申请/专利权人：中国科学院计算技术研究所

申请日：2021-02-25

公开（公告）日：2023-12-08

公开（公告）号：CN113051454B

主分类号：G06F16/951

分类号：G06F16/951

优先权：

专利状态码：有效-授权

法律状态：2023.12.08#授权;2021.07.16#实质审查的生效;2021.06.29#公开

摘要：本发明提出一种基于学术网络的学者画像方法及系统，包括获取包括多类型节点的异质学术网络，并获取待画像识别学者的语义信息，通过在异质学术网络中选择符合语义信息的元路径，得到元路径集合，并为元路径集合中各元路径分配使用概率；根据学术网络中学者节点的度，得到从学者节点开始随机游走的采样长度，从元路径集合中根据使用概率选取元路径，并以选取的元路径对异质学术网络使用基于回退的随机游走采样，直到随机游走采样得到的节点序列长度达到采样长度，获得节点序列；将节点序列输入到Skip‑gram模型中获得特征向量，将特征向量投影到属性取值的概率空间，以选取概率值最大的属性作为待画像识别学者的画像识别结果。

主权项：1.一种基于学术网络的学者画像方法，其特征在于，包括：步骤1、获取异质学术网络，基于该异质学术网络中节点间关系，选取多条表示不同语义信息的元路径，构成元路径集合，并为元路径集合中各元路径分配使用概率；其中该语义信息为学者共同发表的论文、论文间的引述关系、会议上发表的论文；步骤2、根据学术网络中各节点的度，为各节点分配随机游走的采样长度，从元路径集合中根据该使用概率选取元路径，并以选取的元路径对该异质学术网络使用基于回退的随机游走采样，直到随机游走采样得到的节点序列长度达到该采样长度，获得节点序列；步骤3、将该节点序列输入到Skip-gram模型中获得特征向量，将该特征向量投影到属性取值的概率空间，以选取概率值最大的属性作为学者画像的向量表示。

全文数据：

权利要求：

百度查询： 中国科学院计算技术研究所 基于学术网络的学者画像方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD