信息资源管理学报 ›› 2018, Vol. 8 ›› Issue (4): 89-97.doi: 10.13365/j.jirm.2018.04.089

• 研究论文 • 上一篇    下一篇

学科合作网络链路预测结果的排序鲁棒性

张斌 李亚婷   

  • 收稿日期:2018-05-28 出版日期:2018-10-26 发布日期:2018-10-26
  • 作者简介:张斌,博士后,研究方向为知识网络、信息资源管理,Email:zb0205@126.com;李亚婷,博士研究生,研究方向为知识网络、信息资源管理。
  • 基金资助:

    本文系国家自然科学基金重点国际(地区)合作研究项目“大数据环境下的知识组织与服务创新研究”(71420107026),国家自然科学基金青年项目“心智空间视角下科学知识生成与演化机理研究”(71704138)和中国博士后科学基金特别资助项目“科研合作网络的演化模型与动力学研究”(2017T100585)的成果之一。

Ranking Robustness of Link Prediction Results in Disciplinary Collaboration Network

Zhang Bin Li Yating   

  • Received:2018-05-28 Online:2018-10-26 Published:2018-10-26

摘要:

在学科合作网络研究中,会根据不同目的采取不同抽取网络的方案,由此带来实验网络结构的改变,会影响到链路预测结果的排序鲁棒性。从CSSCI数据库中选取图书馆情报文献学期刊论文,构建合作网络,根据不同网络抽取方案,构建网络结构扰动的实验环境,通过比较在网络结构发生扰动时,不同预测指标的预测结果和排序情况以及在相同规模下的重叠情况来判断排序鲁棒性的好坏。研究发现,网络结构的扰动对于Katz指标的预测结果影响最小,对Rooted PageRank指标的预测结果影响最大。通过比较在网络结构发生扰动时,不同预测指标的预测效果。研究发现,AA、Katz和SimRank在预测效果方面显得较为稳定,它们受到网络结构扰动的影响相对较小。

关键词: 合作网络, 链路预测, 网络结构, 鲁棒性

Abstract:

In the research of discipline collaboration network, different schemes for extracting networks will be adopted according to different research purposes. The changes of experimental network structure will affect the ranking robustness of link prediction results. This paper selects Library and Information Science from CSSCI database, and constructs the collaboration networks. Then, it builds an experimental environment of network structure perturbation according to different network extraction schemes. By comparing the link prediction results and their ranking, the overlapping degree on the same scale of different link predictors, it analyzes the ranking robustness in the environment of network structure perturbation. The study finds that the perturbation of network structure has the least influence on the prediction results of the Katz index, and has the greatest impact on the prediction results of the Rooted PageRank index. It compares the link prediction effect of different link predictors in the environment of network structure perturbation. The study finds that AA, Katz and SimRank are relatively stable in terms of prediction effects, and they are relatively less affected by network structure perturbation.

Key words: Collaboration network, Link prediction, Network structure, Robustness

中图分类号: