面向学术社交网络合作者推荐系统的数据集构建：以ResearchGate为例
信息检索
2021-02-19 v3
摘要
合作者发现系统是一类特殊的专家发现模型。合作者推荐研究领域长期面临一个挑战，即缺乏可供研究人员使用的结构化数据集。我们引入两个数据集以填补此空白。第一个数据集用于设计一致性的合作者发现系统。第二个称为共同作者发现模型，将学术社交网络建模为包含用户两两之间不同关系的表。两者均为向彼此引荐潜在合作者提供了可能。这两个模型均提取自ResearchGate（RG）数据集并公开可用。RG数据集收集于2019年1月至2019年4月，包含3980名RG用户的原始数据，涵盖几乎完整的用户信息。在预处理阶段，使用著名的Elmo分析文本数据。我们称之为用于推荐系统的ResearchGate数据集（RGRS）。为评估数据有效性，我们分层单独分析各层数据并报告结果。在准备数据并评估合作者发现模型后，我们对RGRS进行了若干评估，其中包括共同作者、关注-被关注以及问答关系。结果表明，问答关系是网络中知识传播的最佳关系。据我们所知，目前尚无如此规模且经过处理与分析的数据集。
引用
@article{arxiv.2101.01141,
title = {Presenting a Dataset for Collaborator Recommending Systems in Academic Social Network: a Case Study on ReseachGate},
author = {Zahra Roozbahani and Jalal Rezaeenour and Roshan Shahrooei and Hanif Emamgholizadeh},
journal= {arXiv preprint arXiv:2101.01141},
year = {2021}
}
备注
J. of Data, Inf. and Manag. (2021)