基于ORCID和加权跨层边聚类系数的研究者社区发现

在开放学术的环境下,学术交流和科研合作在学术创新与发展中发挥着重要的作用,而帮助研究者找到合适的学术团体是促进研究者寻找科研灵感的重要途径,现有的研究者社区发现多是着眼于科研成果的关联而忽略了研究者自身学术活动产生的关联,因此,本文通过分析研究者自身学术活动信息,使用ORCID (Open Research and Contributor ID,开放研究者与贡献者标识)数据构建学术信息网络,通过综合考虑所有层次数下节点间的相似度来改进跨层边聚类系数,提出一种基于加权跨层边聚类系数的研究者社区发现模型.模型通过构建多种元路径抽取研究者之间的直接关联关系,并根据不同属性关系对网络进行分层,使用加权跨层边聚类系数计算节点间相似度,从而将网络转化为同质网络并结合Louvain算法进行社区划分.本文在人造网络和真实网络中进行实验,根据社区实际情况对结果进行评估,在提高了划分效果的同时避免了参数的不确定性.

基于区块链的持久标识符系统

随着信息产业的发展,数据生产者产生了大量价值数据.为了进行数据共享,赋予数据相应的标识符用于解析数据所在位置,同时为使数据可长期通过标识符访问,还需保证标识符解析服务长期可用,但现有标识符系统多数采用半去中心化结构,由于过于依赖最终解析服务,其中部分系统由于各种原因逐渐丧失解析能力.本文基于区块链系统的分布式账本数据一致性,提出了一种基于区块链的持久标识符系统,在兼容现有标识符系统访问层的基础上,提供存储层以保证标识符解析服务持久性及数据的长期正确保存.基于Handle系统及Hyperledger Fabric的测试结果表明,该系统能够在提供可接受的请求响应速度与存储占用率的前提下,为持久标识符服务提供更好的数据完整性与解析服务长期可用性.