在作者合作网络中学习声誉
社会与信息网络
2013-11-26 v1 信息检索
机器学习
机器学习
摘要
在特定学术领域搜索专家的问题在工业界和学术界都至关重要。我们利用作者及其出版物数据库专门研究了这一问题。其思路是利用潜在语义索引 (LSI) 和潜在狄利克雷分配 (LDA) 进行主题建模，以找出在查询领域工作过的作者。随后，我们构建合作者图谱，并论证使用影响力最大化及各种图中心性指标来获取排名专家列表的合理性。基于马尔可夫链的排名聚合方法进一步改进了这些排名列表。完整的方法易于扩展至大规模数据集。为证明该方法的有效性，我们报告了使用 Arnetminer 数据集进行的大量计算模拟结果。结果显示，与仅使用主题模型找到的作者顺序这一基线情况相比，平均精度均值有所提高。
引用
@article{arxiv.1311.6334,
title = {Learning Reputation in an Authorship Network},
author = {Charanpal Dhanjal and Stéphan Clémençon},
journal= {arXiv preprint arXiv:1311.6334},
year = {2013}
}