hù)查詢(xún)和了解自己感興趣的學(xué)者提供了便利。然而，隨著科研用戶(hù)和科研成果數(shù)量的增加，不可避免地出現(xiàn)了學(xué)術(shù)數(shù)據(jù)信息過(guò)載的現(xiàn)象，這無(wú)疑增加了科研用戶(hù)的負(fù)擔(dān)，而科研用戶(hù)由于諸多條件（如時(shí)間、空間等）的限制，難以在有限的條件下方便、快捷地找到與自己興趣相同的科研用戶(hù)，以便從中獲取感興趣的資源或?qū)で鬂撛诤献髡?。因此，?duì)挖掘?qū)W者需求、為學(xué)者推薦研究領(lǐng)域相似的學(xué)者的研究越來(lái)越成受到情報(bào)學(xué)領(lǐng)域的關(guān)注。

2 相關(guān)研究工作概述

目前，關(guān)于學(xué)者推薦的研究，主要集中在基于研究?jī)?nèi)容的推薦和基于關(guān)系網(wǎng)絡(luò)的推薦。在基于研究?jī)?nèi)容的推薦中，主要是運(yùn)用LDA（latent Dirichlet allocation）主題模型以及其改進(jìn)模型、向量模型、概率模型等對(duì)學(xué)者的學(xué)術(shù)文本進(jìn)行挖掘，找到研究?jī)?nèi)容相似的學(xué)者。文獻(xiàn)[5]對(duì)作者-關(guān)鍵詞耦合網(wǎng)絡(luò)進(jìn)行社區(qū)劃分，在同一個(gè)社區(qū)內(nèi)，利用LDA模型計(jì)算作者相似度，完成科研合作推薦；文獻(xiàn)[6]利用在LDA模型基礎(chǔ)上改進(jìn)的AT（author-topic model）模型分析專(zhuān)家知識(shí)結(jié)構(gòu)，并與學(xué)術(shù)影響力結(jié)合，實(shí)現(xiàn)專(zhuān)家推薦；文獻(xiàn)[7]提出了LDA模型改進(jìn)后的跨領(lǐng)域主題學(xué)習(xí)模型CTL（cross-domain topic learning）實(shí)現(xiàn)學(xué)者推薦；文獻(xiàn)[8]對(duì)作者論文進(jìn)行稀疏分布式表征，根據(jù)相似性排序進(jìn)行推薦；文獻(xiàn)[9]借助概率模型實(shí)現(xiàn)專(zhuān)家推薦，并且在實(shí)驗(yàn)數(shù)據(jù)集上進(jìn)行了有效性驗(yàn)證。在基于關(guān)系網(wǎng)絡(luò)的推薦中，包括基于合著網(wǎng)絡(luò)、引文網(wǎng)絡(luò)、關(guān)鍵詞網(wǎng)絡(luò)或者多種網(wǎng)絡(luò)結(jié)合的推薦。文獻(xiàn)[10]利用網(wǎng)絡(luò)表示學(xué)習(xí)在合著網(wǎng)絡(luò)中對(duì)研究者進(jìn)行向量表示，計(jì)算相似度從而實(shí)現(xiàn)推薦；文獻(xiàn)[11]針對(duì)大規(guī)模的科研合作網(wǎng)絡(luò)，提出了一種融合節(jié)點(diǎn)位置信息和網(wǎng)絡(luò)結(jié)構(gòu)信息的科研合作推薦模型；文獻(xiàn)[12]利用論文間的引用與被引用關(guān)系構(gòu)建學(xué)者推薦模型；文獻(xiàn)[13]構(gòu)建共引網(wǎng)絡(luò)，基于共引頻次越高的作者研究?jī)?nèi)容越相似的思想生成推薦；文獻(xiàn)[14-15]利用作者與關(guān)鍵詞之間的共現(xiàn)關(guān)系計(jì)算作者的相似度，生成學(xué)者推薦；文獻(xiàn)[16]構(gòu)建了作者-關(guān)鍵詞二分網(wǎng)絡(luò)上，基于路徑組合的合著關(guān)系預(yù)測(cè)；文獻(xiàn)[17]利用表示學(xué)習(xí)和歐幾里得距離對(duì)多種共現(xiàn)網(wǎng)絡(luò)進(jìn)行向量表示和關(guān)聯(lián)強(qiáng)度計(jì)算，挖掘潛在合作對(duì)象。目前，相關(guān)研究在利用關(guān)鍵詞進(jìn)行學(xué)者推薦時(shí)，主要利用關(guān)鍵詞的關(guān)系網(wǎng)絡(luò)進(jìn)行推薦，單純使用絕對(duì)共現(xiàn)關(guān)系，未考慮關(guān)鍵詞之間的語(yǔ)義關(guān)聯(lián)，會(huì)導(dǎo)致使用不同關(guān)鍵詞但研究?jī)?nèi)容相似的學(xué)者計(jì)算出的相似度較低，推薦結(jié)果不夠準(zhǔn)確。在利用共被引或者共引關(guān)系計(jì)算學(xué)者相似度推薦學(xué)者時(shí)，未考慮引用或被引用的相對(duì)位置，單純地使用頻次表示引用強(qiáng)度，會(huì)弱化研究方向極其相似的學(xué)者間的相似度，提升研究方向相關(guān)性較弱的學(xué)者間的相似度。因此，本文在利用關(guān)鍵詞進(jìn)行學(xué)者推薦時(shí)，考慮了關(guān)鍵詞之間的語(yǔ)義關(guān)聯(lián)，并將被引量和署名次序兩個(gè)計(jì)量指標(biāo)引入學(xué)者特征詞的篩選中，將共被引關(guān)系按照共被引的相對(duì)位置劃分不同的層次。兩種方式計(jì)算的相似度進(jìn)行整合，實(shí)現(xiàn)學(xué)者推薦。

