学术社交网络中基于熟悉度的协作团队识别
社会与信息网络
2022-04-07 v1
摘要
协作团队是重大科学发现的关键。然而,研究者之间普遍的合作关系使得团队识别日益困难。先前研究表明,人们更可能与熟悉的人合作。本工作中,我们采用熟悉度的定义并提出MOTO(基于熟悉度的协作团队识别算法,faMiliarity-based cOllaborative Team recOgnition algorithm)来识别协作团队。MOTO计算全局协作网络内的最短距离矩阵及每个节点的局部密度。中心团队成员基于局部密度初步识别。随后MOTO利用熟悉度度量与最短距离矩阵识别其余团队成员。我们在大规模数据集上进行了充分实验。实验结果表明,与基线方法相比,MOTO能识别最多数量的团队。与其他方法相比,MOTO识别的团队具有更紧密的团队结构与更低的团队沟通成本。MOTO在团队识别中利用熟悉度来识别凝聚性学术团队。所识别团队符合现实世界协作团队模式。基于MOTO的团队识别,进一步分析了给定时间段内的研究团队结构与绩效。由不同机构成员组成的团队数量逐渐增加。发现此类团队相较于成员来自同一机构的团队表现更好。
引用
@article{arxiv.2204.02667,
title = {Familiarity-based Collaborative Team Recognition in Academic Social Networks},
author = {Shuo Yu and Feng Xia and Chen Zhang and Kathleen Keogh and Honglong Chen},
journal= {arXiv preprint arXiv:2204.02667},
year = {2022}
}