基于SimRank的作者相似度计算_刘萍

情报理论与实践 （ ITA） 欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟
DOI： 10. 16353 / j. cnki. 10007490. 2015. 06. 022
●刘
萍，黄纯万 （ 武汉大学
信息管理学院，湖北
武汉 430072 ）
* 基于 SimＲank 的作者相似度计算
图1
共引、耦合和 SimＲank 相似度 “扩散” 模型比较
体指向。 接下来通过二分图 G，分析共引思想、 耦合思想和 SimＲank 的联系，见图 1 。 传统的共引思想和耦合思想仅 仅基于节点对的共同邻居节点计算节点的相似度，由图 1 （ a） 可以分别推导出基于共引思想的相似度 “扩散 ” 模 型图 1 （ b） 和基于耦合思想的相似度 “扩散 ” 模型图 1 （ c） 。SimＲank 相似度的 “扩散” 是一个递归渗透的过程， 从相似度为 1 （ 节点与自身相似度为 1 ） 的节点对开始， 相似度沿箭头方向在整个网络中扩散，当相似度流入循环 时 （ 如图 1 （ d） 所示） ，节点对之间的相似度相互强化， 直到各个节点对相似度值达到稳定状态 。 SimＲank 通过对 整个网络结构信息的分析，增强了相似度的计算效果 。 在 作者关键词共现网络中大部分的关键词节点 （ 集散节点） 只与少量的作者节点相连，是典型的无标度网络。 基于 SimＲank 思想的相似度计算方法能够较好挖掘网络中大量 存在的集散节点间的相似性，如计算图 1 （ a ） 中集散节 点 v3 和集散节点 v5 之间的相似度。
［11 ］
（ Cocitation） 思想的作者同被引分析，基于耦合 （ Bibliographic Coupling） 思想的作者耦合分析、 作者关键词耦合
本文为国家自然科学基金项目 “面向知识创新的科研组织知识
。 无法识别研究主
题相似使用不同关键词的作者关系 。
*
— —从 社 会 资 本 角 度 ” 的 研 究 成 果 之 一， 项 目 编 社区 挖 掘— 号： 71203164 。
摘 要： 现有的相似度计算方法大都依赖于作者间的直接关联 ， 忽略了间接关联。 文章提出一种新的基于 SimＲank
的作者相似度计算方法 ，充分考虑作者关键词二分图网络的整体结构特性 ，利用图结构相似度算法挖掘出作者间以及词 汇间的潜在关联关系。初步实验表明该方法能够有效地识别作者之间的相似度 ，相比于传统的关键词耦合 ， 该方法可以 明显提高作者相似度计算的准确性 。 关键词： 算法； 链接关系； 作者相似度； SimＲank Abstract： Existing similarity calculation methods mostly depend on the direct correlation between authors as well as ignore the indirect correlation. This paper proposes a new calculation method of author similarity based on SimＲank. The method gives much attention to the overall structure characteristics of the author keyword bipartite graph network，and uses graph structure similarity algorithm to mine the potential relationship between authors and vocabularies. The preliminary experiment demonstrates that the method can effectively identify the similarity between authors，and this method can obviously improve the accuracy of author similarity calculation with the comparison of the traditional keywords coupling. Keywords： algorithm； linking relationships； author similarity； SimＲank 作者相似度计算在学科知识结构探测 分
·第 38 卷 2015 年第 6 期·
— 109 —
实践研究 欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟
SimＲank 能应用于网页排名、 协同过滤、 孤立点检测、 网 络图聚类、近似查询处理等。 靳黛露
［17 ］和关键词相似度矩阵。来自将 SimＲank 应用