3 基于學(xué)術(shù)關(guān)鍵詞和共被引的學(xué)者推薦模型架構(gòu)

3.1 學(xué)者推薦模型總架構(gòu)

本文構(gòu)建的推薦模型包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、基于學(xué)者特征詞的相似度計(jì)算、基于學(xué)者共被引關(guān)系的相似度計(jì)算和學(xué)者推薦共五個(gè)部分。具體的模型框架如圖1所示。

圖1 學(xué)者推薦模型框架

本文構(gòu)建的推薦模型核心是學(xué)者相似度的計(jì)算，學(xué)者相似度計(jì)算包括兩部分，分別是基于學(xué)者特征詞的相似度計(jì)算和基于學(xué)者共被引關(guān)系的相似度計(jì)算。在基于學(xué)者特征詞的推薦中，學(xué)者特征詞是通過(guò)對(duì)學(xué)者關(guān)鍵詞篩選得到的，將被引量和署名次序這兩個(gè)計(jì)量指標(biāo)與TF-IDF（term frequency-in‐verse document frequency）算法結(jié)合，對(duì)學(xué)者關(guān)鍵詞進(jìn)行篩選，選擇權(quán)重值靠前的關(guān)鍵詞作為學(xué)者特征詞；利用word2vec詞向量模型將特征詞向量化形成特征詞向量；再利用余弦相似度計(jì)算學(xué)者間基于特征詞的相似度，形成學(xué)者間相似度集合A。在基于共被引關(guān)系的推薦中，考慮學(xué)者共被引的相對(duì)位置關(guān)系，將共被引分為四個(gè)層次，不同層次賦予不同的權(quán)重，構(gòu)建學(xué)者共被引矩陣；再計(jì)算學(xué)者間Spearman相關(guān)系數(shù)作為學(xué)者基于共被引關(guān)系的相似度，形成學(xué)者間相似度集合B。將學(xué)者相似度集合A與學(xué)者相似度集合B按照一定的權(quán)重整合，形成組合相似度，最后選擇組合相似度靠前的n位學(xué)者實(shí)現(xiàn)學(xué)者推薦。

3.2 基于學(xué)者學(xué)術(shù)成果的相似度計(jì)算

學(xué)者發(fā)表的論文最能反映其研究興趣和專(zhuān)長(zhǎng)，而學(xué)術(shù)論文的關(guān)鍵詞是對(duì)論文內(nèi)容的高度概括，因此，學(xué)者的研究興趣可通過(guò)其發(fā)表論文的關(guān)鍵詞集合進(jìn)行表征。在利用關(guān)鍵詞進(jìn)行學(xué)者興趣表征時(shí)，需要對(duì)關(guān)鍵詞進(jìn)行篩選，選擇權(quán)重較大的關(guān)鍵詞。本文在計(jì)算關(guān)鍵詞權(quán)重時(shí)，首先，將被引量與署名次序這兩個(gè)計(jì)量特征以及TF-IDF算法識(shí)別的內(nèi)容特征結(jié)合進(jìn)行權(quán)重計(jì)算，得到學(xué)者特征詞；其次，利用word2vec模型向量化表示；最后，利用余弦相似度計(jì)算學(xué)者特征向量的相似度，生成相似度集合A。

3.2.1 學(xué)者特征詞選擇

1）基于計(jì)量指標(biāo)的關(guān)鍵詞權(quán)重計(jì)算

論文被引量和署名次序通常被用來(lái)評(píng)估學(xué)者的影響力，被引量反映的是學(xué)者學(xué)術(shù)成果的質(zhì)量以及被同行認(rèn)可的程度；署名次序反映的是作者對(duì)論文的貢獻(xiàn)程度，一般認(rèn)為作者排名越靠前，貢獻(xiàn)度就越大。論文關(guān)鍵詞側(cè)重于對(duì)論文內(nèi)容的高度凝練，在利用關(guān)鍵詞對(duì)學(xué)者進(jìn)行表征時(shí)，融入被引量和署名次序兩個(gè)計(jì)量指標(biāo)。某篇論文被引量越大，作者在該篇論文反映的研究方向上越有影響力。融入被引量能夠更好地識(shí)別學(xué)者擅長(zhǎng)的特征詞。署名次序能夠削弱位置靠后的作者對(duì)論文的貢獻(xiàn)度。同樣地，融入署名次序減弱了“掛名現(xiàn)象”給學(xué)者特征詞識(shí)別帶來(lái)的影響，能夠更準(zhǔn)確地識(shí)別學(xué)者特征詞。計(jì)算方式為

其中，i表示學(xué)者的論文序號(hào)；Wtij表示第i篇論文的第j個(gè)關(guān)鍵詞計(jì)量權(quán)重；n表示學(xué)者的發(fā)文量；fi表示第i篇論文的被引量；ki表示學(xué)者在第i篇論文的署名次序。計(jì)算得到每篇論文的每個(gè)關(guān)鍵詞權(quán)重之后，可能會(huì)出現(xiàn)同一關(guān)鍵詞出現(xiàn)在同一學(xué)者的不同論文中的情況，此時(shí)，將相同關(guān)鍵詞權(quán)值進(jìn)行累加求和，得到各個(gè)關(guān)鍵詞的計(jì)量權(quán)值。

2）基于內(nèi)容的學(xué)者特征詞

TF-IDF算法是一種較為常見(jiàn)的權(quán)值計(jì)算方法，從學(xué)者關(guān)鍵詞集合的內(nèi)容特征上識(shí)別學(xué)者特征詞。TF表示詞頻，IDF表示逆文檔頻率，TF-IDF用來(lái)計(jì)算學(xué)者關(guān)鍵詞集合中某個(gè)關(guān)鍵詞的權(quán)值。計(jì)算方法為

其中，i表示學(xué)者關(guān)鍵詞序號(hào)；Wt i表示關(guān)鍵詞ti內(nèi)容權(quán)重；tf(ti,d)表示關(guān)鍵詞ti在學(xué)者關(guān)鍵詞集合d中出現(xiàn)的頻次；|D|表示學(xué)者論文數(shù)；df(ti)表示學(xué)者論文數(shù)中包含關(guān)鍵詞ti的論文數(shù)。

3）學(xué)者特征詞篩選

將基于計(jì)量指標(biāo)計(jì)算得到的關(guān)鍵詞權(quán)重和利用TF-IDF算法計(jì)算得到的關(guān)鍵詞權(quán)重按照

