熊回香　唐明月　葉佳鑫等

關(guān)鍵詞： 異質(zhì)信息網(wǎng)絡(luò)； 學(xué)術(shù)信息推薦； Ｎｏｄｅ２ｖｅｃ； 語義相似度

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０５．００３

〔中圖分類號(hào)〕Ｇ２５２.６ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） ０５－００２３－１２

隨著計(jì)算機(jī)的發(fā)展， 以及Ｗｅｂ２ ０ 時(shí)代的到來，互聯(lián)網(wǎng)絡(luò)用戶逐漸從信息接受者轉(zhuǎn)變?yōu)樾畔⒅圃煺吆蛡鞑フ摺?jù)ＣＮＮＩＣ 發(fā)布的第５０ 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示， 截至２０２２ 年６ 月，中國網(wǎng)民數(shù)量已達(dá)１０ ５１ 億， 互聯(lián)網(wǎng)普及率已達(dá)７４.４％［１］ 。在Ｗｅｂ２.０ 模式下， 用戶可以自由、便捷地分享自己的各種觀點(diǎn)， 用戶信息產(chǎn)出的門檻變低， 網(wǎng)絡(luò)信息量因此大幅增長(zhǎng)， 導(dǎo)致用戶在面對(duì)大量信息時(shí)無法從中快速準(zhǔn)確地獲取自身所需信息，對(duì)信息的使用效率反而降低［２］ 。學(xué)術(shù)信息亦是如此， 隨著學(xué)術(shù)研究者以及研究成果的不斷增多， 學(xué)術(shù)資源的爆炸式增長(zhǎng)給學(xué)術(shù)研究者帶來了更大的壓力， 面對(duì)龐大的學(xué)術(shù)信息資源， 學(xué)術(shù)研究者難以從中找到與其相關(guān)的學(xué)術(shù)資源。個(gè)性化推薦是能夠有效處理信息超載問題的方法之一， 學(xué)術(shù)信息的個(gè)性化推薦也逐漸得到了學(xué)者的廣泛關(guān)注。

若要實(shí)現(xiàn)準(zhǔn)確的學(xué)術(shù)信息個(gè)性化推薦， 首先就需要能夠準(zhǔn)確地描述學(xué)者興趣特征。目前， 國內(nèi)外關(guān)于學(xué)者興趣特征表示主要包括基于向量［３－５］ 、基于主題模型［６－７］ 和基于網(wǎng)絡(luò)結(jié)構(gòu)［８－１０］ ３ 種興趣特征表示方法。其中， 基于網(wǎng)絡(luò)結(jié)構(gòu)的興趣特征表示主要是通過網(wǎng)絡(luò)中的節(jié)點(diǎn)來描述用戶的興趣特征， 如用戶—電影網(wǎng)絡(luò)、學(xué)者—關(guān)鍵詞網(wǎng)絡(luò)等， 該類網(wǎng)絡(luò)包含了非常豐富的結(jié)構(gòu)和語義關(guān)系， 而學(xué)術(shù)信息包含了作者、單位、文獻(xiàn)、期刊等多種實(shí)體， 基于學(xué)術(shù)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)者興趣表征方法在一定程度上有助于解決信息推薦過程中論文低產(chǎn)量學(xué)者的數(shù)據(jù)“稀疏性” 問題。鑒于此， 本文基于現(xiàn)有的網(wǎng)絡(luò)表示學(xué)習(xí)方法， 將文獻(xiàn)時(shí)間因子與文獻(xiàn)語義關(guān)系融入學(xué)者—文獻(xiàn)異質(zhì)信息網(wǎng)絡(luò)中進(jìn)行學(xué)術(shù)信息推薦研究。

