基于神经网络的师生关系挖掘算法

为提高导师—学生关系挖掘精度,改善传统判别算法准确率,提出一种基于神经网络的导师—学生关系判定算法。通过神经网络中BP算法对导师—学生关系所依赖参数进行权重计算,加入判别函数计算相应论文作者分数,再根据关系判别函数判断两者关系。对2000组数据的实验结果表明,基于神经网络与论文的导师—学生关系挖掘算法能够准确挖掘出导师—学生之间的关系,比传统启发式规则的准确率高出8%左右。

基于权威度的指导者挖掘与个性化推荐方法

在学术搜索引擎Arnetminer提供的数据中,对师生关系进行了挖掘,并在此基础上,结合用户信息,进行个性化的指导者推荐。计算出指导者的权威度和申请者的申请成功率。针对这两方面的内容,分别基于排序支持向量机模型和概率模型设计了基于权威度的推荐模型和基于个性化的推荐模型。研究成果成功应用于Arnetminer系统中,并可实时收集用户反馈信息以提高师生关系挖掘的准确率和推荐模型质量。