進(jìn)行整合，得到最終的關(guān)鍵詞權(quán)重。將關(guān)鍵詞按照整合后的權(quán)重值進(jìn)行排序，取排名靠前的20個(gè)關(guān)鍵詞作為學(xué)者特征詞。

3.2.2 學(xué)者特征詞表征及相似度計(jì)算

在得到學(xué)者特征詞之后，需要將特征詞轉(zhuǎn)換成向量。傳統(tǒng)的獨(dú)熱表示（one-hot representation）僅僅將詞符號(hào)化，不包含任何語(yǔ)義信息，構(gòu)建的詞向量矩陣比較稀疏；而基于神經(jīng)網(wǎng)絡(luò)的分布式表示可以根據(jù)上下文與目標(biāo)詞之間的關(guān)系進(jìn)行建模，具有代表性的是word2vec模型[18]。word2vec通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練語(yǔ)言模型，將每個(gè)詞映射為低維度的實(shí)數(shù)向量。word2vec模型包括skip-gram模型和CBOW（contin‐uous bag-of-words model）模型。skip-gram根據(jù)目標(biāo)詞推斷上下文，適合處理較大規(guī)模的語(yǔ)料；而CBOW則與之相反，已知上下文預(yù)測(cè)當(dāng)前詞，適合處理較小規(guī)模的語(yǔ)料。由于本文語(yǔ)料規(guī)模較小，因此，選擇CBOW模型進(jìn)行訓(xùn)練。模型訓(xùn)練好之后，將學(xué)者特征詞轉(zhuǎn)換成詞向量，對(duì)詞向量相加取平均，即可得到學(xué)者的特征向量。在得到學(xué)者特征向量之后，利用余弦相似度公式計(jì)算學(xué)者間的相似度，得到學(xué)者間基于特征詞的相似度，形成相似度集合A。

3.3 基于學(xué)者共被引關(guān)系的相似度計(jì)算

當(dāng)兩位作者的學(xué)術(shù)論文同時(shí)被同一篇論文引用時(shí)，稱(chēng)這兩位作者間存在共被引關(guān)系。能夠形成共被引關(guān)系，說(shuō)明兩位作者在某個(gè)研究主題的概念、理論和方法上是相關(guān)的。因此，通過(guò)挖掘作者間的共被引關(guān)系，能夠幫助作者找到研究方向相似的作者，從而形成學(xué)者相似度集合B。

共被引研究的是兩位學(xué)者共同被引用的情況。傳統(tǒng)的學(xué)者共被引分析構(gòu)建的學(xué)者共被引矩陣是0-1矩陣，即如果兩位學(xué)者同時(shí)被一篇文獻(xiàn)引用，那么共被引矩陣中填寫(xiě)1；反之，則為0。傳統(tǒng)的學(xué)者共被引分析未考慮共被引的相對(duì)位置距離。本文借鑒文獻(xiàn)[19]提出的基于位置的共被引分析，將共被引的位置分為句子層、段落層、章節(jié)層和文章層四個(gè)層次，依次賦值為4、3、2、1。若同一作者的同一篇文獻(xiàn)在同一篇文章中多次出現(xiàn)，則取相對(duì)位置最近的賦值；若同一作者的多篇文獻(xiàn)在同一文章中出現(xiàn)，則仍取相對(duì)位置最近的賦值；若兩位及兩位以上作者的多篇文獻(xiàn)在同一文章中出現(xiàn)，則仍取相對(duì)位置最近的賦值。三種情況下各自的權(quán)值均不進(jìn)行累加。得到學(xué)者共被引矩陣之后，利用Python代碼計(jì)算學(xué)者間的Spearman相關(guān)系數(shù)。

3.4 相似度整合

上文中得到學(xué)者間基于特征詞的相似度集合A和基于共被引關(guān)系的相似度集合B，將兩種相似度以一定的比重相加，得到最終的學(xué)者相似度，選擇最終相似度靠前的15位學(xué)者進(jìn)行推薦。整合方式為

