利用二部图中的链路预测生成假设
信息检索
2017-12-27 v2
摘要
海量的科学出版物中可能蕴含可用于提出新研究课题的隐藏知识。我们提出了一种自动方法，利用大量物理学期刊出版物来生成物理学领域的研究假设。我们将出版物中标题和摘要部分的文本数据转换为二部图，提取由化学元素组成的物理物质词汇，并提取论文中的相关关键词。所提出的方法基于协同过滤和物质流行度，预测物质节点与关键词节点之间新链路的形成。链路的形成代表了研究假设，因为它提出了物理物质与物理性质或现象关键词之间新的可能关系。在包含特定关键词（如“反铁磁性”或“超导性”）的整个二部图和子图中，所提出的方法在链路预测上的性能均优于现有方法。
引用
@article{arxiv.1708.04725,
title = {Hypotheses generation using link prediction in a bipartite graph},
author = {Jung-Hun Kim and Aviv Segev},
journal= {arXiv preprint arXiv:1708.04725},
year = {2017}
}