基于网络表示学习训练的学术团队构建方法技术

本发明专利技术公开了一种基于网络表示学习训练的学术团队构建方法，其包括以下步骤，步骤一：读取数据库中学者及其科研数据；步骤二：使用作者主题模型训练得到作者主题概率分布；步骤三：构建初始学术网络；步骤四：基于网络表示学习方法训练得到学者向量；步骤五：基于机器学习聚类方法将学者向量聚类；步骤六：满足预设阈值的簇作为学术团队输出。本发明专利技术的团队构建效率快，构建的团队主题相似度高，可以根据需要，通过改变聚类个数，从而划分粒度不同的社区。

【技术实现步骤摘要】
基于网络表示学习训练的学术团队构建方法
本专利技术属于社会网络分析
，特别是涉及一种基于网络表示学习训练的学术团队构建方法。
技术介绍
随着科学研究的发展，科研学者之间的广泛合作构成了一个复杂的学术网络，学术团队的规模也在扩大，团队成员的关系复杂，深入认识和挖掘学术团队的构成情况，有利于产学研合作中帮助企业快速了解高校学者群体信息，也可以帮助科研管理部门识别科技人才和科研团队，促进学科发展。利用社区发现技术可以完成学术团队划分任务，现有的方法大多都是基于网络拓扑结构信息，主要包括基于聚类的方法、基于模块化的方法、谱聚类和随机分块模型等方法；现有技术中专利申请号为201810851399.2也公开了一种基于学术网络的团队构建方法，这些方法虽然能够进行社区划分，但在学术网络中，节点对应的学者包含着大量文本信息，例如学者的研究方向、论文数据等，仅仅基于网络拓扑结构的划分方法忽略了文本信息，难以保证学者社区的主题内聚性，并且现有社区发现方法无法对划分后的社区规模进行控制，基于模块度优化的划分方法也容易产生未被有效分割、规模非常大的社区。因此，有必要提供一种新的基于网络表示学习训练的学术团队构建方法来解决上述技术问题。
技术实现思路
本专利技术的主要目的在于提供一种基于网络表示学习训练的学术团队构建方法，其团队构建效率快，构建的团队主题相似度高，可以根据需要，通过改变聚类个数，从而划分粒度不同的社区。本专利技术通过如下技术方案实现上述目的：一种基于网络表示学习训练的学术团队构建方法，其包括以下步骤，步骤一：读取数据库中学者及其科研数据；步骤二：使用作者主题模型训练得到作者主题概率分布；步骤三：构建初始学术网络；步骤四：基于网络表示学习方法训练得到学者向量；步骤五：基于机器学习聚类方法将学者向量聚类；步骤六：满足预设阈值的簇作为学术团队输出。与现有技术相比，本专利技术一种基于网络表示学习训练的学术团队构建方法的有益效果在于：在社区发现过程中，不仅考虑了学术网络的物理拓扑结构信息，通过作者主题模型训练获得作者主题概率分布，将学者包含的文本数据融入其中，从而得到了主题内聚性更高的学术团队；另外在基于机器学习聚类方法对学者向量进行聚类时，可以改变聚类个数，从而灵活控制学术团队的数量规模。【附图说明】图1为本专利技术实施例的流程示意图；图2为本专利技术实施例的算法过程示意图；图3为本专利技术实施例中AT模型的示意图；图4为本专利技术实施例利用AT模型生成的作者主题与主题词概率分布的示意图；图5为本专利技术实施例中作者主题概率分布的流程示意图；图6为本专利技术实施例中学术网络示意图。【具体实施方式】实施例：请参照图1，本实施例为基于网络表示学习训练的学术团队构建方法，其包括以下步骤：步骤一：读取数据库中学者及其科研数据；步骤二：使用作者主题模型(author-topic，以下简称AT模型)训练得到学者的主题概率分布；步骤三：构建初始学术网络；步骤四：基于网络表示学习方法训练得到学者向量；步骤五：基于机器学习聚类方法将学者向量聚类；步骤六：满足预设阈值的簇作为学术团队输出。具体的，上述步骤的具体方法如下。步骤一：读取数据库中学者及其科研数据。从学者数据库中读取相关数据，所述相关数据包括：学者信息，包括ID、姓名、学校、学院；论文数据，包括ID、标题、作者、摘要、发表机构；项目数据，包括ID、标题、参与人；专利数据，包括ID、标题、专利技术人、申请机构。其中，学者信息对应学术网络中的节点；论文的作者、项目的参与人、专利的专利技术人用于提取合作数据，即学术网络中的边；论文的摘要用于AT模型训练表征学者的研究主题，可以使得训练学者向量过程中融入文本信息。上述相关数据中的ID是数据库的主键，作用是作为数据项的唯一标识。上述学者数据库可以是现有的数据库如中国知网、万方数据库、国家知识产权局、维普网、百度学术等，也可以是系统预设数据库。具体的，1)学者信息查询示例如下：{'tid':74347,'name':'杜XX','school':'中国农业大学','ins':'信息与电气工程学院'}2)对于每个学者查询其科研数据，包括论文数据、项目数据以及专利数据，示例如下：3)将上述科研数据保存为文档用于后面的运算。具体的可以保存为txt，例如当前目录下【74347.txt】，就是表示ID为74347的学者的论文数据，以下称之为“文档”，专利、项目数据类似上述步骤。各数据的作用示例：1)学者信息对应学术网络中的节点；(2)论文的作者、项目的参与人、专利的专利技术人用于提取合作数据，即学术网络中的边。(3)论文的摘要用于AT模型训练表征学者的研究主题，使用概率分布表示。{'74347-杜XX':[(5,0.8992357556293058),(11,0.099451539260517502)]}其中，‘74347’是学者ID；‘杜XX’是姓名；(5,0.8992357556293058)，表示在第5个主题上概率分布是0.8992；(11,0.099451539260517502)表示在第11个主题上概率分布是0.0995。其他主题上没有概率分布(或极小)，则忽略，学者在所有主题上的概率分布之和为1。这个概率分布可以用于后面计算学者之间的主题相似度。步骤二：使用作者主题模型训练得到学者的主题概率分布。采用AT模型(Author-TopicModel)利用步骤一中的所有论文数据中的论文摘要计算学者的主题概率分布，AT模型的概率模型结构示意图如图3所示，图3中，x表示作者，z为表示主题，θ为Dirichlet分布α生成的作者的主题概率分布，z为表示主题，φ为Dirichlet分布β生成的主题的词语概率分布，A为作者总数，T为主题总数，wd为单词集合，ad为作者集合。AT模型的求解方法为本领域内的现有技术，因此，本实施例不再进行详细描述，在编程计算时直接调用AT模型函数即可，其AT模型运行程序如下：model＝gensim.models.atmodel.AuthorTopicModel(corpus,num_topics＝theme_num,author2doc＝author2doc,id2word＝dictionary)论文数据在计算过程中的存在形式为：C＝{(w1,a1),(w2,a3),……,(wM,aM)}，其中，M为文档总数。在使用AT模型进行计算前，需要对步本文档来自技高网...

