[发明专利]一种面向学术合作网络的社区检测方法和装置

说明书

本发明属于社会网络分析技术领域，具体涉及一种面向学术合作网络的社区检测方法和装置。本发明一种面向学术合作网络的社区检测方法具体步骤为：获取学者发表论文的数据，对数据进行预处理，计算出每两个学者之间的合作次数；构建邻接矩阵与学术合作网络；搜索社区中心学者；分配非中心学者；输出社区检测结果。本发明一种面向学术合作网络的社区检测装置包括处理器、缓存、通信接口和储存介质通过总线连接。且处理器包括：获取数据模块，邻接矩阵构建模块，搜索社区中心学者模块，分配非中心学者模块，和输出检测结果模块构成。本发明有效提高了学术合作以及学术社区检测的精度和检测效率。

技术领域

本发明属于社会网络分析技术领域，具体涉及一种面向学术合作网络的社区检测方法和装置。

背景技术

在知识经济时代，学者在科技创新方面扮演着重要角色，而科研合作有利于知识的共享，学者在将自己的知识和经验共享的同时，也有可能给彼此带来创作的灵感，因此科研合作对于技术创新有重要的作用。随着越来越多的学者在各个领域开展了大量的合作，学术合作网络变得更加庞大与复杂，其中蕴含着大量有价值的信息。通常将由学者论文合作关系数据构建的学术合作网络建模为复杂网络，其中将学者抽象为网络节点，将学者之间的合作关系抽象为节点之间的连边。社区结构作为一种数据组织形式广泛存在于各种复杂网络中，如：在学术合作网络中具有共同研究兴趣的学者往往形成同一社区，而社区中心是该领域的一些权威专家。对学术合作网络进行社区结构挖掘，可以获取个人、机构以及地区之间的科研合作与学术交流水平，也可以获取该网络中学者合作的紧密程度与合作模式以及各个学科发展趋势，这样不仅有利于学者找到合适的合作对象，同时也能反映特定领域的热点问题和科研合作质量，能帮助学者了解所在学科。

传统的社区检测方法认为每个学者只能归属于一个学术团体。随着研究的深入，人们发现存在一个学者同时参与多个学术团体的情况，即社区结构表现出重叠特性。除此之外，学术合作网络含有丰富的属性信息，社区的形成除了与节点间拓扑结构相关外，还受到节点的属性信息的影响，如：具有共同研究兴趣的学者往往构成同一社区。然而传统的社区检测方法仅依赖拓扑关系进行社区结构的检测，忽略了节点的属性信息在社区形成中的作用。有的方法虽然考虑到了节点的属性信息，也是独立运用拓扑结构和节点属性两类信息进行社区检测，忽略了两类信息在网络社区形成过程中的共同作用。这都导致了社区检测结果可靠性不高。

发明内容

针对检测结果准确度差，效率低等问题本发明提供了一种面向学术合作网络的社区检测方法和装置。

为了达到上述目的，本发明采用了下列技术方案：

一种面向学术合作网络的社区检测方法，包括以下步骤:

步骤1，获取数据；

步骤2，构建邻接矩阵与学术合作网络；

步骤3，搜索社区中心学者；

步骤4，分配非中心学者；

步骤5，输出社区检测结果。

进一步地，所述步骤1中获取数据的具体操作为：

获取学者发表论文的数据，对数据进行预处理，计算出每两个学者之间的合作次数。学者之间的合作次数越多，表明两个学者的研究课题越相似，通过分析所有学者的合作关系及合作次数，可以让学者很容易找到跟他研究领域相同的其他学者，为学者提供了合适的合作对象。

所述预处理的具体操作是将学者发表论文的数据进行合作关系的匹配；

所述学者发表论文的数据包括作者、题目、摘要、关键字和项目资助信息。

再进一步地，所述步骤2中构建邻接矩阵与学术合作网络的具体操作为：

依据学者间的合作关系建立学术合作网络的邻接矩阵：