鐘元生，高成珍，朱文強(qiáng)

（1.江西財(cái)經(jīng)大學(xué)信息管理學(xué)院，南昌 330013；2.江西財(cái)經(jīng)大學(xué)財(cái)經(jīng)數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室，南昌 330013；3.江西財(cái)經(jīng)大學(xué)軟件與物聯(lián)網(wǎng)工程學(xué)院，南昌 330013）

0 引言

科研合作有利于促進(jìn)學(xué)術(shù)交流、激發(fā)創(chuàng)作靈感、提升科研生產(chǎn)力，已成為當(dāng)前科學(xué)研究的常態(tài)[1]。傳統(tǒng)的科研合作通常發(fā)生在熟人之間；隨著網(wǎng)絡(luò)協(xié)作工具的普及，越來(lái)越多的學(xué)者開(kāi)始尋找原本并不認(rèn)識(shí)、跨單位、跨學(xué)科的合作者[2]。學(xué)術(shù)數(shù)據(jù)增長(zhǎng)快，每年都會(huì)涌現(xiàn)大量新的文獻(xiàn)和研究人員，如何從中發(fā)現(xiàn)潛在合作者是學(xué)者要解決的問(wèn)題?？蒲泻献髡咄扑]基于學(xué)術(shù)大數(shù)據(jù)挖掘?qū)W者間潛在關(guān)系，進(jìn)行個(gè)性化推薦，能夠有效解決這一問(wèn)題。

潛在科研合作者推薦是指向用戶推薦之前沒(méi)有合作過(guò)但未來(lái)很有可能合作的學(xué)者，這些學(xué)者可能是小同行，也可能來(lái)自不同領(lǐng)域，適合于想要尋找新的合作伙伴、擴(kuò)大學(xué)術(shù)圈和拓展研究視野的學(xué)者，通常應(yīng)用于學(xué)術(shù)搜索引擎、科研管理軟件、學(xué)術(shù)社交網(wǎng)絡(luò)等平臺(tái)。例如，國(guó)內(nèi)的科研之友、學(xué)者網(wǎng)，國(guó)外的ResearchGate、Academia。一方面，推薦系統(tǒng)能吸引更多新用戶，增加用戶使用平臺(tái)的時(shí)間和頻率，提升用戶滿意度和留存率；另一方面，個(gè)性化推薦有助于學(xué)者找到感興趣的潛在合作者，節(jié)省時(shí)間和精力，還可能帶來(lái)意外驚喜[3]。

已有的科研合作者推薦主要依據(jù)學(xué)者研究興趣建模和合著網(wǎng)絡(luò)分析，較少有研究者考慮學(xué)者研究偏好動(dòng)態(tài)變化特征以及從信任視角研究科研合作者推薦問(wèn)題。學(xué)者的研究興趣可能隨著新技術(shù)、新熱點(diǎn)的出現(xiàn)或已有研究的完結(jié)而轉(zhuǎn)移，用戶更期望系統(tǒng)能夠推薦近期對(duì)某一主題感興趣的學(xué)者而不是多年前對(duì)這一主題感興趣的學(xué)者。科研合作關(guān)系是一種顯式的強(qiáng)信任關(guān)系，優(yōu)秀的合作者可以創(chuàng)造出高質(zhì)量科研成果，不靠譜的合作者可能會(huì)導(dǎo)致無(wú)用功、浪費(fèi)時(shí)間，甚至存在學(xué)術(shù)造假風(fēng)險(xiǎn)，推薦潛在合作者時(shí)，考慮學(xué)者間信任關(guān)系很有必要。學(xué)者間合作次數(shù)越多，社交信任越強(qiáng)，對(duì)于沒(méi)有合作的學(xué)者，可根據(jù)信任的可傳播性和有限傳遞性[4]，計(jì)算學(xué)者間的間接社交信任值。由于僅根據(jù)研究興趣推薦可能忽略一些跨領(lǐng)域合作者，僅根據(jù)社交信任推薦可能忽略一些無(wú)社交關(guān)系的小同行，基于此，本文提出一種融合學(xué)者動(dòng)態(tài)研究偏好和學(xué)術(shù)社交信任的科研合作者推薦模型SimTrustRec。

1 相關(guān)研究

1.1 基于研究興趣相似的科研合作者推薦

基于研究興趣相似的科研合作者推薦的基本思想是學(xué)者間研究興趣越相似，越容易形成合作關(guān)系，其關(guān)鍵是如何表示學(xué)者的研究偏好以及如何計(jì)算學(xué)者間研究偏好相似度。此類模型主要借助自然語(yǔ)言處理相關(guān)技術(shù)，如VSM（vector space model）、TF-IDF（term frequency-inverse document frequency）、LDA（latent Dirichlet allocation）、word2vec等，對(duì)學(xué)者的學(xué)術(shù)主頁(yè)信息、已發(fā)表論文數(shù)據(jù)等進(jìn)行分析和建模，獲得學(xué)者研究偏好的向量表示，計(jì)算向量間相似度，從而推薦最相似的學(xué)者。學(xué)者研究興趣建模方法主要有以下幾類：①根據(jù)研究領(lǐng)域?qū)φ撐倪M(jìn)行分類，統(tǒng)計(jì)學(xué)者在各個(gè)領(lǐng)域中的論文數(shù)。Lopes 等[5]使用本體法對(duì)論文進(jìn)行分類，統(tǒng)計(jì)學(xué)者各個(gè)類別下的論文數(shù)，使用VSM 表示學(xué)者的研究偏好。②根據(jù)學(xué)者已發(fā)表論文的關(guān)鍵詞信息，利用TF-IDF 模型對(duì)學(xué)者的研究領(lǐng)域進(jìn)行建模[6]。③使用主題模型學(xué)習(xí)學(xué)者的主題概率分布。劉萍等[7]構(gòu)建作者-關(guān)鍵詞耦合網(wǎng)絡(luò)，對(duì)該網(wǎng)絡(luò)進(jìn)行社區(qū)劃分，利用LDA 模型分析社區(qū)內(nèi)的學(xué)者文獻(xiàn)，得到學(xué)者研究偏好，從社區(qū)中推薦最相似的學(xué)者。Du 等[8]對(duì)多個(gè)來(lái)源的學(xué)者數(shù)據(jù)做標(biāo)準(zhǔn)化處理，使用LDA 模型學(xué)習(xí)學(xué)者的隱式主題分布，并將其映射到真實(shí)標(biāo)簽庫(kù)，從而識(shí)別學(xué)者興趣愛(ài)好。④使用深度學(xué)習(xí)技術(shù)對(duì)學(xué)者興趣建模。Kong 等[9]使用word2vec 模型對(duì)論文標(biāo)題進(jìn)行學(xué)習(xí)得到詞向量，然后對(duì)詞向量進(jìn)行聚類，從而獲取學(xué)者對(duì)各類別的興趣偏好。

