Jphys Complexity编辑优选:如何预测新旧学者或新旧基金之间的联系?
本篇研究来自西南大学贾韬和南京大学尚可可课题组。该研究利用链路预测技术,首次在时效学术网络中成功预测了新学者与旧学者、新基金与旧基金之间的关系,该发现能够为基金的规范化资助带来新的见解。 文章介绍 Predicting future links with new nodes intemporal academic networks Yijun Ran(冉义军)、Si-Yuan Liu(刘思源)、Xiaoyao Yu(余逍遥)、Ke-Ke Shang(尚可可)、Tao Jia(贾韬) 通讯作者: ■ 贾韬,西南大学计算机与信息科学学院 ■ 冉义军,西南大学计算机与信息科学学院 ■ 尚可可,南京大学计算传播学实验中心 为了有效地预测时效学术网络中新增节点与旧节点之间的联系,该研究采用了节点属性与网络结构联合的预测方法。首先,该研究利用LDA主题模型,将代表节点属性的关键词映射到10个主题维度,并利用余弦相似性计算节点之间的相似性。对于属性缺失的节点,采用该节点所有邻居属性的并集的方式进行补充(图1)。 图1 补充节点属性缺失的方法 其次,为了更好地预测基金网络中的长路径结构(图2),该研究分析了以被预测节点为中心的局部结构,并利用Jensen–Shannon 散度量化了局部结构之间的等价性。最后,将节点属性相似性与结构相似性结合,提出了应对新增节点的时效网络链路预测算法。 图2 基金网络中的长路径结构(三个及以上节点组成的开环结构) 相较于传统的链路预测算法,该算法能够显著地提高时效学术网络中链路的预测准确性。该研究表明越相似的基金越有可能共同资助同一项研究工作,这能够为基金的规范化资助带来新的见解。 研究背景: 随着时间的推移,学术网络中的部分旧学者会逐步停止发表研究、旧的基金会陆续结项;同时,新的学者会不断涌现、新的基金会陆续获批。在此背景下,准确预测旧学者与旧学者、旧学者与新学者、旧基金与旧基金、旧基金与新基金之间的联系,能够帮助我们探究学派的延续、促进基金的高效资助。 作者介绍 贾韬 教授 西南大学 贾韬,西南大学教授,国家人才计划青年项目获得者,本科毕业于南京大学,硕士、博士毕业于美国弗吉尼亚理工大学。以第一作者(兼共同通讯作者)在Nature Human Behaviour、Nature Communications、Physical Review Letters等高水平刊物发表工作。 尚可可 副教授 南京大学 尚可可,南京大学副教授,目前在Physical Review E、EPL、Chaos等经典刊物发表一作兼通讯论文十余篇。 冉义军 西南大学 冉义军,西南大学博士研究生,目前在Expert...