【技术保护点】
1.一种基于网络表示学习训练的学术团队构建方法，其特征在于：其包括以下步骤，/n步骤一：读取数据库中学者及其科研数据；/n步骤二：使用作者主题模型训练得到作者主题概率分布；/n步骤三：构建初始学术网络；/n步骤四：基于网络表示学习方法训练得到学者向量；/n步骤五：基于机器学习聚类方法将学者向量聚类；/n步骤六：满足预设阈值的簇作为学术团队输出。/n

【技术特征摘要】
1.一种基于网络表示学习训练的学术团队构建方法，其特征在于：其包括以下步骤，
步骤一：读取数据库中学者及其科研数据；
步骤二：使用作者主题模型训练得到作者主题概率分布；
步骤三：构建初始学术网络；
步骤四：基于网络表示学习方法训练得到学者向量；
步骤五：基于机器学习聚类方法将学者向量聚类；
步骤六：满足预设阈值的簇作为学术团队输出。


2.如权利要求1所述的基于网络表示学习训练的学术团队构建方法，其特征在于：所述步骤一包括从学者数据库中读取相关数据，所述相关数据包括：
学者信息，包括ID、姓名、学校、学院；
论文数据，包括ID、标题、作者、摘要、发表机构；
项目数据，包括ID、标题、参与人；
专利数据，包括ID、标题、发明人、申请机构；
所述ID为数据库中的主键。


3.如权利要求2所述的基于网络表示学习训练的学术团队构建方法，其特征在于：所述步骤二包括以下内容
2-1)读取所述论文数据中摘要文档；
2-2)建立作者与文档映射表；
2-3)文档词袋模型编码转换；
2-4)作者主题模型训练得到作者主题概率分布t。


4.如权利要求3所述的基于网络表示学习训练的学术团队构建方法，其特征在于：所述步骤三包括以下内容：
3-1)建立学术网络中的节点V，每一个节点的数据包括学者ID、姓名、学校、学院、及步骤二得到的作者主题概率；
3-2)建立学术网络中的边E：根据论文的作者、项目的作者、专利的作者提取合作数据，得到学术网络中的边；
3-3)根据点和边的数据，构建初始学术网络G＝(V，E，W)，W表示边的权重，所述权重为学者论文、项目以及专利的合作次数总和。


5.如权利要求4所述的基于网络表示学习训练的学术团队构建方法，其特征在于：所述步骤四包括以下内容：
4-1)计算步骤三所获得的学术网络中各个节点之间的主题相似度；
4-2)采用主题相似度优化的随机游走方式生成节点的近邻序列，得到若干随机游走序列；
4-3)使用随机梯度下降方法对所述随机游走序列进行训练，得到学者向量。


6.如权利要求5所述的基于网络表示学习训练的学术团队构建方法，其特征在于：节点i与节点j之间的主...

【专利技术属性】
技术研发人员：李微，陈瑞，
申请(专利权)人：三螺旋大数据科技昆山有限公司，
类型：发明
国别省市：江苏;32