1.2 基于網(wǎng)絡(luò)的科研合作者推薦

基于網(wǎng)絡(luò)的科研合作者推薦的基本思想是根據(jù)已有文獻(xiàn)數(shù)據(jù)，抽取學(xué)術(shù)相關(guān)實(shí)體，如學(xué)者、論文、學(xué)者所在單位等；以及實(shí)體間的各種關(guān)系，如學(xué)者間的合著關(guān)系、學(xué)者與單位之間的合作關(guān)系、論文間的引用關(guān)系等，從而構(gòu)建學(xué)術(shù)合作網(wǎng)絡(luò)。其中節(jié)點(diǎn)表示學(xué)術(shù)實(shí)體，連邊表示實(shí)體間的關(guān)系，將科研合作者推薦問(wèn)題轉(zhuǎn)換為網(wǎng)絡(luò)中的鏈路預(yù)測(cè)問(wèn)題，采用傳統(tǒng)的網(wǎng)絡(luò)分析方法或當(dāng)前較為流行的網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)，計(jì)算節(jié)點(diǎn)間建立鏈接的可能性。①傳統(tǒng)的網(wǎng)絡(luò)分析方法。Yan 等[10]將鏈接預(yù)測(cè)方法應(yīng)用到科研合作推薦之中，分別從作者、機(jī)構(gòu)和國(guó)家3 個(gè)層次構(gòu)造合作網(wǎng)絡(luò)，對(duì)比CN（common neighbors）、AA（Adamic-Adar）、Jaccard、PA（preferential attachment）、Katz 等8 個(gè)預(yù)測(cè)方法的效果。呂偉民等[11]針對(duì)鏈路預(yù)測(cè)方法單一指標(biāo)考慮信息有限、推薦成功率依賴網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、方法適用性較差等缺點(diǎn)，提出將鏈路預(yù)測(cè)與機(jī)器學(xué)習(xí)相結(jié)合，學(xué)習(xí)最優(yōu)權(quán)重組合。Xia 等[12]提出一種基于隨機(jī)游走的合作者推薦模型MVCWalker，根據(jù)學(xué)者在論文中的署名順序、學(xué)者間合作次數(shù)以及最近一次合作時(shí)間等因素，計(jì)算節(jié)點(diǎn)間鏈接重要性。Zhou 等[13]定義了序列重要性和新鮮度重要性兩個(gè)指標(biāo)計(jì)算學(xué)術(shù)異質(zhì)網(wǎng)絡(luò)中邊的權(quán)重，從而在異質(zhì)網(wǎng)絡(luò)中執(zhí)行帶有重啟的隨機(jī)游走算法，最終得到學(xué)者間的相關(guān)性。②基于網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)。張金柱等[14]使用LINE（largescale information network embedding）模型學(xué)習(xí)合著網(wǎng)絡(luò)，得到學(xué)者的低維稠密向量表示，通過(guò)相似度計(jì)算，實(shí)現(xiàn)科研合作預(yù)測(cè)。余傳明等[15]集成基于節(jié)點(diǎn)位置的網(wǎng)絡(luò)表示學(xué)習(xí)模型和融合網(wǎng)絡(luò)結(jié)構(gòu)的網(wǎng)絡(luò)表示學(xué)習(xí)模型，從而得到頂點(diǎn)和邊的向量表示，然后將其作為機(jī)器學(xué)習(xí)的輸入，進(jìn)行科研合作預(yù)測(cè)。林原等[16]根據(jù)文獻(xiàn)數(shù)據(jù)構(gòu)建異質(zhì)網(wǎng)絡(luò)，利用網(wǎng)絡(luò)表示學(xué)習(xí)將多種實(shí)體表示成同一空間下的低維稠密向量，利用向量距離來(lái)度量實(shí)體間的關(guān)聯(lián)，從而實(shí)現(xiàn)潛在合作對(duì)象挖掘。

1.3 混合推薦方法

混合推薦方法主要是以不同的策略融合學(xué)者個(gè)人屬性、研究興趣以及學(xué)術(shù)社交網(wǎng)絡(luò)等多種特征進(jìn)行科研合作者推薦。Pradhan 等[17]提出一種基于深度學(xué)習(xí)和有偏隨機(jī)游走的多層次融合模型為科研人員推薦潛在的合作者。Chen 等[18]提出一種內(nèi)容增強(qiáng)的網(wǎng)絡(luò)表示學(xué)習(xí)模型，在原有的合著關(guān)系網(wǎng)絡(luò)之上，在最相似的學(xué)者之間添加連邊，以緩解原有網(wǎng)絡(luò)稀疏問(wèn)題。Du 等[19]提出一種屬性網(wǎng)絡(luò)嵌入的推薦模型，通過(guò)隨機(jī)游走獲取最相關(guān)學(xué)者，通過(guò)屬性相似度獲取最相似學(xué)者，然后將其融合得到新的關(guān)系網(wǎng)絡(luò)，利用深度自編碼技術(shù)學(xué)習(xí)網(wǎng)絡(luò)節(jié)點(diǎn)的低維稠密向量表示。熊回香等[20]提出一種基于用戶相似度與信任度的學(xué)者推薦模型，將虛擬學(xué)術(shù)社區(qū)中的博文與好友關(guān)系結(jié)合計(jì)算用戶相似度，同時(shí)引入好友數(shù)量、博文數(shù)量、博文質(zhì)量3 個(gè)指標(biāo)計(jì)算學(xué)者聲譽(yù)，最終得到學(xué)者推薦評(píng)分。其中，“信任”是指學(xué)者聲譽(yù)而不是學(xué)者間的社交信任。

2 模型介紹

2.1 模型概述

本文提出一種融合學(xué)者動(dòng)態(tài)研究偏好和學(xué)術(shù)社交信任的潛在科研合作者推薦模型SimTrustRec，該模型借助自然語(yǔ)言處理相關(guān)技術(shù)對(duì)已發(fā)表論文數(shù)據(jù)進(jìn)行建模分析，得到論文的低維稠密向量表示。為了捕捉學(xué)者研究偏好動(dòng)態(tài)變化特征，設(shè)計(jì)時(shí)間衰減函數(shù)對(duì)學(xué)者已發(fā)表論文進(jìn)行聚合，從而得到學(xué)者研究偏好的向量表示，使用余弦相似度計(jì)算學(xué)者間的研究偏好相似度。同時(shí)，根據(jù)學(xué)者間的合著關(guān)系以及學(xué)者與單位間的合作關(guān)系構(gòu)建學(xué)術(shù)社交網(wǎng)絡(luò)，計(jì)算學(xué)者間的直接學(xué)術(shù)社交信任，然后根據(jù)信任的可傳播性和有限傳遞性，計(jì)算間接學(xué)術(shù)社交信任。最后，融合學(xué)者間研究偏好相似度以及間接學(xué)術(shù)社交信任計(jì)算學(xué)者間將來(lái)合作的可能性，根據(jù)可能性大小為學(xué)者生成推薦列表。SimTrustRec 模型的整體框架流程如圖1 所示。

圖1 模型整體框架和流程

2.2 符號(hào)與術(shù)語(yǔ)定義

為了方便描述，首先定義SimTrustRec 模型使用的關(guān)鍵符號(hào)，如表1 所示，下文將對(duì)本文涉及的一些關(guān)鍵術(shù)語(yǔ)進(jìn)行定義。