１相關(guān)研究

目前， 國內(nèi)外關(guān)于學(xué)者興趣特征挖掘研究主要從基于向量、基于主題模型和基于網(wǎng)絡(luò)結(jié)構(gòu)３ 個(gè)方面進(jìn)行學(xué)術(shù)用戶建模， 從而挖掘?qū)W術(shù)用戶的興趣特征。基于向量模型的學(xué)者興趣特征表示是用一系列特征詞向量來代表學(xué)者的興趣， Ｇｕａｎ Ｐ 等［１１］ 使用標(biāo)題、關(guān)鍵詞、摘要和引用等數(shù)據(jù)， 利用ＴＦ－ＩＤＦ對(duì)文獻(xiàn)進(jìn)行建模， 最后利用不同權(quán)值的主題詞向量進(jìn)行用戶興趣表示； 耿立校等［１２］ 使用ＴＦ－ＩＤＦ 技術(shù)和Ｗｏｒｄ２ｖｅｃ 技術(shù)提取文獻(xiàn)特征和用戶興趣中權(quán)重較大的前Ｎ 個(gè)特征詞向量， 根據(jù)特征詞向量和權(quán)重來計(jì)算文獻(xiàn)和用戶的匹配度， 從而實(shí)現(xiàn)文獻(xiàn)推薦。在以主題建模為基礎(chǔ)的興趣挖掘方面， Ｍａｌｈｏ?ｔｒａ Ｒ 等［１３］ 基于ＬＤＡ 主題模型， 依據(jù)相似作者的興趣以及作者自身的長(zhǎng)期和短期興趣， 并利用ＬＳＡ方法計(jì)算興趣的語義相似度， 從而將高相似度的主題推薦給作者， 該研究表明此種類型的融合提高了主題預(yù)測(cè)的準(zhǔn)確性； 尹麗玲等［１４］ 從資源類型、學(xué)科分布、關(guān)鍵詞分布和ＬＤＡ 主題分布４ 個(gè)特征，整合學(xué)術(shù)資源興趣值和質(zhì)量值作為推薦值， 以實(shí)現(xiàn)優(yōu)質(zhì)推薦?；诰W(wǎng)絡(luò)結(jié)構(gòu)的興趣特征表示是通過網(wǎng)絡(luò)中的節(jié)點(diǎn)來描述用戶興趣特征， 網(wǎng)絡(luò)特征學(xué)習(xí)已成為網(wǎng)絡(luò)分析中的重要任務(wù)。網(wǎng)絡(luò)表示學(xué)習(xí)［１５］ 旨在從網(wǎng)絡(luò)中學(xué)習(xí)一系列低維向量， 如網(wǎng)絡(luò)節(jié)點(diǎn)、邊、子圖等， 從而在分類、鏈路預(yù)測(cè)、信息推薦等下游任務(wù)中用于特征表示。Ｐｅｒｏｚｚｉ Ｂ 等［１６］ 首次將深度學(xué)習(xí)與網(wǎng)絡(luò)分析相結(jié)合并提出了ＤｅｅｐＷａｌｋ 算法，該算法利用隨機(jī)游走的方式來對(duì)網(wǎng)絡(luò)進(jìn)行序列化，以及將Ｗｏｒｄ２ｖｅｃ 引入算法中實(shí)現(xiàn)節(jié)點(diǎn)特征表示；Ｎｏｄｅ２ｖｅｃ［１７］ 則是在ＤｅｅｐＷａｌｋ 算法的基礎(chǔ)上對(duì)序列采集策略進(jìn)行優(yōu)化， 引入有偏參數(shù)來引導(dǎo)漫步的下一個(gè)節(jié)點(diǎn)， 該過程包含廣度優(yōu)先與深度優(yōu)先兩種采樣策略， 提高了游走生成路徑的質(zhì)量； Ｍｅｔａ?ｐａｔｈ２Ｖｅｃ［１８］ 算法是基于元路徑來控制隨機(jī)游走的過程， 在此過程中保留了異質(zhì)網(wǎng)絡(luò)中的結(jié)構(gòu)和節(jié)點(diǎn)語義關(guān)系。在現(xiàn)有研究中， 不少學(xué)者利用網(wǎng)絡(luò)表示學(xué)習(xí)進(jìn)行學(xué)術(shù)信息推薦研究， 如朱祥等［１９］ 將學(xué)科異構(gòu)知識(shí)網(wǎng)絡(luò)應(yīng)用于作者—文獻(xiàn)的相關(guān)性研究中，利用元路徑理論和ＤＰＲｅｌ 相關(guān)性算法構(gòu)建作者—文獻(xiàn)相關(guān)性矩陣， 最終依據(jù)該相關(guān)性得到文獻(xiàn)推薦列表； Ｌｉ Ｙ 等［２０］ 綜合考慮論文、地點(diǎn)、作者、術(shù)語和用戶以及這些實(shí)體之間的關(guān)系， 在這些元路徑上應(yīng)用隨機(jī)游動(dòng)來測(cè)量候選論文對(duì)目標(biāo)用戶的推薦分?jǐn)?shù)， 提出基于異構(gòu)網(wǎng)絡(luò)的論文推薦方法， 依據(jù)用戶的歷史偏好實(shí)現(xiàn)有效的論文推薦； 張金柱等［２１］則以學(xué)者合著網(wǎng)絡(luò)為基礎(chǔ)， 利用ＬＩＮＥ 方法進(jìn)行網(wǎng)絡(luò)表示學(xué)習(xí)， 最終通過計(jì)算向量相似度來進(jìn)行科研合作預(yù)測(cè)。