其中，Sim表示整合后的相似度；Simitem表示基于特征詞的相似度；Simcit表示基于共被引關(guān)系的相似度。

4 基于學(xué)術(shù)關(guān)鍵詞和共被引的學(xué)者推薦實(shí)證研究

4.1 數(shù)據(jù)收集

由于本文需要用到的數(shù)據(jù)包括論文篇名、作者、機(jī)構(gòu)、關(guān)鍵詞、摘要以及參考文獻(xiàn)，因此，以CSSCI（Chinese Social Sciences Citation Index，中文社會(huì)科學(xué)索引）數(shù)據(jù)庫(kù)和CNKI（China National Knowledge Infrastructure，中國(guó)知網(wǎng)）為數(shù)據(jù)源進(jìn)行數(shù)據(jù)收集。對(duì)比CSSCI來(lái)源期刊目錄（2014—2016）、（2017—2018）及（2019—2020）可知，情報(bào)學(xué)領(lǐng)域中的《現(xiàn)代情報(bào)》和《信息資源管理學(xué)報(bào)》在CSSCI來(lái)源期刊目錄（2014—2016）中均不是核心期刊，而本文期刊數(shù)據(jù)來(lái)源的時(shí)間周期為2014—2018年，《現(xiàn)代情報(bào)》和《信息資源管理學(xué)報(bào)》從CSSCI數(shù)據(jù)庫(kù)中導(dǎo)出的數(shù)據(jù)不完整，因此，從CSSCI來(lái)源期刊目錄（2019—2020）情報(bào)學(xué)領(lǐng)域12種核心期刊中，除去《現(xiàn)代情報(bào)》和《信息資源管理學(xué)報(bào)》，選取其余10種核心期刊《中國(guó)圖書(shū)館學(xué)報(bào)》《情報(bào)學(xué)報(bào)》《圖書(shū)情報(bào)工作》《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》（2016年改名）、《情報(bào)理論與實(shí)踐》《情報(bào)資料工作》《情報(bào)科學(xué)》《情報(bào)雜志》《圖書(shū)與情報(bào)》和《圖書(shū)情報(bào)知識(shí)》在2014—2018年5年間刊載的論文，CSSCI數(shù)據(jù)庫(kù)自動(dòng)導(dǎo)出論文篇名、作者、機(jī)構(gòu)、關(guān)鍵詞以及參考文獻(xiàn)，CNKI自動(dòng)導(dǎo)出論文的摘要。

4.2 數(shù)據(jù)預(yù)處理

從上述數(shù)據(jù)庫(kù)導(dǎo)出的數(shù)據(jù)會(huì)包含一些沒(méi)有參考文獻(xiàn)的文章，如專(zhuān)題引言、專(zhuān)題序、卷首語(yǔ)等，故將其進(jìn)行刪除。對(duì)導(dǎo)出的其余數(shù)據(jù)需要進(jìn)行如下處理：首先，對(duì)導(dǎo)出的摘要利用Python中jieba分詞包進(jìn)行分詞，分詞過(guò)程中，加入哈工大停用詞表，過(guò)濾掉無(wú)實(shí)際意義的詞，且為保證能夠正確切分，將涉及的專(zhuān)有名詞加入用戶(hù)自定義詞典；其次，對(duì)導(dǎo)出的關(guān)鍵詞進(jìn)行規(guī)范化處理，包括錯(cuò)別字糾正、中英文及大小寫(xiě)轉(zhuǎn)換、同義異形詞統(tǒng)一形式，如《知網(wǎng)》轉(zhuǎn)換為Hownet，folksonomy轉(zhuǎn)換為Folksonomy，主成分分析方法、主成分分析法統(tǒng)一為主成分分析。再次，對(duì)同名作者進(jìn)行消歧。主要工作是針對(duì)同名不同機(jī)構(gòu)的作者，根據(jù)作者簡(jiǎn)介中的ORCID、E-mail、出生日期、研究方向等信息來(lái)判斷是否為同一人；最后，將5年間發(fā)表論文數(shù)大于等于15篇的作者確定為核心作者，共確定169名核心作者，對(duì)169名核心作者需要獲取的數(shù)據(jù)有發(fā)表論文數(shù)量、篇名、署名次序、被引量，被引量需要人工手動(dòng)獲取。經(jīng)處理后得到的論文數(shù)據(jù)為：11046篇論文及其關(guān)鍵詞、摘要、參考文獻(xiàn)，具體如表1～表3所示。

