一種基于集成學習的科研合作者潛力預測分類方法
摘要：科研合作是學術成果非常重要的實現形式,很多高水平的研究成果通過合作實現.研究合作潛力可以為學者選擇合作者提供指導,最大化科研效率.然而當前大數據爆發阻礙了合作者的有效選擇.為了解決這個問題,基于學者文章大數據,經過特征分析和優化,綜合考慮學者的文章、機構、研究興趣等個人屬性和相關屬性,分別從文章標題、文章等級、文章數量、時間及署名序多維度構造樣本特征,以文章所發表的期刊會議等級作為合作者序列對的樣本標簽,表示當前合作者的潛力高低,利用集成方法的強學習特性,提出了基于集成學習分類方法的科研合作者潛力預測模型.分析并構造對應于科研合作者潛力預測問題的特征集后,采用分類方法解決這一問題.實驗中準確率、召回率、F1分數都遠高于傳統機器學習方法,并能以較少的樣本和時間收斂于較高值(80%以上),說明了模型的優越性.
注: 保護知識產權,如需閱讀全文請聯系計算機研究與發展雜志社
相關推薦
更多