表1 關(guān)鍵符號(hào)含義說(shuō)明

定義1.學(xué)術(shù)社交網(wǎng)絡(luò)。在本文中，學(xué)術(shù)社交網(wǎng)絡(luò)是指從已發(fā)表論文數(shù)據(jù)中抽取出來(lái)的學(xué)者與學(xué)者、學(xué)者與單位之間的合作關(guān)系所構(gòu)成的異質(zhì)網(wǎng)絡(luò)，記為G(V,E,W)。其中，V表示網(wǎng)絡(luò)中節(jié)點(diǎn)的集合，包含學(xué)者和單位兩種類型，即V=A∪O；E表示網(wǎng)絡(luò)中邊的集合，對(duì)于網(wǎng)絡(luò)中的任意兩個(gè)節(jié)點(diǎn)vi,vj∈V，若二者之間存在合作關(guān)系，則有eij∈E；W表示網(wǎng)絡(luò)中邊的權(quán)重集合，wij∈W表示節(jié)點(diǎn)vi與vj之間合作的強(qiáng)度，本文用合作次數(shù)表示。

定義2.學(xué)術(shù)社交信任。學(xué)術(shù)社交信任是指學(xué)者間因存在直接或間接學(xué)術(shù)合作關(guān)系而產(chǎn)生的信任。例如，合作發(fā)表論文的學(xué)者間、同一單位的學(xué)者間、擁有共同合作者的學(xué)者間等。根據(jù)雙方是否存在直接合作可分為直接學(xué)術(shù)社交信任和間接學(xué)術(shù)社交信任。

定義3.潛在科研合作者推薦。已知學(xué)者集合A，論文集合P，學(xué)者單位集合O，學(xué)術(shù)社交網(wǎng)絡(luò)G，目標(biāo)學(xué)者u，潛在科研合作者推薦的任務(wù)就是為目標(biāo)學(xué)者u生成一個(gè)包含k個(gè)學(xué)者的列表Au={au,1,au,2,…,au,k}，該列表中的學(xué)者根據(jù)合作可能性降序排列，并且學(xué)者u和列表中的任何一個(gè)學(xué)者之前均沒(méi)有合作過(guò)。

2.3 學(xué)術(shù)社交網(wǎng)絡(luò)構(gòu)建

學(xué)術(shù)社交網(wǎng)絡(luò)是指根據(jù)已發(fā)表的論文中作者、單位之間的合作關(guān)系而形成的復(fù)雜網(wǎng)絡(luò)。學(xué)術(shù)社交網(wǎng)絡(luò)構(gòu)建的過(guò)程如下：

Step1.獲取一篇論文中的所有作者。論文中任意兩個(gè)作者間形成一次合作關(guān)系，以（學(xué)者1 編號(hào)，學(xué)者2 編號(hào)）二元組的形式保存。考慮到學(xué)者間合作關(guān)系是相互的，生成合作二元組前先對(duì)論文中的作者根據(jù)編號(hào)大小排序，以避免重復(fù)統(tǒng)計(jì)。

Step2.獲取一篇論文中的所有單位。首先，獲取該論文中每一位作者的單位信息，一個(gè)學(xué)者可能同時(shí)屬于多個(gè)單位，將論文中每個(gè)學(xué)者的所有單位加入同一個(gè)列表，此時(shí)，列表中可能會(huì)存在重復(fù)的單位，刪除多余單位，保證每個(gè)單位在列表中僅出現(xiàn)一次；其次，論文中每個(gè)學(xué)者和列表中每個(gè)單位之間都形成一次合作關(guān)系，以（學(xué)者編號(hào),單位編號(hào)）二元組的形式保存。

Step3.循環(huán)遍歷數(shù)據(jù)集中的所有論文，對(duì)每篇論文執(zhí)行Step1 和Step2，即可得到所有學(xué)者集合A、所有單位集合O、學(xué)者與學(xué)者之間的合作次數(shù)以及學(xué)者與單位之間的合作次數(shù)。

Step4.以學(xué)者和單位為節(jié)點(diǎn)，若兩個(gè)節(jié)點(diǎn)之間存在合作關(guān)系，則在兩個(gè)節(jié)點(diǎn)之間添加一條邊，邊上的數(shù)字表示二者之間的合作次數(shù)。為了區(qū)分不同類型的合作關(guān)系，使用不同樣式的連線。例如，短點(diǎn)線表示學(xué)者與單位間的合作關(guān)系，虛線表示學(xué)者與單位間的隸屬關(guān)系，實(shí)線表示學(xué)者間的合作關(guān)系等。至此，學(xué)術(shù)社交網(wǎng)絡(luò)的構(gòu)建完成。

圖2 給出了一個(gè)簡(jiǎn)單樣例，左邊是論文作者信息和學(xué)者單位信息，右邊是相應(yīng)的學(xué)術(shù)社交網(wǎng)絡(luò)。

圖2 學(xué)術(shù)社交網(wǎng)絡(luò)示意圖

2.4 學(xué)者研究興趣偏好相似度計(jì)算

學(xué)者的研究興趣可能單一也可能同時(shí)涉及多個(gè)領(lǐng)域，并且處于動(dòng)態(tài)變化之中，一般難以顯式獲取。但學(xué)者所發(fā)表的論文往往隱含了其研究方向和興趣，通過(guò)對(duì)學(xué)者已發(fā)表的論文數(shù)據(jù)進(jìn)行文本分析，即可獲取學(xué)者的研究興趣偏好。常見(jiàn)的文本數(shù)據(jù)分析方法有VSM、TF-IDF 模型、LDA 模型等，其中LDA 模型將文檔表示為低維稠密向量，能有效避免維度災(zāi)難，文檔間的相似度可通過(guò)向量間的距離表示，是當(dāng)前較為主流的方法[21]。由于論文全文內(nèi)容長(zhǎng)，不易訓(xùn)練，部分論文全文獲取成本高，而論文的標(biāo)題和摘要往往能夠反映論文的核心思想和主要內(nèi)容且容易獲取，本文運(yùn)用LDA 模型，對(duì)所有論文標(biāo)題和摘要所組成的語(yǔ)料庫(kù)進(jìn)行學(xué)習(xí)，從而獲取每一篇論文的主題分布?？紤]到學(xué)者的研究興趣隨時(shí)間變化，論文發(fā)表時(shí)間越早，對(duì)當(dāng)前的興趣偏好影響越小，根據(jù)論文發(fā)表年份距離當(dāng)前年份的差值設(shè)計(jì)衰減函數(shù)，衰減函數(shù)的取值在0 到1 之間。整合學(xué)者發(fā)表的論文時(shí)，首先，獲取每一篇論文的主題分布；其次，根據(jù)論文發(fā)表年份對(duì)論文的權(quán)重進(jìn)行調(diào)整；最后，對(duì)學(xué)者所有論文進(jìn)行加權(quán)求和并進(jìn)行歸一化，使得主題概率分布之和為1，從而得到學(xué)者的研究興趣偏好表示。學(xué)者u的興趣偏好表示計(jì)算公式為

其中，TF(yearp)表示衰減函數(shù)。常見(jiàn)的衰減函數(shù)有指數(shù)函數(shù)、線性函數(shù)、對(duì)數(shù)函數(shù)等，本文采用指數(shù)衰減函數(shù)。TF(yearp)函數(shù)定義為