表1 核心作者及其論文

表3 論文及其參考文獻(xiàn)

4.3 基于學(xué)者學(xué)術(shù)成果的相似度計(jì)算

4.3.1 學(xué)者特征詞選擇

1）基于計(jì)量指標(biāo)的關(guān)鍵詞權(quán)重計(jì)算

融入論文被引量和作者署名次序兩個(gè)計(jì)量指標(biāo)對(duì)學(xué)者關(guān)鍵詞計(jì)算權(quán)重，利用公式(1)進(jìn)行計(jì)算，得到核心作者基于計(jì)量指標(biāo)的關(guān)鍵詞權(quán)重。

2）基于內(nèi)容的關(guān)鍵詞權(quán)重計(jì)算

TF-IDF算法從內(nèi)容上對(duì)學(xué)者關(guān)鍵詞進(jìn)行權(quán)值計(jì)算，利用公式(2)進(jìn)行計(jì)算得到核心作者基于內(nèi)容的關(guān)鍵詞權(quán)重。

3）學(xué)者特征詞篩選

將利用公式(1)和公式(2)分別計(jì)算得到的關(guān)鍵詞權(quán)重，按照公式(3)進(jìn)行整合，得到最終的關(guān)鍵詞權(quán)重。

將每位學(xué)者的關(guān)鍵詞按照整合后的權(quán)重值進(jìn)行排序，取排名靠前的20個(gè)關(guān)鍵詞作為學(xué)者特征詞，如表4所示。

4.3.2 學(xué)者特征詞向量表示

以表2中得到的經(jīng)過(guò)規(guī)范化處理的關(guān)鍵詞和分詞后的摘要作為語(yǔ)料，詞向量維數(shù)size設(shè)為100，window設(shè)為5，最低頻率min_count設(shè)為1，進(jìn)行模型訓(xùn)練。模型訓(xùn)練好之后，將表4中的學(xué)者特征詞轉(zhuǎn)換成詞向量，對(duì)詞向量相加取平均，則得到學(xué)者的特征向量。

表2 論文及其關(guān)鍵詞、摘要

表4 學(xué)者特征詞

利用余弦相似度公式計(jì)算學(xué)者間的相似度,得到學(xué)者間基于特征詞的相似度，形成相似度集合A，如表5所示。

表5 學(xué)者間特征詞相似度

4.4 基于學(xué)者共被引關(guān)系的相似度計(jì)算

基于第2.3節(jié)中的計(jì)算方法，首先構(gòu)建學(xué)者共被引矩陣，然后計(jì)算學(xué)者間的Spearman相關(guān)系數(shù)作為學(xué)者間共被引相似度，如表6所示。

表6 學(xué)者間共被引相似度

4.5 相似度整合

為確定公式(4)中α和β的值，α取值范圍設(shè)為0～1，β取值范圍設(shè)為1～0。α=0、β=1表示的是僅基于學(xué)者共被引關(guān)系的推薦；α=1、β=0表示僅基于學(xué)者特征詞的推薦。在推薦總數(shù)為15的前提下，設(shè)置精確率、召回率和F值，對(duì)不同取值的結(jié)果進(jìn)行評(píng)價(jià)，確定α和β的最佳值。在本文研究的數(shù)據(jù)范圍內(nèi)，有42位核心作者的合作者不在本文所確定的169位核心作者中，因此，在計(jì)算精確率、召回率和F值時(shí)，僅用剩余127位核心作者對(duì)本文的推薦模型進(jìn)行評(píng)價(jià)。精確率（precision，P）計(jì)算方式為：首先，在推薦的15位學(xué)者中，是否返回學(xué)者曾經(jīng)合作過(guò)的學(xué)者，若返回，則為1；反之，則為0。其次，把返回值為1的學(xué)者個(gè)數(shù)占總學(xué)者個(gè)數(shù)的比值作為精確率。召回率（recall，R）的計(jì)算方式為：在推薦的15位學(xué)者中，學(xué)者曾經(jīng)合作過(guò)的學(xué)者數(shù)量與學(xué)者全部合作過(guò)的學(xué)者數(shù)量的比值作為召回率，將每位學(xué)者的召回率求和取平均作為某個(gè)α和β取值下的召回率。不同α和β的精確率、召回率和F值如表7所示。