［89 ］
从作者共被引的角
。 作者关键词耦
合分析 （ Author Keywords Coupling Analysis， AKCA ） 是通 过关键词间的耦合强度来推理作者间关系 。 AKCA 与作者 合著网络具有相关性，二者都能通过网络结构分析作者间 相似性揭示出潜在合作关系
［10 ］
1
1. 1
{
1 0
a=b a≠ b
（ 1）
按 2. 1 节所述构建作者关键词二分图网络，作者只有 出度没有入度。根据 SimＲank 思想指向相似关键词的作者 是相似的，作者 A i 和 A j 之间的相似度计算见公式 （ 2 ） 。
C S k + 1 （ A i， A j） = | O（ A i） | | O（ A j） | ｝ 1
S k + 1 （ K i， K j） =
2
基于 SimＲank 的作者相似度计算方法
图 2 展示了基于 SimＲank 的作者相似度计算流程 。 首
先是获取数据集，对数据进行预处理，筛选领域核心作者 和关键词。然后根据共现关系构建作者关键词共现网络 。 最后利用 SimＲank 算法计算相似度，得到作者相似度矩阵
［2 ］ ［1 ］
、社 区 划
分析等。 citation Analysis， ACA ） 作者同被引分析 （ Author Co认为两个作者发表的文献被相同文献引用的次数越多，则 二者研究内容越相似。 ACA 吸引了学者广泛关注： 邱均 平
［4 ］
、挖掘潜在合作关系［3］ 等方面有广泛的应用，一直
以来都是图书情报领域的重点研究问题 。 围绕这个问题， 国内外研究人员已经展开了大量的研究工作，提出了许多 计算方法，如作者共被引分析、作者文献耦合分析、 作者 关键词共现分析等。然而现有的作者相似度算法都是通过 作者间的某种直接关联 （ 如引用了相同的文章或标注了 相同的关键词） 来计算作者间的相似度，忽略了作者间 的间接关联。本文提出一种新的基于 SimＲank 的作者相似 度计算方法，充分考虑作者关键词二分图网络的整体结构 特性，利用图结构相似度算法挖掘出作者间以及词汇间的 潜在关联关系。通过选取图书情报领域代表学者作为对象 进行实验，验证该方法能够更准确地识别作者之间的相 似度。
［16 ］
强化，整个二分图中作者间相似度 、关键词间相似度达到 稳定的过程。
3
3. 1
实验
数据预处理与网络构建 本文以 Web of Science 为数据源，选取图书情报学领
图2 基于 SimＲank 的作者相似度计算流程
作者关键词共现网络 作者关键词共现网络能够直观揭示领域作者研究内容
之间的联系，客观反映作者研究方向和兴趣 。 数据预处理 得到 n 位作者所使用的 m 个关 键词。 以 作 者 和 关 键 词 为 节 点，节点集合 V = V A ∪ V K ，其 中 V A 为 作 者 集 合 V A = ｛ A1 ， A2 ，A3 ，…， A n ｝ ， V K 为 关 键 词 集 合 V K = ｛ k1 ， k2 ， k3 ， …， k m ｝ 。 通过共现关系构建 边，若作 者 A i 使 用 关 键 词 k j 的频次为 ω，则对应边的权重 为 ω A i， K j = ω。 作者关键词共现 网络为 如 图 1 （ a ） 所 示 的 二
式中，I（ K i ） 表示关键词节点 K i 的入链邻居节点集合， 即使用关键词 K i 的作者集合； I s （ K i ） 表示集合 I （ K i ） 的 一个元素 （ 一位作者） 。公式 （ 2 ） 和公式 （ 3 ） 中常数 C 为相似度 “扩散 ” 衰减系数。 如图 1 （ b ） 所示在相似度 “扩散” 过程中，加入衰减系数 C，0 ＜ C ＜ 1 ， S （ V3 ， V4 ） = C* S （ V1 ，V1 ） 。系数 C 的取值会影响作者间相似度计 算结果和关键词相似度计算结果 。 大体上， C 的取值越大 网络中节点间相似度均值越大
、朱学芳［5］ 对作者同被引的可视化方面进行了研究；
［7 ］
C. H. Hsiao［6］ 将 ACA 应 用 于 探 测 技 术 接 受 模 型 （ TAM ） 研究的知识结构和主要趋势； 胡吉明 度分析了我国信息服务研究 。 作者耦合 （ Author Coupling，AC） 的思想是两个作者 引用相同文献的次数越多，则他们的研究方向越相似 。 作 者耦合可以用来研究文献作者之间的研究兴趣 、 探测知识 结构，是作者同被引分析的有益补充
{
C | I （ K i） | | I （ K j） | 1
| I （ K i） | | I （ K j） |
I（K）） ∑ ∑S （I（K），
k s i t j s =1 t =1
i≠j i=j
（ 3）
— 110 —
·第 38 卷 2015 年第 6 期·
情报理论与实践 （ ITA） 欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