其中，yearc表示當(dāng)前年份，根據(jù)訓(xùn)練集中的數(shù)據(jù)確定，在本文中為2011；yearp表示論文p發(fā)表的年份；λ表示衰減因子，用于控制衰減速率，一般取值為最大差值的一半[22]，本文設(shè)置λ=5。

獲取學(xué)者研究興趣偏好的向量表示后，通過(guò)兩個(gè)向量間的余弦相似度來(lái)計(jì)算學(xué)者間的研究興趣偏好相似度，學(xué)者u和學(xué)者v之間的研究興趣相似度計(jì)算公式為

其中，dim 表示向量的維度，可通過(guò)實(shí)驗(yàn)確定，詳見(jiàn)3.4.1 節(jié)。

2.5 學(xué)術(shù)社交信任計(jì)算

學(xué)術(shù)社交信任是一種基于已有學(xué)術(shù)社交關(guān)系而產(chǎn)生的信任，例如，學(xué)者A 與學(xué)者C 合作多次，學(xué)者A 與學(xué)者B 從未合作過(guò)，此時(shí)，學(xué)者A 對(duì)學(xué)者C的學(xué)術(shù)社交信任大于學(xué)者A 對(duì)學(xué)者B 的學(xué)術(shù)社交信任。學(xué)術(shù)社交信任主要根據(jù)實(shí)體間合作次數(shù)來(lái)度量。由于學(xué)術(shù)社交網(wǎng)絡(luò)中直接合作關(guān)系非常稀疏，存在直接社交信任關(guān)系的學(xué)者對(duì)非常少，因信任具有可傳播性和有限傳遞性[4]，故可借助于一些中間關(guān)系，如合作者的合作者、合作單位中的學(xué)者等，用于計(jì)算學(xué)者間的間接學(xué)術(shù)社交信任。

2.5.1 直接學(xué)術(shù)社交信任計(jì)算

學(xué)者間合作次數(shù)越多，學(xué)術(shù)社交信任關(guān)系越強(qiáng)?？紤]到不同學(xué)者合作次數(shù)的差異，例如，有些學(xué)者與合作者間合作次數(shù)達(dá)幾十次，而有些學(xué)者與所有合作者之間的合作次數(shù)均不超過(guò)5 次，提出計(jì)算學(xué)術(shù)社交信任值時(shí)，采用相對(duì)值。設(shè)定學(xué)者對(duì)與其合作次數(shù)最多的學(xué)者的直接社交信任值為1，該學(xué)者對(duì)其他學(xué)者的直接社交信任值為其相互之間的合作次數(shù)除以該學(xué)者與所有合作者中合作次數(shù)的最大值。學(xué)者u和學(xué)者v之間的直接學(xué)術(shù)社交信任計(jì)算公式為

從公式(4)可以看出，學(xué)者間的學(xué)術(shù)社交信任是非對(duì)稱的，即學(xué)者u對(duì)學(xué)者v的直接學(xué)術(shù)社交信任值不一定等于學(xué)者v對(duì)學(xué)者u的直接學(xué)術(shù)社交信任值。例如，學(xué)者u直接合作的學(xué)者有v、m、n，合作次數(shù)分別為2、4、6，學(xué)者v直接合作的學(xué)者有u、x、y，合作次數(shù)分別為2、5、8，此時(shí)，學(xué)者u對(duì)學(xué)者v的直接社交信任值為1/3，學(xué)者v對(duì)學(xué)者u的直接社交信任值為1/4。

學(xué)者與合作單位之間的直接社交信任計(jì)算公式與公式(4)類似，用學(xué)者與單位間合作次數(shù)除以該學(xué)者所有合作單位中合作次數(shù)的最大值。由于隸屬關(guān)系是一種特殊的合作關(guān)系，合作次數(shù)最多的單位就是該學(xué)者所在單位，合作次數(shù)最大值為該作者的論文數(shù)，因此，學(xué)者u和合作單位o之間的直接信任計(jì)算公式為

其中，countu,o表示學(xué)者u和單位o之間的合作次數(shù)；|Pu|表示學(xué)者u發(fā)表的論文數(shù)。

2.5.2 間接學(xué)術(shù)社交信任計(jì)算

間接學(xué)術(shù)社交信任是指沒(méi)有直接合作關(guān)系的學(xué)者之間，因存在一定的間接學(xué)術(shù)社交關(guān)系而產(chǎn)生的學(xué)術(shù)社交信任，這些學(xué)者更有可能成為潛在合作者。根據(jù)社交網(wǎng)絡(luò)理論，信任具有可傳播性和有限傳遞性，隨著傳播路徑延長(zhǎng)，存在間接社交關(guān)系的用戶數(shù)呈指數(shù)增長(zhǎng)，用戶間社交信任值不斷衰減，為了避免因社交路徑過(guò)長(zhǎng)可能帶來(lái)噪聲的影響，同時(shí)降低計(jì)算量，文中傳播路徑長(zhǎng)度限定為2，只考慮兩種間接學(xué)術(shù)社交關(guān)系，即合作者的合作者以及合作單位里的學(xué)者。學(xué)者間可能存在多個(gè)共同合作者，當(dāng)存在多條間接學(xué)術(shù)社交關(guān)系時(shí)，采取累積求和的方式計(jì)算學(xué)者間的學(xué)術(shù)社交信任值。采用ISTu,a,v表示學(xué)者u和學(xué)者v之間通過(guò)合作者的合作者關(guān)系而獲得的間接學(xué)術(shù)社交信任，ISTu,o,v表示學(xué)者u和學(xué)者v之間通過(guò)合作單位里的學(xué)者關(guān)系而獲得的間接學(xué)術(shù)社交信任。最后，通過(guò)一個(gè)參數(shù)α將兩種間接社交信任進(jìn)行融合，從而得到學(xué)者u和學(xué)者v之間最終的間接學(xué)術(shù)社交信任ISTu,v，計(jì)算公式為

計(jì)算ISTu,a,v時(shí)，首先獲取學(xué)者u的所有合作者集合NAu，依次遍歷每一個(gè)合作者w，若學(xué)者w和學(xué)者v之間存在合作關(guān)系，則學(xué)者u和學(xué)者v之間存在一條路徑，通過(guò)該路徑得到的間接社交信任值為DSTu,w× DSTw,v，即學(xué)者u對(duì)學(xué)者w的直接學(xué)術(shù)社交值乘以學(xué)者w對(duì)學(xué)者v的直接學(xué)術(shù)社交信任值。若存在多條路徑，則進(jìn)行累加。

計(jì)算ISTu,o,v時(shí)，首先獲取學(xué)者v所在單位集合BOv，依次遍歷每一個(gè)單位o，若學(xué)者u和單位o之間存在合作關(guān)系，則學(xué)者u和學(xué)者v之間存在一條路徑。通過(guò)該路徑得到的間接社交信任值為DSTu,o×，之所以要乘以系數(shù)，主要是考慮到不同單位人數(shù)的差異，單位中學(xué)者數(shù)越多，存在研究興趣無(wú)關(guān)的學(xué)者就越多。為了降低其影響，設(shè)計(jì)了一個(gè)與單位人數(shù)負(fù)相關(guān)的系數(shù)，并保證系數(shù)取值在(0,1]區(qū)間。若學(xué)者間存在多條路徑，則進(jìn)行累加。