表7 不同α和β取值下的精確率、召回率和F值

由表7可知，當(dāng)α=0.9、β=0.1時(shí)，精確率、召回率和F值均是最高，推薦效果最佳。因此，本文確定α值為0.9，β值為0.1。

5 模型比較與評(píng)價(jià)

5.1 基于學(xué)者關(guān)鍵詞的相似度計(jì)算比較

在基于學(xué)者特征詞計(jì)算相似度時(shí)，本文利用被引量、署名次序兩個(gè)計(jì)量指標(biāo)與TF-IDF進(jìn)行特征詞篩選，再利用word2vec得到特征詞向量進(jìn)行學(xué)者間相似度計(jì)算。為了驗(yàn)證該算法的優(yōu)勢(shì)，將本文所提算法與基于TF-IDF算法計(jì)算的學(xué)者相似度結(jié)果進(jìn)行對(duì)比。利用TF-IDF算法計(jì)算學(xué)者相似度，選擇相似度靠前的15位學(xué)者，和本文所提算法的計(jì)算結(jié)果進(jìn)行對(duì)比。在不同算法生成的結(jié)果中，若目標(biāo)學(xué)者曾經(jīng)合作過(guò)的學(xué)者數(shù)目占比過(guò)高，則說(shuō)明模型的有用性較低。因此，設(shè)置指標(biāo)C進(jìn)行對(duì)比評(píng)價(jià)。C的計(jì)算方法為

其中，C表示不同計(jì)算方法下的已合作學(xué)者平均占比；N表示核心作者數(shù)；ni'表示第i位學(xué)者曾經(jīng)合作過(guò)的學(xué)者總數(shù)；ni表示相似度靠前的15位學(xué)者中第i位學(xué)者曾經(jīng)合作過(guò)的學(xué)者數(shù)。

利用公式(5)計(jì)算可得，基于本文所提算法計(jì)算出的指標(biāo)C的值為54.10%；只基于TF-IDF算法計(jì)算出的指標(biāo)C的值為91.67%。后者曾經(jīng)合作過(guò)的學(xué)者占比過(guò)高，不利于為目標(biāo)學(xué)者尋找潛在的學(xué)者。單獨(dú)基于TF-IDF計(jì)算學(xué)者間相似度時(shí)，曾經(jīng)合作過(guò)的學(xué)者的占比變高，這是因?yàn)楣餐献鬟^(guò)的論文的關(guān)鍵詞沒(méi)有根據(jù)署名次序和被引量分配不同的權(quán)重，論文的關(guān)鍵詞對(duì)每位作者都是等同的，從而造成由于合作而導(dǎo)致合作過(guò)的學(xué)者的相似度排名靠前的現(xiàn)象。因此，融入被引量和署名次序可以較為準(zhǔn)確地表征學(xué)者的研究方向以及削弱合作帶來(lái)的影響，幫助目標(biāo)學(xué)者找到更多研究方向相同或相似的學(xué)者，更好地開(kāi)展科學(xué)研究。

5.2 模型有用性評(píng)價(jià)

分別統(tǒng)計(jì)為每位學(xué)者推薦的15位學(xué)者中已產(chǎn)生合作的學(xué)者的比例和未產(chǎn)生合作的學(xué)者的比例，最后計(jì)算平均比例以評(píng)價(jià)模型的有用性。計(jì)算結(jié)果如表8所示。

表8 已合作和未合作比例

根據(jù)表8計(jì)算可得，為目標(biāo)學(xué)者推薦的學(xué)者中，已合作的平均比例為8.98%，未合作的平均比例為91.02%。已合作的學(xué)者所占比例遠(yuǎn)遠(yuǎn)低于未合作學(xué)者比例，這說(shuō)明本文所提出模型有用性較高。

