[發明專利]一種文獻完成者研究興趣圖聚類方法、裝置、設備及介質有效

申請號：	202310638200.9	申請日：	2023-06-01
公開（公告）號：	CN116561605B	公開（公告）日：	2023-10-24
發明（設計）人：	周朝;林天宇;褚曉泉;段毅成;仇瑜;劉德兵	申請（專利權）人：	北京智譜華章科技有限公司
主分類號：	G06F18/23	分類號：	G06F18/23;G06F18/214;G06F18/22;G06F17/16;G06F17/18
代理公司：	北京佳信天和知識產權代理事務所(普通合伙) 11939	代理人：	田英楠
地址：	100086 北京市海淀***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種文獻完成研究興趣圖聚類方法裝置設備介質
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本申請涉及一種文獻完成者研究興趣圖聚類方法、裝置、設備及介質，屬于大數據技術領域，解決了現有主題挖掘不精準、學者興趣描述模糊的問題。本申請技術方案主要包括：獲取目標完成者的信息，根據所述信息獲取所述目標學者的文獻數據集；根據所述文獻數據集構建文獻網絡圖，所述文獻網絡圖的包括所述文獻數據集中，由各文獻之間的文本相似度和文獻引用數據融合得到的文獻關系指標；對所述文獻網絡圖進行圖聚類分析，以獲得若干研究興趣簇；依據各所述研究興趣簇各自的文獻對各所述研究興趣簇進行主題短語提取，以獲得所述目標完成者的研究興趣畫像。

技術領域

本申請屬于大數據技術領域，具體而言涉及一種文獻完成者研究興趣圖聚類方法、裝置、設備及介質。

背景技術

近年來，隨著科學技術的發展，無論是高校還是科技公司發表學術文獻的數量呈現爆炸式增長。科研人員及相關從業者在面對開放互聯網和各種論文數據庫中大量的科研學者及其科技論文時，無法快速且準確地從海量論文中方便且快捷地定位到所需論文集或者找到具有相同興趣的從業者。而學者研究熱點的標簽來自于學者的自我設定，但是大部分學者的研究興趣沒有被定義，如何利用大數據技術挖掘學者的研究興趣以及自動構建學者畫像是亟待解決的問題。

傳統研究方法主要分為兩種實現思路：一方面是基于統計方法，即通過TF-IDF進行詞頻統計或者使用TextRank等算法抽取關鍵詞，這種方法未充分利用到引文網絡中圖結構信息；另一方面是基于有監督的學習方法預測學者興趣標簽，即使用學者主題（AT）模型或者潛在狄利克雷分配（LAD）模型對學者與主題進行建模，它假設文檔是由一組主題生成的，將主題表示成單詞的特征分布，論文表示為潛在主題的多項概率分布，但是大部分學者并沒有為自己設置研究興趣標簽，如果給未分配標簽的學者進行人工分配標簽不僅會花費大量的人力物力與財力，而且有標簽的學者，其研究方向也會因時間發生變化，從而導致標簽不精確。而且以上兩種思路的本質都是利用了詞與詞、詞與文檔之間的關系。

綜上，傳統方法往往會導致主題挖掘不精準、學者興趣描述模糊等問題。

發明內容

鑒于上述的分析，本發明實施例旨在提供一種文獻完成者研究興趣圖聚類方法、裝置、設備及介質，用以解決現有技術中主題挖掘不精準、學者興趣描述模糊的問題。

本申請第一方面實施例提供一種文獻完成者研究興趣圖聚類方法，包括以下步驟：

獲取目標完成者的信息，根據所述信息獲取所述目標完成者的文獻數據集；

根據所述文獻數據集構建文獻網絡圖，所述文獻網絡圖的包括所述文獻數據集中，由各文獻之間的文本相似度和文獻引用數據融合得到的文獻關系指標；

對所述文獻網絡圖進行圖聚類分析，以獲得若干研究興趣簇；

依據各所述研究興趣簇各自的文獻對各所述研究興趣簇進行主題短語提取，以獲得所述目標完成者的研究興趣畫像。

在一些實施例中，所述目標完成者的信息包括常用名、常用郵箱或者所在機構；

所述根據所述信息獲取所述目標完成者的文獻數據集，包括：

根據所述常用名在文獻數據庫中進行檢索以獲得文獻集S1；

根據所述常用郵箱或者所述所在機構對所述文獻集S1進行篩選以獲得所述文獻數據集，所述文獻數據集包括文獻的基本屬性，所述基本屬性包括文獻標題、摘要、發表地、關鍵詞、引文關系以及合作者姓名與所屬單位中的一種或多種的組合。