當(dāng)α=0 時(shí)，表示計(jì)算間接學(xué)術(shù)社交信任時(shí)只考慮合作者的合作者關(guān)系；當(dāng)α=1 時(shí)，表示計(jì)算間接學(xué)術(shù)社交信任時(shí)只考慮合作單位里的學(xué)者關(guān)系，通過(guò)調(diào)節(jié)參數(shù)α的取值，可以對(duì)比不同間接學(xué)術(shù)社交關(guān)系對(duì)潛在合作者推薦的影響。參數(shù)α取值通過(guò)實(shí)驗(yàn)確定，詳見(jiàn)3.4.2 節(jié)。

2.6 潛在科研合作者推薦

融合學(xué)者間研究偏好相似度及學(xué)者間間接學(xué)術(shù)社交信任兩個(gè)部分的信息，計(jì)算學(xué)者間形成科研合作的可能性。學(xué)者u和學(xué)者v之間形成科研合作的可能性為

其中，β為權(quán)重參數(shù)。當(dāng)β=0 時(shí)，該模型退化為完全依靠間接社交信任關(guān)系做推薦；當(dāng)β=1 時(shí)，該模型退化為完全依靠研究偏好相似度進(jìn)行推薦。通過(guò)調(diào)節(jié)參數(shù)β取值，可以對(duì)比研究偏好相似度和間接學(xué)術(shù)社交信任在潛在合作者推薦中的作用，參數(shù)β取值通過(guò)實(shí)驗(yàn)確定，詳見(jiàn)3.4.3 節(jié)。

為目標(biāo)學(xué)者test 推薦潛在科研合作者的大致流程如下：

算法1.SimTrustRec 推薦潛在合作者

輸入：論文集合P、學(xué)者集合A、單位集合O、向量維度dim、推薦列表長(zhǎng)度N、參數(shù)α、參數(shù)β、目標(biāo)學(xué)者test。

輸出：TopN潛在科研合作者列表。

算法流程解析具體如下：

（1）依次抽取每篇論文的標(biāo)題和摘要文本，將其拼接在一起，然后進(jìn)行去除停用詞、詞干化處理，得到語(yǔ)料庫(kù)；接著，在語(yǔ)料庫(kù)上執(zhí)行LDA 模型學(xué)習(xí)得到每篇文章的主題概率分布，所有論文的主題概率分布矩陣記為P；

（2）依次獲取每位學(xué)者發(fā)表的論文列表，根據(jù)論文發(fā)表年份調(diào)整論文的權(quán)重，然后根據(jù)公式(1)，對(duì)該學(xué)者發(fā)表的所有論文的主題概率分布進(jìn)行加權(quán)求和并進(jìn)行歸一化處理，得到所有學(xué)者的研究興趣概率分布矩陣A；

（3）根據(jù)公式(3)計(jì)算任意兩個(gè)學(xué)者的研究偏好相似度，得到研究偏好相似度矩陣SIM；

（4）根據(jù)已發(fā)表論文數(shù)據(jù)，統(tǒng)計(jì)學(xué)者間合作次數(shù)、學(xué)者與單位間合作次數(shù)，并構(gòu)建學(xué)術(shù)社交網(wǎng)絡(luò)G(V,E,W)，其中節(jié)點(diǎn)包括學(xué)者和單位，權(quán)重為合作次數(shù)；

（5）依次獲取每位學(xué)者的合作者，根據(jù)公式(4)計(jì)算學(xué)者與合作者之間的直接學(xué)術(shù)社交信任，依次獲取每位學(xué)者的合作單位，根據(jù)公式(5)計(jì)算學(xué)者與合作單位之間的直接學(xué)術(shù)社交信任；

（6）根據(jù)公式(6)計(jì)算每個(gè)學(xué)者與潛在合作者之間的間接學(xué)術(shù)社交信任值，其中潛在合作者為該學(xué)者合作者的合作者或者該學(xué)者合作單位里的學(xué)者；

（7）根據(jù)相似度矩陣獲取與目標(biāo)學(xué)者test 研究偏好最相似的30 個(gè)學(xué)者構(gòu)成候選集C1；

（8）根據(jù)學(xué)術(shù)社交網(wǎng)絡(luò)，獲取與目標(biāo)學(xué)者test存在間接學(xué)術(shù)社交關(guān)系的學(xué)者構(gòu)成候選集C2；

（9）對(duì)候選集C1和候選集C2求并集，得到最終的候選集C；

（10）根據(jù)公式(7)計(jì)算候選集C中的每個(gè)學(xué)者與目標(biāo)學(xué)者test 合作的可能性；

（11）根據(jù)合作可能性對(duì)候選集C中學(xué)者進(jìn)行降序排序，將前N個(gè)學(xué)者作為推薦結(jié)果。

3 實(shí)證分析

3.1 數(shù)據(jù)集介紹與預(yù)處理

ArnetMiner 數(shù)據(jù)集[23]由清華大學(xué)研發(fā)，用于學(xué)術(shù)社會(huì)網(wǎng)絡(luò)分析和挖掘，主要包含文章信息、學(xué)者信息、學(xué)者合作信息以及文章中作者順序信息等。每篇文章記錄包含編號(hào)、標(biāo)題、作者、作者單位、發(fā)表年份、來(lái)源、摘要等，每個(gè)作者記錄包含編號(hào)、姓名、單位等，每條學(xué)者合作信息包含學(xué)者一編號(hào)、學(xué)者二編號(hào)、學(xué)者合作次數(shù)等，每條文章作者署名順序信息包含學(xué)者編號(hào)、文章編號(hào)、學(xué)者署名序號(hào)等。ArnetMiner 數(shù)據(jù)集中每位學(xué)者都有唯一的編號(hào)，在數(shù)據(jù)源頭上解決了重名消歧問(wèn)題。

學(xué)者所在單位信息預(yù)處理。數(shù)據(jù)集中提供了學(xué)者單位信息，但沒(méi)有采用統(tǒng)一的標(biāo)準(zhǔn)進(jìn)行標(biāo)記，導(dǎo)致同一單位可能存在多種表示形式，如部分單位采用縮寫(xiě)、使用不同語(yǔ)言、單位部門(mén)使用不同的順序等。因此，對(duì)學(xué)者單位信息進(jìn)行標(biāo)準(zhǔn)化處理，每個(gè)單位只有一種表示，并將所有的下屬機(jī)構(gòu)統(tǒng)一標(biāo)注為一級(jí)機(jī)構(gòu)，如清華大學(xué)信息科學(xué)技術(shù)學(xué)院、清華大學(xué)智能產(chǎn)業(yè)研究院等統(tǒng)一標(biāo)注為清華大學(xué)。

ArnetMiner 原始數(shù)據(jù)集中論文年份跨度較大，從1936 年到2014 年，早期的論文數(shù)據(jù)非常少，隨著時(shí)間推移，論文數(shù)越來(lái)越多，信息也越來(lái)越完整。本文選取最近的連續(xù)區(qū)間[2000,2013]的數(shù)據(jù)做實(shí)驗(yàn)，為了能更好地刻畫(huà)學(xué)者研究興趣的動(dòng)態(tài)變化，僅保留論文數(shù)超過(guò)10 篇的學(xué)者。為了保證數(shù)據(jù)的相關(guān)性，僅保留文章數(shù)超過(guò)1000 篇的期刊或會(huì)議上的文獻(xiàn)?？紤]到科研合作出成果需較長(zhǎng)的時(shí)間，實(shí)驗(yàn)中以[2000,2010]年的數(shù)據(jù)作為訓(xùn)練集，[2011,2013]年的數(shù)據(jù)作為測(cè)試集。實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)信息如表2 所示。

