[發(fā)明專(zhuān)利]一種科研學(xué)者畫(huà)像的快速表征方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010040201.X
• 申請(qǐng)日: 2020-01-15
• 公開(kāi)（公告）號(hào): CN111241283B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 蔡世民;王銳杰;李健強(qiáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 電子科技大學(xué)
• 主分類(lèi)號(hào): G06N5/025
• 分類(lèi)號(hào): G06N5/025;G06F40/284;G06F40/216;G06F16/35;G06F18/25
• 代理公司: 電子科技大學(xué)專(zhuān)利中心 51203
• 代理人: 陳一鑫

該發(fā)明公開(kāi)了一種科研學(xué)者畫(huà)像的快速表征方法，涉及數(shù)據(jù)挖掘領(lǐng)域。該發(fā)明在數(shù)據(jù)庫(kù)中用多字段聯(lián)合查詢，通過(guò)數(shù)據(jù)融合匹配的方式將多個(gè)分散數(shù)據(jù)集結(jié)合，形成了科研學(xué)者s與摘要文本a之間的一對(duì)多關(guān)系；對(duì)全數(shù)據(jù)集的摘要語(yǔ)料進(jìn)行相應(yīng)的文本向量表示，以此作為表征學(xué)者畫(huà)像維度差異性的關(guān)鍵語(yǔ)料。區(qū)別于過(guò)去基于統(tǒng)計(jì)學(xué)基礎(chǔ)所構(gòu)建的學(xué)者畫(huà)像維度，本發(fā)明利用機(jī)器學(xué)習(xí)方法，在相關(guān)算法的基礎(chǔ)上，對(duì)于所有摘要文本語(yǔ)料進(jìn)行了聚類(lèi)，利用同類(lèi)結(jié)果的相似關(guān)系檢索關(guān)鍵詞字段，經(jīng)統(tǒng)計(jì)排序最終形成畫(huà)像標(biāo)簽的排序向量集合，用于表征科研學(xué)者的研究興趣。同時(shí)，這一排序向量對(duì)于科研學(xué)者的研究領(lǐng)域相似度計(jì)算和社區(qū)劃分等方面都具有應(yīng)用價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘領(lǐng)域，特別是學(xué)術(shù)研究中針對(duì)科研學(xué)者畫(huà)像的快速表征方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，越來(lái)越多的用戶行為和生產(chǎn)行為數(shù)據(jù)被我們所記錄，在商業(yè)、生活和科研領(lǐng)域的數(shù)據(jù)量都呈現(xiàn)出了爆發(fā)式的增加，由此我們迎來(lái)了大數(shù)據(jù)時(shí)代。在大數(shù)據(jù)時(shí)代，用戶的信息在各式各樣的站點(diǎn)和網(wǎng)絡(luò)中出現(xiàn)，用戶畫(huà)像是一種對(duì)目標(biāo)群體進(jìn)行詳細(xì)刻繪、結(jié)合相關(guān)用途進(jìn)行畫(huà)像設(shè)計(jì)，從而利用相應(yīng)的標(biāo)簽信息為群體提供服務(wù)的有效工具。在學(xué)術(shù)大數(shù)據(jù)領(lǐng)域，由于學(xué)術(shù)數(shù)據(jù)的日益完善，對(duì)于科研學(xué)者這一群體的分析挖掘提供了更加豐富的佐證，也為科研學(xué)者畫(huà)像的構(gòu)建提供了新的思路。

學(xué)者的學(xué)術(shù)畫(huà)像有助于對(duì)學(xué)者的研究興趣、社區(qū)劃分和影響力評(píng)估等方面進(jìn)行更準(zhǔn)確的分析，對(duì)于相關(guān)的學(xué)術(shù)推薦和學(xué)術(shù)合作提供重要依據(jù)。由于當(dāng)前學(xué)術(shù)數(shù)據(jù)呈現(xiàn)指數(shù)增長(zhǎng)趨勢(shì)，全球?qū)W術(shù)論文已超過(guò)3億篇，科研學(xué)術(shù)領(lǐng)域的工作者也已達(dá)到1億人，給科研學(xué)者畫(huà)像帶來(lái)了更多的機(jī)遇和挑戰(zhàn)。因此，如果能夠提供一種在大規(guī)模學(xué)術(shù)數(shù)據(jù)集上對(duì)科研學(xué)者的畫(huà)像維度進(jìn)行快速表征的方法，就可以大大減少工作量、并且提高畫(huà)像的多樣性。