綜上所述， 雖然目前學(xué)術(shù)界對(duì)于學(xué)術(shù)信息推薦的研究已有較大進(jìn)展， 但仍存在以下問題亟待解決： 首先， 現(xiàn)有學(xué)術(shù)信息推薦大多只針對(duì)學(xué)者靜態(tài)興趣， 以學(xué)者動(dòng)態(tài)興趣為基礎(chǔ)的學(xué)術(shù)信息推薦研究較少， 但在現(xiàn)實(shí)情況中， 學(xué)者的研究興趣往往具有階段性的特點(diǎn)， 因?yàn)殡S著時(shí)代不斷發(fā)展， 科學(xué)研究需求也會(huì)相應(yīng)發(fā)生變化， 學(xué)者往往會(huì)根據(jù)時(shí)代背景與研究需求進(jìn)行一系列研究， 所以捕捉學(xué)者動(dòng)態(tài)興趣特征更有利于提高學(xué)術(shù)信息的推薦質(zhì)量， 從而為學(xué)者提供更好的信息服務(wù)； 其次， 從方法的選擇來看， 現(xiàn)有針對(duì)學(xué)者的學(xué)術(shù)信息推薦研究主要利用單一的節(jié)點(diǎn)類型來構(gòu)建網(wǎng)絡(luò)， 無法推薦多粒度的學(xué)術(shù)信息。基于異質(zhì)網(wǎng)絡(luò)的網(wǎng)絡(luò)表示學(xué)習(xí)不僅能極大程度地保留圖結(jié)構(gòu)數(shù)據(jù)節(jié)點(diǎn)的結(jié)構(gòu)和語義信息， 還能在一定程度上解決數(shù)據(jù)稀疏問題， 從而提升對(duì)少產(chǎn)量作者的推薦效果。然而， 現(xiàn)有應(yīng)用于學(xué)術(shù)信息推薦的網(wǎng)絡(luò)表示學(xué)習(xí)主要依賴于網(wǎng)絡(luò)結(jié)構(gòu)信息， 而未考慮節(jié)點(diǎn)的外部語義信息?；诖?， 本文提出了融合加權(quán)異質(zhì)網(wǎng)絡(luò)與網(wǎng)絡(luò)表示學(xué)習(xí)的學(xué)術(shù)信息推薦模型， 以實(shí)現(xiàn)有效的學(xué)術(shù)信息推薦。

２基于加權(quán)異質(zhì)信息網(wǎng)絡(luò)的學(xué)術(shù)信息推薦模型構(gòu)建

該模型綜合考慮了文獻(xiàn)節(jié)點(diǎn)的時(shí)間特征與語義特征來構(gòu)建加權(quán)異質(zhì)網(wǎng)絡(luò)， 其中時(shí)間特征體現(xiàn)了學(xué)者興趣的動(dòng)態(tài)性， 而語義特征則利用了文獻(xiàn)節(jié)點(diǎn)的摘要語義信息幫助建立文獻(xiàn)節(jié)點(diǎn)關(guān)系， 從而可以更好地挖掘潛在的推薦項(xiàng)目。通過該異質(zhì)網(wǎng)絡(luò)節(jié)點(diǎn)表示學(xué)習(xí)， 最終完成了包括學(xué)者和文獻(xiàn)在內(nèi)的學(xué)術(shù)信息資源推薦。本文構(gòu)建的學(xué)術(shù)信息推薦模型如圖１所示， 該模型包含了數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理、異質(zhì)網(wǎng)絡(luò)構(gòu)建、網(wǎng)絡(luò)關(guān)系加權(quán)、節(jié)點(diǎn)向量生成以及推薦模塊五大模塊。首先， 構(gòu)建了包含學(xué)者以及文獻(xiàn)的異質(zhì)信息網(wǎng)絡(luò)； 其次， 根據(jù)文獻(xiàn)發(fā)表時(shí)間計(jì)算時(shí)間因子加權(quán)來反映用戶動(dòng)態(tài)興趣， 同時(shí)利用文獻(xiàn)摘要文本的相似度來進(jìn)行文獻(xiàn)之間的語義加權(quán)； 第三，在該加權(quán)異質(zhì)信息網(wǎng)絡(luò)上進(jìn)行節(jié)點(diǎn)學(xué)習(xí)， 得到每個(gè)節(jié)點(diǎn)的向量表示； 最后， 進(jìn)行余弦相似度計(jì)算得到節(jié)點(diǎn)間的相似度， 并以此作為最終推薦值， 從而得到推薦結(jié)果。

２.１異質(zhì)網(wǎng)絡(luò)構(gòu)建

本研究定義的異質(zhì)社交網(wǎng)絡(luò)包含兩種類型的節(jié)點(diǎn)： 學(xué)者Ｓ（Ｓｃｈｏｌａｒ）和文獻(xiàn)Ｌ（Ｌｉｔｅｒａｔｕｒｅ）， 實(shí)體之間包含兩種類型的關(guān)系， 即邊： ＳＬ（學(xué)者與文獻(xiàn)的關(guān)系）、ＬＬ（文獻(xiàn)與文獻(xiàn)之間的關(guān)系）。若文獻(xiàn)Ｌ 由學(xué)者Ｓ 參與撰寫， 則學(xué)者Ｓ 與文獻(xiàn)Ｌ 存在ＳＬ 關(guān)系；若文獻(xiàn)Ｌ 與文獻(xiàn)Ｌ 具有較高的相似度， 則文獻(xiàn)Ｌ與文獻(xiàn)Ｌ 之間存在ＬＬ 關(guān)系， 得到如圖２ 所示的異質(zhì)網(wǎng)絡(luò)圖。

２.２網(wǎng)絡(luò)關(guān)系加權(quán)

近期發(fā)表的內(nèi)容比早期發(fā)表的內(nèi)容更能體現(xiàn)學(xué)者目前的研究興趣， 其對(duì)于推薦任務(wù)起到了更為重要的作用。所以本文將用戶發(fā)表時(shí)間引入推薦算法中， 通過給近期文獻(xiàn)賦予更高的時(shí)間權(quán)重， 以得到不同時(shí)間段的時(shí)間權(quán)重， 從而更好地表示用戶興趣主題。設(shè)共有Ｍ 位學(xué)者， 學(xué)者ｉ（０＜ｉ≤Ｍ）發(fā)表文獻(xiàn)數(shù)量為Ｎ_ｉ， 時(shí)間權(quán)重函數(shù)［２２］ 如式（１） 所示：

