通过处理出版偏差提高学术网络中的社区检测

在当今快速增长和跨学科的研究背景下，寻找潜在研究合作伙伴是一个具有挑战性的任务。虽然传统方法通常依赖于可观察的关系，如共同作者和引用关系来构建研究网络，但本文仅关注出版内容，使用基于 BERTopic 的主题网络构建方法，并结合微调的 SciBERT 模型，构建基于主题的研究网络，以连接和推荐跨学科领域内的研究者。一个主要挑战是出版不平衡问题，即某些研究者的出版量远高于其他人，甚至在多个主题下。若不加以妥当处理，这些研究者较不频繁的兴趣会被主导性主题掩盖，限制了网络探测其完整研究范围的能力。为克服此问题，我们引入一种克隆策略，对研究者的出版物进行聚类，并将每个聚类视为独立节点。这一方法使研究者能够成为多个社区的成员，从而提高跨学科链接的检测。对本方法的评估表明，克隆后的网络结构导致更有意义的社区，并揭示了更广泛的合作机会。