网络形式背景下的知识流动方法研究

将形式背景与复杂网络分析结合，研究如何从网络节点之间的有向关系出发分析节点内涵属性之间的有向流动趋势。首先，定义知识流动算子和知识流动矩阵，研究有向对象之间的知识流动。其次，定义知识流动网络形式背景和知识流团，进一步研究网络中知识流团的网络特征值，用来描述网络中知识流团的平均影响力和影响力差异。另外，结合引文网络与标准加权直接引用(NWDC)方法构建知识流动矩阵和属性链接值，依次提出知识出入度矩阵构建算法、知识流动矩阵构建算法。针对链接值预测问题提出改进链路预测方法、链接值预测方法，并与6种ML算法结合应用于Web of Science核心期刊库下载的数据集中，结果表明这两种预测方法效果优于链路预测且链接值预测方法效果最好。最后，根据链接值预测方法预测冷热门知识，并由冷热门知识流团的网络特征值对该结果进行验证。