以學(xué)者趙蓉英為例，在α=0.9、β=0.1的條件下，本文提出的推薦模型為學(xué)者趙蓉英推薦的15位學(xué)者如表9所示。

表9 學(xué)者推薦結(jié)果

從表9中可以看出，在為學(xué)者趙蓉英推薦的15位學(xué)者中，已產(chǎn)生合作的共有3位，占比20%；其余未產(chǎn)生合作的共有12位，占比80%。這說(shuō)明本文所提出的推薦模型可以實(shí)現(xiàn)為學(xué)者推薦未合作過(guò)，且研究方向相似的學(xué)者的目標(biāo)。除去推薦結(jié)果中與目標(biāo)學(xué)者趙蓉英已合作的3位學(xué)者，在其余的12位學(xué)者中，學(xué)者譚宗穎的研究方向涉及文獻(xiàn)計(jì)量、影響力評(píng)價(jià)、共現(xiàn)分析、科研合作等；學(xué)者張志強(qiáng)的研究方向涉及科技評(píng)價(jià)、文獻(xiàn)計(jì)量、學(xué)術(shù)影響力等；學(xué)者魏瑞斌的研究方向涉及共詞分析、文獻(xiàn)計(jì)量、共被引分析、知識(shí)圖譜等；學(xué)者余厚強(qiáng)的研究方向涉及替代計(jì)量學(xué)、引文分析、科學(xué)交流等；學(xué)者劉志輝的研究方向涉及文獻(xiàn)計(jì)量、科學(xué)計(jì)量、競(jìng)爭(zhēng)情報(bào)、知識(shí)圖譜等。這表明推薦模型所推薦的學(xué)者均在計(jì)量學(xué)、共詞分析、引文分析、可視化、知識(shí)圖譜、學(xué)術(shù)評(píng)價(jià)等方向發(fā)表過(guò)高質(zhì)量的論文，與目標(biāo)學(xué)者趙蓉英的研究方向相同或相似，目標(biāo)學(xué)者可以從推薦學(xué)者的研究方向中得到啟發(fā)，方便、快捷地找到與自己研究方向相近的研究主題，與自身現(xiàn)有的學(xué)科背景知識(shí)結(jié)合，產(chǎn)生新的科研思路，順利開(kāi)展科學(xué)研究。

6 結(jié) 語(yǔ)

本文提出了一種融合學(xué)者研究?jī)?nèi)容和關(guān)系網(wǎng)絡(luò)的學(xué)者推薦模型，研究?jī)?nèi)容是指將被引量和署名次序與TF-IDF算法結(jié)合對(duì)學(xué)者發(fā)表文獻(xiàn)的關(guān)鍵詞進(jìn)行篩選，再進(jìn)行向量化表示，并計(jì)算相似度；關(guān)系網(wǎng)絡(luò)是指學(xué)者間基于相對(duì)位置的共被引關(guān)系，以此構(gòu)建學(xué)者共被引矩陣，并計(jì)算相似度。將兩種相似度以一定的權(quán)重融合，實(shí)現(xiàn)學(xué)者推薦。利用精確率、召回率和F值確定融合權(quán)重，以及對(duì)比單獨(dú)基于學(xué)者特征詞的推薦和單獨(dú)基于共被引關(guān)系的推薦。研究結(jié)果表明，本文提出的融合模型效果較好，可以實(shí)現(xiàn)為學(xué)者推薦研究興趣相似的學(xué)者，幫助學(xué)者更好、更快地找到同方向的學(xué)者，促進(jìn)學(xué)術(shù)溝通和成果發(fā)表，提供科研幫助。本文的不足之處在于未進(jìn)行全文本分析，對(duì)關(guān)鍵詞的處理僅停留在統(tǒng)計(jì)特征，且關(guān)系網(wǎng)絡(luò)僅用到共被引網(wǎng)絡(luò)，其余合著網(wǎng)絡(luò)或異質(zhì)網(wǎng)絡(luò)均未涉及，未來(lái)將考慮運(yùn)用全文本深層次挖掘關(guān)鍵詞之間的關(guān)系，對(duì)本方法進(jìn)行改進(jìn)，達(dá)到更佳的效果。