近年來(lái)，科研學(xué)者畫(huà)像的研究尚處于起步階段，目前已知的一些畫(huà)像構(gòu)建方法有如下缺點(diǎn)：

數(shù)據(jù)集之間缺乏有效的清洗和融合，在沒(méi)有對(duì)數(shù)據(jù)孤島進(jìn)行有效連通之前，得到的信息往往都以偏概全。因此，采用合理、高效的數(shù)據(jù)融合方法既可以提升數(shù)據(jù)的多樣性，又可以為科研學(xué)者畫(huà)像的準(zhǔn)確性提供保障。

畫(huà)像構(gòu)建使用的標(biāo)簽的種類(lèi)有限。在大量采用直接數(shù)據(jù)的情況下，缺少對(duì)于數(shù)據(jù)文本的二次利用，也缺乏使用自然語(yǔ)言處理等相關(guān)技術(shù)對(duì)于文本進(jìn)行再挖掘，從而提取出間接數(shù)據(jù)。因?yàn)椋谟邢薜奈谋菊Z(yǔ)料中進(jìn)行充分挖掘可以提升數(shù)據(jù)價(jià)值，這對(duì)于畫(huà)像之間的差異性刻畫(huà)尤其重要。

傳統(tǒng)的畫(huà)像構(gòu)建方法大多都從最基本的統(tǒng)計(jì)學(xué)角度進(jìn)行分析。缺乏運(yùn)用當(dāng)前更加合理準(zhǔn)確的人工智能和機(jī)器學(xué)習(xí)領(lǐng)域相關(guān)工具解決問(wèn)題的思考，因此，刻畫(huà)出的畫(huà)像維度不夠鮮明，對(duì)于畫(huà)像模型真正的應(yīng)用場(chǎng)景考慮并不周全，難以進(jìn)行有效的使用。

發(fā)明內(nèi)容

本發(fā)明提供了一種科研學(xué)者畫(huà)像的快速表征方法。充分利用科研學(xué)者所發(fā)表的學(xué)術(shù)論文數(shù)據(jù)，通過(guò)數(shù)據(jù)驅(qū)動(dòng)，發(fā)明一種能夠結(jié)合自然語(yǔ)言處理技術(shù)和機(jī)器學(xué)習(xí)算法的畫(huà)像維度快速表征方法，能夠?qū)蒲袑W(xué)者的研究興趣的維度進(jìn)行快速準(zhǔn)確的刻畫(huà)。除此以外，該方法具有自適應(yīng)性，適用于不同種類(lèi)不同領(lǐng)域的學(xué)術(shù)數(shù)據(jù)集，并且能夠?qū)Υ笠?guī)模數(shù)據(jù)集的進(jìn)行批量處理。

在本發(fā)明中，選取了易取、免費(fèi)的學(xué)術(shù)論文摘要作為主要語(yǔ)料。在學(xué)術(shù)論文的結(jié)構(gòu)中，由于論文的摘要是整個(gè)文章的精簡(jiǎn)說(shuō)明，它用簡(jiǎn)短文字陳述論文內(nèi)容，概況出論文的主要觀點(diǎn)。因此，摘要文本內(nèi)容與難以獲取的全文文本內(nèi)容相比，不僅具有很高的挖掘價(jià)值，而且易于獲取。因此，本發(fā)明提供的方法將重心放在學(xué)術(shù)論文的摘要文本上，利用相關(guān)文本挖掘和向量表征方法，結(jié)合機(jī)器學(xué)習(xí)中的聚類(lèi)算法，形成一種通用數(shù)據(jù)的提取、處理和表征流程，從而提出了一種能夠?qū)蒲袑W(xué)者畫(huà)像維度進(jìn)行快速表征的方法。

本發(fā)明所提出的一種科研學(xué)者畫(huà)像的快速表征方法，包括下列步驟：