其中， Ａ、Ｂ 代表文本的ＴＦ－ＩＤＦ 向量， 設(shè)向量長(zhǎng)度為ｎ， ａ_ｉ（０＜ｉ≤ｎ）與ｂ_ｉ（０＜ｉ≤ｎ）代表向量Ａ與Ｂ 中的元素。

將構(gòu)建的異質(zhì)信息網(wǎng)絡(luò)進(jìn)行邊加權(quán)后， 得到了一個(gè)包含時(shí)間特征與語義特征的加權(quán)異質(zhì)信息網(wǎng)絡(luò)， 如圖３ 所示。其中Ｓ 代表學(xué)者節(jié)點(diǎn)， Ｌ代表文獻(xiàn)節(jié)點(diǎn)， 二者的節(jié)點(diǎn)集合表示為Ｇ， ｗ_ｉｊ代表節(jié)點(diǎn)ｉ（ｉ∈Ｇ）與節(jié)點(diǎn)ｊ（ｊ∈Ｇ）之間的邊權(quán)值。

２.３節(jié)點(diǎn)向量生成

節(jié)點(diǎn)表示學(xué)習(xí)的特征質(zhì)量由采樣序列的質(zhì)量決定， 本文采用文獻(xiàn)［１７］中的有偏隨機(jī)游走對(duì)異質(zhì)網(wǎng)絡(luò)中的節(jié)點(diǎn)進(jìn)行采樣， 具體采樣過程如下：

τ_ｉｊ＝ｅ^γ（ｔ_０ －ｔ_ｎ） （１）

其中， τ_ｉｊ（０＜ｉ≤Ｍ， ０＜ｊ≤Ｎ_ｉ）是從文獻(xiàn)發(fā)表時(shí)間的角度用來衡量文獻(xiàn)ｊ 對(duì)學(xué)者ｉ 興趣偏好的影響程度參數(shù)， γ 為時(shí)間衰減因子， ｔ_０為學(xué)者ｉ 的文獻(xiàn)ｊ的發(fā)表時(shí)間， ｔ_ｎ為學(xué)者ｉ 最近的研究發(fā)表時(shí)間。由公式可以看出， 當(dāng)文獻(xiàn)發(fā)表時(shí)間與最近一次發(fā)表時(shí)間越近， 時(shí)間權(quán)重系數(shù)越大， 反之越小。

為了將語義信息融入異質(zhì)圖中， 本文將學(xué)術(shù)文獻(xiàn)與學(xué)術(shù)文獻(xiàn)之間的相似性作為異質(zhì)圖中文獻(xiàn)節(jié)點(diǎn)與文獻(xiàn)節(jié)點(diǎn)之間的權(quán)重值， 主要過程為計(jì)算數(shù)據(jù)集內(nèi)所有文獻(xiàn)摘要的相似度， 為了避免摘要中的通用詞匯對(duì)語義加權(quán)造成影響， 將ＴＦ－ＩＤＦ 的閾值設(shè)置為０.１， 若文獻(xiàn)與文獻(xiàn)之間的ＴＦ－ＩＤＦ 相似度小于０.１， 則表明文獻(xiàn)節(jié)點(diǎn)之間語義相似度低， 文獻(xiàn)和文獻(xiàn)之間不存在ＬＬ 關(guān)系。在文本相似度的度量中， 本文使用ＴＦ－ＩＤＦ 進(jìn)行文本向量表示， ＴＦ－ＩＤＦ是一種統(tǒng)計(jì)方法， 用于評(píng)價(jià)一個(gè)單詞在一個(gè)語料庫中的重要性。單詞的重要程度與其出現(xiàn)在文本中的頻次成正比， 但也與其在語料文檔中出現(xiàn)的次數(shù)是反比的關(guān)系， 計(jì)算方法如式（２） 所示。在得到文本ＴＦ－ＩＤＦ 向量后， 利用余弦值代表文本之間的相似度， 如式（３） 所示。

對(duì)網(wǎng)絡(luò)Ｇ中的每一個(gè)節(jié)點(diǎn)進(jìn)行采樣， 捕捉每個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)特征。給定最初始的節(jié)點(diǎn)ｃ_０（ｃ_０∈Ｇ）， 其中Ｇ 的數(shù)量為ｍ＋ｚ， 設(shè)置游走的步長(zhǎng)為ｌ，讓ｃ_ｉ表示隨機(jī)游走中的第ｉ（０≤ｉ≤ｍ ＋ｚ）個(gè)節(jié)點(diǎn)，則在給定的節(jié)點(diǎn)ｃ_ｉ－１中， 下一節(jié)點(diǎn)ｃ_ｉ被訪問的可能性如式（４） 所示。

對(duì)于如何針對(duì)所得的節(jié)點(diǎn)序列進(jìn)行學(xué)習(xí)， 在本研究中， 將概率隨機(jī)游走得到的序列類比作語料庫中的句子， 序列中的節(jié)點(diǎn)類比作句子中的單詞， 游走序列中節(jié)點(diǎn)共現(xiàn)的情況類似于詞匯的共現(xiàn)情況。使用基于Ｓｋｉｐ －ｇｒａｍ 模型學(xué)習(xí)節(jié)點(diǎn)的嵌入表示，Ｓｋｉｐ－ｇｒａｍ 是一種嵌入詞語的方法， 通過學(xué)習(xí)到的節(jié)點(diǎn)表示， 可以計(jì)算每個(gè)節(jié)點(diǎn)之間的相似性。Ｓｋｉｐｇｒａｍ的原理為序列中的中心節(jié)點(diǎn)與周圍的節(jié)點(diǎn)共同出現(xiàn)的概率更大。設(shè)中心節(jié)點(diǎn)ｗ_ｃ在詞典中的索引為ｃ， 上下文詞ｗ_ｏ索引為ｏ， Ｓｋｉｐ－ｇｒａｍ 訓(xùn)練過程中存在兩個(gè)大小為Ｖ ×ｎ 的矩陣， 分別為上下文矩陣與中心詞矩陣， 其中Ｖ 表示詞庫大小， ｎ 表示訓(xùn)練出來詞向量的維度， 每個(gè)詞都被表示成作為序列中的中心節(jié)點(diǎn)時(shí)的向量ｖ 存放在中心詞矩陣中與作為上下節(jié)點(diǎn)的向量ｃ 存放在上下文矩陣中， 給定中心節(jié)點(diǎn)得到上下節(jié)點(diǎn)的條件概率， 如式（６） 所示， 其中ｉ 為節(jié)點(diǎn)在詞典中的索引， ｖ_ｉ是它為中心節(jié)點(diǎn)時(shí)的表示向量， ｕ_ｉ為它是上下節(jié)點(diǎn)時(shí)的表示向量。

最終獲得所有節(jié)點(diǎn)嵌入表示， 即節(jié)點(diǎn)向量表示， 如圖５所示。

２.４學(xué)術(shù)信息推薦

在進(jìn)行網(wǎng)絡(luò)表示學(xué)習(xí)的過程中， 本文將序列中的節(jié)點(diǎn)類比作句子中的單詞， 在進(jìn)行推薦值計(jì)算的過程中， 同樣利用空間向量模型的思想來進(jìn)行節(jié)點(diǎn)相似度計(jì)算。向量空間模型（ＶＳＭ）是Ｓａｌｔｏｎ Ｇ［２３］在１９７０年提出的一種文本代數(shù)模型， 在向量空間中以空間相似性來表達(dá)語義相似， 最常用的是余弦相似性。在獲得所有節(jié)點(diǎn)嵌入表示后， 通過計(jì)算節(jié)點(diǎn)向量之間的余弦相似性來獲取學(xué)術(shù)信息的推薦值， 節(jié)點(diǎn)ｐ_ｉ和ｐ_ｊ的相似度計(jì)算如式（７） 所示。

３實(shí)證及結(jié)果分析

３.１數(shù)據(jù)采集與預(yù)處理

３.１.１數(shù)據(jù)采集

本文主要使用Ｐｙｔｈｏｎ 的工具包Ｓｅｌｅｎｉｕｍ， 并結(jié)合ＣＮＫＩ 的導(dǎo)出文獻(xiàn)功能來進(jìn)行數(shù)據(jù)采集， ＣＮＫＩ自定義的導(dǎo)出文獻(xiàn)字段有文獻(xiàn)標(biāo)題、作者、單位、關(guān)鍵詞、摘要、發(fā)表時(shí)間。以華中師范大學(xué)的研究學(xué)者“熊回香” 為初始學(xué)者， 獲得該學(xué)者在ＣＮＫＩ收錄的所有文獻(xiàn)信息， 再以其合作學(xué)者為查找條件， 獲得其合作學(xué)者在ＣＮＫＩ 上被收錄的文獻(xiàn)信息， 以此反復(fù)３輪， 最終得到學(xué)者１０７７位， 學(xué)術(shù)文獻(xiàn)１８３１篇。去除初始數(shù)據(jù)中重復(fù)的文獻(xiàn)６３２篇后， 得到保留文獻(xiàn)１１９９篇， 如表１所示。

３.１.２數(shù)據(jù)預(yù)處理

首先對(duì)學(xué)位論文、教學(xué)相關(guān)論文和會(huì)議紀(jì)要，如“情報(bào)學(xué)與情報(bào)工作發(fā)展論壇（２０１７）隆重召開并凝聚形成《南京共識(shí)》” “在‘第七屆科學(xué)計(jì)量學(xué)與大學(xué)評(píng)價(jià)國際研討會(huì) 上的致辭”“２０２１ ‘?dāng)?shù)據(jù)分析與應(yīng)急情報(bào) 系列學(xué)術(shù)活動(dòng)紀(jì)要” 等文獻(xiàn)進(jìn)行刪除， 只保留與學(xué)者研究有關(guān)的文獻(xiàn)， 最終得到實(shí)證文獻(xiàn)１１９９篇， 并對(duì)其進(jìn)行編號(hào)。然后， 將學(xué)者—文獻(xiàn)—合作學(xué)者的關(guān)系統(tǒng)一處理為學(xué)者—文獻(xiàn)關(guān)系， 并將日期保留至年份。同時(shí)， 為了方便下一步文獻(xiàn)摘要的向量空間模型計(jì)算， 在數(shù)據(jù)預(yù)處理階段也對(duì)文獻(xiàn)摘要進(jìn)行分詞、去除停用詞等操作，本文主要使用Ｐｙｔｈｏｎ 工具包Ｊｉｅｂａ 的精確分詞模式進(jìn)行分詞， 最終得到的數(shù)據(jù)結(jié)果如表２所示。

３.２異質(zhì)網(wǎng)絡(luò)構(gòu)建與加權(quán)

３.２.１異質(zhì)網(wǎng)絡(luò)構(gòu)建

將表２中的學(xué)者節(jié)點(diǎn)Ｓ與文獻(xiàn)節(jié)點(diǎn)Ｌ進(jìn)行整理， 得到如表３所示的邊列表， 該表可作為后續(xù)關(guān)系加權(quán)的初始表格。

３.２.２時(shí)間因子加權(quán)

式（１） 中的時(shí)間衰減因子γ 是計(jì)算時(shí)間權(quán)重時(shí)的重要參數(shù)， 它是衡量時(shí)間差對(duì)時(shí)間權(quán)重的影響程度， 在式中有著重要的作用。根據(jù)經(jīng)驗(yàn)將γ 值設(shè)定為｛０.１，０.２，０.３，０.４，０.５，０.６，０.７，０.８，０.９，１｝，本文采用數(shù)據(jù)離散度的指標(biāo)———方差， 來進(jìn)行時(shí)間因子γ 的分析。以文獻(xiàn)發(fā)表年份｛２０１１，２０１２，２０１３……２０２１，２０２２｝為例， 得到不同γ 值下的該組數(shù)據(jù)離散程度， 如圖６ 所示。當(dāng)離散程度越大， 隨機(jī)游走概率越大， 即偏向性越強(qiáng)， 也就代表著游走的節(jié)點(diǎn)更能表征學(xué)者當(dāng)前興趣， 所以最終選擇γ ＝０. ４進(jìn)行后續(xù)實(shí)證研究。

利用式（１） 中的時(shí)間加權(quán)函數(shù)， 結(jié)合表２ 中的學(xué)者、文獻(xiàn)與發(fā)表時(shí)間可計(jì)算出每位學(xué)者—文獻(xiàn)的時(shí)間權(quán)重， 如表４ 所示。

３.２.３文獻(xiàn)語義關(guān)系加權(quán)

語義加權(quán)主要關(guān)注文獻(xiàn)摘要與文獻(xiàn)摘要之間的語義相似度， 該相似度即代表文獻(xiàn)—文獻(xiàn)之間的權(quán)重。將上一節(jié)中進(jìn)行分詞后的摘要作為語料庫， 得到每個(gè)詞的ＴＦ－ＩＤＦ值， 然后抽取出每個(gè)文本的ＴＦＩＤＦ向量， 再利用式（３） 計(jì)算得到每一篇文獻(xiàn)與語料庫中文獻(xiàn)的余弦相似度， 得到最終的文獻(xiàn)—文獻(xiàn)相似度結(jié)果， 如表５ 所示。

將學(xué)者—文獻(xiàn)的時(shí)間權(quán)重與文獻(xiàn)—文獻(xiàn)的語義加權(quán)添加在異質(zhì)信息網(wǎng)絡(luò)中， 得到如下包含邊權(quán)值的邊列表， 如表６ 所示， 該表數(shù)據(jù)作為隨機(jī)游走的基礎(chǔ)數(shù)據(jù)。

３.３節(jié)點(diǎn)向量生成

由于在數(shù)據(jù)采集階段， 主要收集了以“熊回香”學(xué)者為初始節(jié)點(diǎn)的數(shù)據(jù)， 從學(xué)者—文獻(xiàn)—學(xué)者， 進(jìn)行了３ 輪采集， 最長(zhǎng)的節(jié)點(diǎn)數(shù)為９， 所以本文將隨機(jī)游走的游走長(zhǎng)度設(shè)置為１０， 即ｗａｌｋ_ｌｅｎｇｔｈ＝１０。在進(jìn)行游走的過程中采用偏深度優(yōu)先的游走來生成序列， 即ｑ＜１、ｐ＞ｍａｘ（ｑ，１）， 經(jīng)過參數(shù)測(cè)試， 令ｑ ＝０.５、ｐ ＝１.１。最終， 進(jìn)行概率隨機(jī)游走所得到的元路徑節(jié)點(diǎn)序列如表７ 所示。

以第一次游走生成的節(jié)點(diǎn)序列為例， ［‘李陽，‘１０２５，‘７２１， ‘１０１４， ‘徐健， ‘７２２，‘１０２１，‘１１３９， ‘王賢文，‘１１４０］， 節(jié)點(diǎn)序列為學(xué)者節(jié)點(diǎn)“李陽”， 學(xué)術(shù)文獻(xiàn)節(jié)點(diǎn)１０２５， 再游走到其高相似度文獻(xiàn)“應(yīng)急專家發(fā)現(xiàn)路徑融合模型探究”， 到“應(yīng)急知識(shí)庫系統(tǒng)構(gòu)建的關(guān)鍵問題與模塊劃分研究”， …， 概率游走到學(xué)者王賢文， 最終到達(dá)文獻(xiàn)節(jié)點(diǎn)“全文引文分析視角下的造假論文學(xué)術(shù)影響研究”。通過對(duì)游走路徑１ 進(jìn)行分析可以發(fā)現(xiàn)， 第５ 個(gè)節(jié)點(diǎn)是從文獻(xiàn)１０１４ 游走到學(xué)者徐健， 文獻(xiàn)１０１４ 與７２１ 主題上雖然都是應(yīng)急決策，但是１０１４ 的主題包含知識(shí)庫系統(tǒng)構(gòu)建， 從１０１４ 到學(xué)者節(jié)點(diǎn)“徐建” 產(chǎn)生了一定的偏差。從上述可以發(fā)現(xiàn)， 路徑長(zhǎng)度大于３ 之后， 其所反映的關(guān)聯(lián)關(guān)系較弱， 所以本文在后續(xù)進(jìn)行節(jié)點(diǎn)采樣的過程中將這一特點(diǎn)納入考慮范圍。

序列生成之后， 將生成的序列當(dāng)作句子輸入Ｓｋｉｐ－ｇｒａｍ 進(jìn)行訓(xùn)練集采集與模型訓(xùn)練。為了簡(jiǎn)化損失函數(shù)的計(jì)算過程， 本文將采用負(fù)采樣的方式進(jìn)行訓(xùn)練集采集。根據(jù)上述對(duì)游走路徑的分析示例，在進(jìn)行訓(xùn)練采樣時(shí)將采樣窗口確定為３。經(jīng)過Ｓｋｉｐｇｒａｍ訓(xùn)練后， 可得到每一個(gè)節(jié)點(diǎn)的向量表示， 如表８所示。

３.４學(xué)術(shù)信息推薦

在本節(jié)中， 以“熊回香” 學(xué)者為推薦目標(biāo)進(jìn)行學(xué)術(shù)信息推薦， 將推薦目標(biāo)節(jié)點(diǎn)向量作為輸入值， 經(jīng)過式（７） 的向量相似度計(jì)算， 可得到目標(biāo)節(jié)點(diǎn)與所有節(jié)點(diǎn)之間的相似度， 然后將相似度高的節(jié)點(diǎn)根據(jù)文獻(xiàn)、學(xué)者兩種類別進(jìn)行分類， 并從中剔除與目標(biāo)學(xué)者直接相關(guān)聯(lián)的文獻(xiàn)以及已合作的學(xué)者。在推薦結(jié)果展示的過程中， 本文將推薦學(xué)者的發(fā)表文獻(xiàn)關(guān)鍵詞與ＣＮＫＩ 中的關(guān)注領(lǐng)域作為該名學(xué)者的關(guān)鍵詞， 即表８ 中的關(guān)鍵詞字段， 同時(shí)以發(fā)表文獻(xiàn)的關(guān)鍵詞作為表９中的關(guān)鍵詞字段， 以便進(jìn)行后續(xù)的結(jié)果分析。由于學(xué)者與文獻(xiàn)之間數(shù)量的差異， 推薦了學(xué)者相似度前８名， 如表９所示； 學(xué)術(shù)文獻(xiàn)相似度前１０名， 如表１０所示。

３.５推薦結(jié)果分析

根據(jù)表９的推薦學(xué)者與表１０推薦的相關(guān)論文，可以發(fā)現(xiàn)本模型取得了良好的推薦結(jié)果。通過檢索目標(biāo)學(xué)者單位的官方網(wǎng)站介紹與其所發(fā)表文章可知， 目標(biāo)學(xué)者熊回香近期研究主要圍繞其課題項(xiàng)目“融合知識(shí)圖譜和深度學(xué)習(xí)的在線學(xué)術(shù)資源挖據(jù)與推薦研究” 開展。而從表９ 中可以發(fā)現(xiàn)， 本模型所推薦的學(xué)者許鑫、范濤、王賢文、張寶隆、鄧三鴻的關(guān)注領(lǐng)域有知識(shí)圖譜、自然語言處理以及數(shù)據(jù)挖掘與深度學(xué)習(xí)領(lǐng)域， 而推薦學(xué)者許鑫、王賢文、鄧衛(wèi)華、楊建林、劉友華均在個(gè)性化推薦、用戶興趣與用戶畫像領(lǐng)域有所涉及。從整體上看， 推薦模型所推薦的學(xué)者與本文目標(biāo)學(xué)者熊回香的現(xiàn)研究方向相同或相似。從表１０ 可知， 為目標(biāo)學(xué)者推薦的文獻(xiàn)有較強(qiáng)的針對(duì)性， 時(shí)間維度上價(jià)值較高， 目標(biāo)學(xué)者的現(xiàn)研究方向大多與“個(gè)性化推薦” 有關(guān)，而推薦文獻(xiàn)均與信息推薦有著較大的關(guān)聯(lián)。

