9+

您当前的位置:首页 >> 基于分段回归的学者学术影响力预测研究

基于分段回归的学者学术影响力预测研究

查看全文 下载全文

摘要:

[目的/意义]本文对学者未来一段时间内的被引总频次进行预测,以期预测学者的学术影响力,较早发现有发展潜力的学者。[方法/过程]考虑到学者的影响力大小不同,本文在传统影响力回归方法上,提出分段回归预测模型。首先,将学者发表的学术论文作为影响力来源,从学术论文中抽取统计类特征、文本内容特征以及网络特征构建特征工程;然后,采用分段回归进行预测,先使用分类方法判断学者论文总被引次数是否为“0”,再使用回归方法预测前一步被引次数为“非0”的学者的具体被引次数。[结果/结论]实验结果表明:融合多种类别特征可以取得更好的分类和回归效果;利用分段回归方法可以取得更好的学者学术影响力预测效果。

作者: 池雪花 章成志
作者单位: 南京理工大学经济管理学院信息管理系,南京 210094
期刊: 文献与数据学报
年.(期):页码 2019.(4):36-45
中图分类号: G35
DOI: 10.31193/SSAP.J.ISSN.2096-6695.2019.04.04
关键词: 学术影响力预测 被引次数 机器学习 分段回归

欢迎阅读《文献与数据学报》!您是该文第3238位读者!