表2 實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)信息表

3.2 對(duì)比的方法

為了驗(yàn)證本文模型的推薦效果，選取了一些經(jīng)典的相關(guān)模型進(jìn)行實(shí)驗(yàn)對(duì)比，所選方法介紹如下。

（1）AA[24]：該模型是較為經(jīng)典的、基于共同鄰居的鏈路預(yù)測(cè)方法，預(yù)測(cè)兩個(gè)節(jié)點(diǎn)間的鏈接關(guān)系時(shí)，不僅考慮兩個(gè)節(jié)點(diǎn)的共同鄰居數(shù)量，還考慮共同鄰居的度，共同鄰居的度越小，節(jié)點(diǎn)間相似度越大，越有可能形成鏈接。文獻(xiàn)[13]將其運(yùn)用于科研合作者推薦，效果優(yōu)于基于共同鄰居的CN、Jaccard 方法。

（2）MVCWalker[12]：該模型是學(xué)術(shù)合作者推薦中經(jīng)典的基于隨機(jī)游走算法的模型，根據(jù)學(xué)者在論文中的署名順序、學(xué)者間的合作次數(shù)以及最近一次合作時(shí)間3 個(gè)學(xué)術(shù)因子計(jì)算學(xué)者間合作權(quán)重，然后基于合作權(quán)重在合著網(wǎng)絡(luò)上執(zhí)行帶有重啟的隨機(jī)游走算法，預(yù)測(cè)學(xué)者間合作的可能性，從而推薦最有可能合作的學(xué)者。

（3）LINE[25]：該模型是使用較為廣泛的網(wǎng)絡(luò)表示學(xué)習(xí)模型，根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)特征，學(xué)習(xí)節(jié)點(diǎn)的低維稠密向量表示，同時(shí)考慮了節(jié)點(diǎn)間的一階相似度和二階相似度。文獻(xiàn)[14-15]將其運(yùn)用于科研合作預(yù)測(cè)，取得了良好的效果。

（4）SimRec：該模型是本文模型的一部分，在推薦潛在科研合作者時(shí)，僅考慮學(xué)者的研究興趣相似度，在計(jì)算學(xué)者的研究興趣時(shí)，將所有論文同等對(duì)待，未考慮學(xué)者研究興趣動(dòng)態(tài)變化特征。

（5）DynSimRec：該模型是本文模型的一部分，在推薦潛在科研合作者時(shí)，僅考慮學(xué)者的研究興趣相似度，在計(jì)算學(xué)者的研究興趣時(shí)，根據(jù)論文發(fā)表年份對(duì)論文進(jìn)行加權(quán)，考慮了學(xué)者研究興趣動(dòng)態(tài)變化特征。

（6）TrustRec：該模型是本文模型的一部分，在推薦潛在科研合作者時(shí)，僅考慮學(xué)者間的間接學(xué)術(shù)社交關(guān)系。

（7）SimTrustRec：該模型是本文提出的，在推薦潛在科研合作者時(shí)，同時(shí)考慮學(xué)者的動(dòng)態(tài)研究偏好以及學(xué)者間的間接信任關(guān)系。

3.3 評(píng)價(jià)指標(biāo)

推薦系統(tǒng)的評(píng)價(jià)指標(biāo)有很多，如準(zhǔn)確率、命中率、召回率、F1 值、AUC（area under curve）、NDCG（normalized discounted cumulative gain）等，對(duì)于潛在合作者推薦而言，更關(guān)注能否準(zhǔn)確推薦、準(zhǔn)確推薦的學(xué)者在推薦列表中的位置以及準(zhǔn)確推薦的數(shù)量。因此，本文以命中率、平均倒數(shù)排名以及召回率作為評(píng)價(jià)指標(biāo)。

（1）命中率（hit rate，HR）反映的是推薦列表中是否包含符合用戶需求的項(xiàng)目，計(jì)算公式為

其中，|U|表示測(cè)試集中用戶的數(shù)量；hit()函數(shù)表示是否命中，即推薦列表中是否存在真實(shí)合作的學(xué)者，若命中，則取值為1，否則，取值為0。

（2）平均倒數(shù)排名（mean reciprocal bank，MRR）是用于度量搜索和推薦效果的常見(jiàn)指標(biāo)。該指標(biāo)重點(diǎn)關(guān)注符合需求的項(xiàng)目在結(jié)果列表中的位置。計(jì)算公式為

其中，|U|表示測(cè)試集中用戶的數(shù)量；Ranku表示學(xué)者u第一個(gè)真實(shí)合作的學(xué)者在推薦列表中的位置，若推薦列表中不存在真實(shí)合作的學(xué)者，則Ranku為無(wú)窮大，。

（3）召回率（recall）表示推薦列表中真實(shí)合作的學(xué)者數(shù)占所有真實(shí)合作的學(xué)者數(shù)的比例。計(jì)算公式為

其中，RecCoauthoru表示向?qū)W者u推薦的學(xué)者集合；Coauthoru表示學(xué)者u所有真實(shí)合作的學(xué)者集合；|U|表示測(cè)試集中用戶的數(shù)量。

3.4 結(jié)果與分析

為了觀察不同參數(shù)對(duì)推薦結(jié)果的影響，在測(cè)試某一參數(shù)效果時(shí)，固定其他參數(shù)值，默認(rèn)情況下，dim=256，α=0.8，β=0.1。

3.4.1 向量維度dim對(duì)實(shí)驗(yàn)結(jié)果的影響

為了觀察向量維度對(duì)實(shí)驗(yàn)結(jié)果的影響，利用LDA 模型學(xué)習(xí)論文向量表示時(shí)，指定主題數(shù)分別為32、64、128、256、512，實(shí)驗(yàn)結(jié)果如圖3 所示。從圖3 可以觀察到，隨著向量維度的增大，召回率、命中率和MRR 值都是先增大，到達(dá)某一峰值后開(kāi)始減小。這是因?yàn)橹黝}數(shù)較小時(shí)，單個(gè)主題涵蓋范圍較大，主題劃分粒度比較粗，難以區(qū)分同一領(lǐng)域下各細(xì)分領(lǐng)域論文的主題差異；主題數(shù)過(guò)大時(shí)，單個(gè)主題涵蓋范圍較小，主題劃分粒度非常細(xì)，這將導(dǎo)致同一領(lǐng)域的論文因?yàn)楸患?xì)分到不同的子領(lǐng)域而降低了相似度。因此，主題數(shù)不宜過(guò)大或過(guò)小，具體取值與訓(xùn)練的語(yǔ)料庫(kù)有關(guān)，當(dāng)前語(yǔ)料庫(kù)下向量維度值取256 時(shí)效果最好。此外，隨著推薦列表長(zhǎng)度的增加，召回率、命中率、MRR 值也隨之增大，這是因?yàn)殡S著推薦列表的增加，推薦成功的合作者數(shù)量可能會(huì)增多，而真實(shí)合作的學(xué)者數(shù)不變?？紤]到現(xiàn)實(shí)中用戶所能接受的推薦學(xué)者數(shù)有限，推薦學(xué)者數(shù)過(guò)多反而使用戶難以選擇，降低用戶體驗(yàn)；權(quán)衡實(shí)用性和推薦效果，推薦列表長(zhǎng)度取25較為合適。

