Jphys Complexity编辑优选：如何预测新旧学者或新旧基金之间的联系？

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。

• Journal of Physics: Complexity（Jphys Complexity）是一本开放获取期刊，发表包含物理学及其相关领域的概念和方法的重要研究成果，用于增进我们应对复杂系统和问题的理解，主要涵盖物理学、生物学、化学、环境科学、社会科学、经济学及相关领域。