為了評(píng)價(jià)模型的有效性， 本文選取準(zhǔn)確率（Ｐ）、召回率（Ｒ）與Ｆ 值（Ｆ）來評(píng)估推薦模型效果， 評(píng)價(jià)指標(biāo)公式如式（８） ～式（１０）所示。

其中， Ｋ 表示推薦列表長(zhǎng)度， 將推薦成功的資源數(shù)量記作Ｎ_ｒｌ， 推薦資源中符合推薦興趣的資源數(shù)量記作Ｎ_ｌ 。由于本文是基于網(wǎng)絡(luò)表示學(xué)習(xí)的推薦改進(jìn)模型， 故選取基于網(wǎng)絡(luò)表示學(xué)習(xí)［２１］ 的推薦模型進(jìn)行對(duì)比。以ＣＮＫＩ 的作者關(guān)注領(lǐng)域代表作者的興趣特征詞， 若目標(biāo)學(xué)者與推薦學(xué)者之間的特征詞向量相似度大于０.２５， 則說明推薦成功。以目標(biāo)學(xué)者近兩年發(fā)表文獻(xiàn)關(guān)鍵詞作為作者最新興趣特征， 若目標(biāo)學(xué)者最新研究與推薦文獻(xiàn)之間的相似度大于０.２５， 則說明推薦成功。本文從資源列表中隨機(jī)選?。常皸l推薦資源， 以３０條推薦資源中推薦值排名前１５條作為推薦列表， 以此來判斷推薦效果， 結(jié)果如表１１ 所示。由表１１ 可知， 本文模型推薦效果優(yōu)于基于未加權(quán)的網(wǎng)絡(luò)表示學(xué)習(xí)推薦模型。

綜上所述， 本研究提出的推薦方法中推薦學(xué)者與目標(biāo)學(xué)者的研究方向高度匹配， 推薦模型推薦的學(xué)術(shù)文獻(xiàn)與目標(biāo)學(xué)者近期研究興趣相近， 目標(biāo)學(xué)者可以從推薦文獻(xiàn)中得到啟發(fā)， 迅速找到與自己研究方向相近的研究主題。本研究提出的推薦模型輸出的結(jié)果符合目標(biāo)學(xué)者的科研興趣需求， 通過推薦潛在的同方向的研究學(xué)者和研究文獻(xiàn)， 可以為研究者提供更加廣闊的視野來開展研究。

４結(jié)語

本文提出了一種結(jié)合時(shí)間與語義加權(quán)的異質(zhì)網(wǎng)絡(luò)推薦方法， 該方法既考慮了學(xué)者的動(dòng)態(tài)興趣， 又考慮了文獻(xiàn)之間的語義關(guān)系， 很大程度上緩解了推薦過程中的數(shù)據(jù)稀疏問題。在構(gòu)建異質(zhì)網(wǎng)絡(luò)的過程中， 針對(duì)文獻(xiàn)節(jié)點(diǎn)， 利用文本向量空間模型與余弦相似度計(jì)算得到文獻(xiàn)之間的語義相似度， 將該相似度作為異質(zhì)網(wǎng)絡(luò)中的邊權(quán)重， 最終構(gòu)建了包含語義的異質(zhì)網(wǎng)絡(luò)， 從而在此異質(zhì)網(wǎng)絡(luò)上進(jìn)行學(xué)術(shù)信息推薦。通過采集在線學(xué)術(shù)平臺(tái)信息的相關(guān)數(shù)據(jù)， 對(duì)本文提出的推薦方法進(jìn)行實(shí)證研究， 驗(yàn)證結(jié)果表明了該推薦方法的有效性。該推薦方法的意義在于， 在對(duì)學(xué)者進(jìn)行信息推薦的過程中， 首先， 考慮了學(xué)者的動(dòng)態(tài)興趣， 為學(xué)者推薦其當(dāng)前最感興趣的內(nèi)容；其次， 利用到文獻(xiàn)節(jié)點(diǎn)的文本語義信息， 加強(qiáng)了學(xué)術(shù)—文獻(xiàn)異質(zhì)網(wǎng)絡(luò)中節(jié)點(diǎn)表示的強(qiáng)度和效果， 提高了信息推薦的精準(zhǔn)度； 最后， 由于異質(zhì)網(wǎng)絡(luò)存在多種節(jié)點(diǎn)類型， 在推薦過程中可為學(xué)者推薦學(xué)者以及文獻(xiàn)兩類學(xué)術(shù)信息。但本文仍存在一定的局限性，由于實(shí)證研究部分只使用了學(xué)者所發(fā)表的中文文獻(xiàn)， 并未涉及學(xué)者所發(fā)表的外文文獻(xiàn)， 一定程度上降低了推薦的準(zhǔn)確度， 未來研究可考慮加入學(xué)者已發(fā)表的外文文獻(xiàn)， 增加異質(zhì)網(wǎng)絡(luò)的豐富性， 從而提供更為豐富的推薦內(nèi)容。