圖3 向量維度對(duì)推薦效果的影響

3.4.2 參數(shù)α對(duì)實(shí)驗(yàn)結(jié)果的影響

在計(jì)算學(xué)者間的間接學(xué)術(shù)信任時(shí)，主要考慮了學(xué)者的合作者的合作者以及學(xué)者合作單位中的學(xué)者兩種間接社交關(guān)系，并通過(guò)參數(shù)α將二者進(jìn)行融合，參數(shù)α取值范圍為[0,1]。為了觀察參數(shù)α對(duì)實(shí)驗(yàn)結(jié)果的影響，實(shí)驗(yàn)時(shí)設(shè)計(jì)α的值從0 到1 逐步變化，每次增加0.1，實(shí)驗(yàn)結(jié)果如圖4 所示。從圖4 可以觀察到，初始時(shí)隨著參數(shù)α的增大，各項(xiàng)指標(biāo)上的效果都越來(lái)越好，當(dāng)α=0.8 時(shí)，效果達(dá)到最優(yōu)；若繼續(xù)增大α，則各項(xiàng)指標(biāo)都開(kāi)始逐漸降低。對(duì)比α=0 和α=1 時(shí)的效果，顯然α=1 時(shí)效果更好，反映出合作者的合作者關(guān)系比合作單位里的學(xué)者關(guān)系在推薦中作用更大；這也與事實(shí)相吻合，合作者的合作者往往和學(xué)者的研究興趣相關(guān)，而合作單位里的學(xué)者數(shù)量往往較多，涉及多個(gè)學(xué)科領(lǐng)域，可能存在很多研究興趣完全無(wú)關(guān)的學(xué)者。此外，合作單位中的學(xué)者又為目標(biāo)學(xué)者提供了更多的選擇可能，因?yàn)榕c單位存在合作關(guān)系，說(shuō)明該單位里存在一些研究相關(guān)的學(xué)者，而這些學(xué)者可能并不是目標(biāo)學(xué)者合作者的合作者。因此，這兩種間接社交關(guān)系相輔相成，僅依靠某一種間接信任關(guān)系都無(wú)法取得最優(yōu)效果。

圖4 權(quán)重系數(shù)α對(duì)推薦效果的影響

3.4.3 參數(shù)β對(duì)實(shí)驗(yàn)結(jié)果的影響

在計(jì)算學(xué)者間潛在合作可能性時(shí)，通過(guò)參數(shù)β將研究偏好相似度和學(xué)術(shù)社交信任進(jìn)行融合，參數(shù)β作為研究偏好相似度的權(quán)重，取值范圍為[0,1]。為了觀察參數(shù)β對(duì)實(shí)驗(yàn)結(jié)果的影響，實(shí)驗(yàn)中設(shè)計(jì)β的值從0 到1 逐步變化，每次遞增0.1，結(jié)果如圖5所示。從圖5 可以觀察到，當(dāng)β=0.1 時(shí)，各項(xiàng)指標(biāo)效果最優(yōu)。對(duì)比β=0 和β=1 時(shí)的效果，發(fā)現(xiàn)β=0 時(shí)效果更優(yōu)，說(shuō)明推薦潛在合作者時(shí)，學(xué)術(shù)社交信任比研究興趣偏好相似度的作用更大，這表明相對(duì)于研究偏好相似的陌生人而言，人們更傾向于與具有一定社交信任關(guān)系的學(xué)者合作。但僅僅依靠學(xué)術(shù)社交信任也不能取得最優(yōu)效果，這是因?yàn)榇嬖陂g接社交關(guān)系的學(xué)者中，可能有一些學(xué)者與目標(biāo)學(xué)者的研究完全無(wú)關(guān)；同時(shí)，可能忽略因研究興趣相似而合作的情況。因此，在存在一定的學(xué)術(shù)社交信任基礎(chǔ)上，進(jìn)一步考慮學(xué)者間的研究興趣偏好相似度有利于提升推薦效果。

圖5 權(quán)重系數(shù)β對(duì)推薦效果的影響

3.4.4 不同模型推薦效果對(duì)比

將本文提出的SimTrustRec 模型與已有模型進(jìn)行比較，結(jié)果如圖6 所示。從圖6 可以觀察到，基于網(wǎng)絡(luò)結(jié)構(gòu)特征的推薦模型（TrustRec、MVCWalker、AA、LINE）效果顯著優(yōu)于基于研究興趣相似度的模型（SimRec、DynSimRec），考慮學(xué)者動(dòng)態(tài)研究偏好和學(xué)術(shù)社交信任的SimTrustRec 模型效果最優(yōu)。

圖6 不同模型推薦效果對(duì)比

基于研究興趣相似度推薦模型效果不佳的原因可能在于：①越來(lái)越多的科研合作發(fā)生在跨領(lǐng)域?qū)W者間，合作者之間更多的是知識(shí)結(jié)構(gòu)、資源的互補(bǔ)，學(xué)者間的研究興趣偏好相似度較低，若僅依據(jù)研究興趣偏好相似度則無(wú)法推薦這些合作者；②研究興趣非常相似的學(xué)者可能彼此不認(rèn)識(shí)，沒(méi)有合適的途徑深入溝通、交流，或者因?yàn)閷W(xué)術(shù)水平差異、合作意愿等因素約束，最終未能達(dá)成合作；③研究興趣最相似的學(xué)者之間除了合作外，往往還存在競(jìng)爭(zhēng)關(guān)系，這使得部分研究興趣非常相似的學(xué)者間未能形成合作。進(jìn)一步觀察SimRec 模型和DynSimRec 模型效果可知，DynSimRec 模型優(yōu)于SimRec 模型，即考慮學(xué)者研究偏好動(dòng)態(tài)變化特征能夠提升推薦效果。

