基于显性-隐性二元关系的学术社区发现方法研究

本文刊于:《情报科学》 2018年第1期

关键词:
社区发现;显性关系;隐性关系;模块度

Keywords
community detection;explicit relations;tacit relations;modularity
全文下载:需积分1点
摘要
     【目的/意义】针对当前基于合作网络的学术社区识别方法中存在的问题,为了进一步提高学术社区的识别质量,研究学术社区和学术派系的演变规律。【方法/过程】在现有社区识别算法的基础上,提出了基于显性-隐性二元关系的学术社区识别方法,通过对象间的合作关系和研究主题的相似性关系构建二元关系并根据其具体系数分布,将此二元网络切分为强关系、弱关系、中强关系和中弱关系四个子网络,并分别识别其中的学术社区。【结果/结论】通过对比社区发现算法中的模块度判别指标的计算结果,基于该二元关系的学术识别方法在强关系网络中的模块度达0.9922,同时在除弱关系之外的其他子网络中的社区识别结果也优于单一关系的社区识别结果,结果表明该方法在社区识别中是有效的,且效果较好。


本文地址:www.fabiao.net/content-6-7598-1.html

上一篇:科技政策研究机构演进、图景与特征:基于37个机构的分析
下一篇:人口普查覆盖误差估计量研究

分享到: 分享基于显性-隐性二元关系的学术社区发现方法研究到腾讯微博           收藏