TrustRec、AA、MVCWalker、LINE 這4 個(gè)模型都是根據(jù)學(xué)術(shù)社交網(wǎng)絡(luò)關(guān)系進(jìn)行推薦的，但采用的方法和考慮的因素不同，整體效果差異不大，TrustRec 模型效果最佳，AA 模型次之，然后是MVCWalker 模型，最后是LINE 模型。LINE 模型學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)特征時(shí)，綜合考慮節(jié)點(diǎn)間的一階相似度和二階相似度，常用于大規(guī)模網(wǎng)絡(luò)的學(xué)習(xí)，而本文學(xué)術(shù)社交網(wǎng)絡(luò)規(guī)模稍小且較為稀疏，可能影響LINE 模型效果。LINE 模型計(jì)算相似度時(shí)只考慮了學(xué)者間的合作次數(shù)，而MVCWalker 模型綜合考慮學(xué)者間的合作次數(shù)、合作時(shí)的署名順序以及最近一次合作的時(shí)間等信息。AA 模型不僅考慮學(xué)者間的共同鄰居而且考慮共同鄰居的度，關(guān)注網(wǎng)絡(luò)局部結(jié)構(gòu)特征，而MVCWalker 模型采用隨機(jī)游走，關(guān)注網(wǎng)絡(luò)全局結(jié)構(gòu)特征，對(duì)于潛在合作者推薦任務(wù)而言，局部結(jié)構(gòu)特征比全局結(jié)構(gòu)特征關(guān)系更緊密。TrustRec模型構(gòu)建學(xué)術(shù)社交網(wǎng)絡(luò)時(shí)，不僅考慮了學(xué)者間的合著關(guān)系，還考慮了學(xué)者與單位間的合作關(guān)系，并限定社交信任傳播路徑長(zhǎng)度為2，即關(guān)注網(wǎng)絡(luò)局部結(jié)構(gòu)特征，因此，TrustRec 模型效果優(yōu)于其他3 個(gè)模型。SimTrustRec 模型在TrustRec 模型基礎(chǔ)上，進(jìn)一步融合了學(xué)者間的研究興趣偏好相似度，從而有效過(guò)濾了雖存在間接學(xué)術(shù)社交關(guān)系，但研究興趣完全不相關(guān)的學(xué)者，同時(shí)可推薦出因相似度較高而合作的學(xué)者，進(jìn)一步提升了推薦效果。

3.4.5 不同模型推薦效果案例分析

為了更好地說(shuō)明不同模型的推薦效果，本文以編號(hào)為327046 的真實(shí)學(xué)者為例，闡述不同推薦模型為其推薦的前10 位合作者列表的差異，各模型推薦結(jié)果如表3 所示。該學(xué)者在測(cè)試集中真實(shí)合作的學(xué)者有5 個(gè)，合作者編號(hào)分別為925896、1364812、1640870、1692703、56889。從表3 可以看出，SimTrustRec 模型推薦效果最好，準(zhǔn)確推薦了3 個(gè)合作者，并且排序相對(duì)靠前；其他模型也能準(zhǔn)確推薦潛在合作者，但準(zhǔn)確推薦的數(shù)量或排序相對(duì)差一些。從研究興趣相似度角度分析，對(duì)學(xué)者與其他未合作過(guò)的學(xué)者的研究興趣相似度進(jìn)行排序，發(fā)現(xiàn)該學(xué)者與真實(shí)合作者的研究相似度排名從高到低分別為3、4、36、357、680，再次驗(yàn)證了前面的結(jié)論：研究興趣最相似的學(xué)者之間不一定會(huì)形成合作，合作的學(xué)者間研究興趣相似度不一定非常高，但相對(duì)近萬(wàn)名候選者而言，這些合作者的研究興趣偏好排名比較靠前。從統(tǒng)計(jì)學(xué)意義上來(lái)說(shuō)，研究興趣相似度高的學(xué)者之間更容易形成合作。從合作網(wǎng)絡(luò)角度分析，在數(shù)據(jù)集中查找學(xué)者與合作者之間的共同合作者、學(xué)者與合作者的單位關(guān)系可知，該學(xué)者與學(xué)者1364812、925896、56889、1692703、1640870的共同合作者數(shù)分別為3、2、2、1、0；學(xué)者327046、925896、1364812、56889擁有共同單位IBM Austin Research Center，學(xué)者1640870 和學(xué)者1692703 擁有共同單位University of California,Los Angeles,USA，且學(xué)者327046 與單位University of California,Los Angeles,USA 之前存在合作關(guān)系?；诰W(wǎng)絡(luò)的模型都能推薦出潛在合作者1364812，但不同模型中該學(xué)者在推薦列表中位置有所不同，這體現(xiàn)出不同模型的差異，相對(duì)來(lái)說(shuō)，TrustRec 模型和AA 模型效果更好。值得注意的是，本案例中DynSimRec 模型效果優(yōu)于大多數(shù)網(wǎng)絡(luò)模型效果，而3.4.4 節(jié)中各模型效果對(duì)比時(shí)，網(wǎng)絡(luò)模型效果均優(yōu)于DynSimRec 模型，這二者并不矛盾，3.4.4節(jié)中是整體效果對(duì)比，是對(duì)所有測(cè)試者取平均值，而本節(jié)是個(gè)體效果對(duì)比，這也說(shuō)明同一模型在不同個(gè)體上的效果會(huì)有所差異。

表3 不同模型推薦潛在合作者效果案例

4 總結(jié)與展望

科研合作預(yù)測(cè)與推薦一直是圖書(shū)情報(bào)領(lǐng)域的研究熱點(diǎn)。已有方法較少考慮學(xué)者研究偏好動(dòng)態(tài)變化以及學(xué)者間的學(xué)術(shù)社交信任關(guān)系。本文提出一種融合學(xué)者動(dòng)態(tài)研究偏好和學(xué)術(shù)社交信任的推薦模型SimTrustRec，利用LDA 模型學(xué)習(xí)論文的主題概率分布，設(shè)計(jì)時(shí)間衰減函數(shù)對(duì)論文向量進(jìn)行加權(quán)，整合學(xué)者已發(fā)表論文數(shù)據(jù)得到學(xué)者研究興趣表示，根據(jù)論文中學(xué)者、單位共現(xiàn)關(guān)系構(gòu)建學(xué)術(shù)社交網(wǎng)絡(luò)，根據(jù)信任的可傳播性和有限傳遞性計(jì)算學(xué)者間的間接學(xué)術(shù)社交信任，最后融合動(dòng)態(tài)研究偏好相似度和學(xué)術(shù)社交信任推薦潛在合作者，通過(guò)實(shí)驗(yàn)確定相關(guān)參數(shù)取值。真實(shí)數(shù)據(jù)集ArnetMiner 上的研究結(jié)果表明：①論文主題數(shù)會(huì)影響最終推薦效果，主題數(shù)不宜過(guò)大或過(guò)小，最佳值與訓(xùn)練的語(yǔ)料庫(kù)有關(guān)；②考慮學(xué)者研究興趣動(dòng)態(tài)變化特征有助于提升推薦效果；③合作者的合作者、合作單位中的學(xué)者兩種間接社交關(guān)系都可用于推薦潛在合作者，合作者的合作者社交關(guān)系作用更大，將二者融合推薦效果更好；④推薦潛在合作者時(shí)，學(xué)術(shù)社交信任比研究興趣相似度作用更大，但各有不足，將二者融合能提升推薦效果；⑤本文提出的模型SimTrustRec 相對(duì)于已有方法在召回率、命中率、平均倒數(shù)排序指標(biāo)上均有一定提升。

本文尚存在不足和需要改進(jìn)的地方。在計(jì)算直接學(xué)術(shù)社交信任時(shí)，僅考慮了合作次數(shù)，未考慮合作時(shí)間與合作論文質(zhì)量的影響。在計(jì)算間接學(xué)術(shù)社交信任時(shí)，僅考慮了合作者的合作者以及合作單位里的學(xué)者兩種關(guān)系，實(shí)際上學(xué)者間還存在很多隱含關(guān)系，如共引關(guān)系、共同參與學(xué)術(shù)會(huì)議等。此外，學(xué)者的學(xué)術(shù)影響力、合作傾向等均有可能影響科研合作，這些是后續(xù)研究的方向。