学术社交网络中的权威学者推荐模型

目前,学术社交网络平台存在的信息过载和信息不对称等问题导致学者特别是影响力低的学者很难找到自己感兴趣的内容,同时,学术社交网络中影响力大的学者对学术社区的形成具有一定的促进作用并且对影响力低的学者的科学研究具有一定的导向作用,因此提出一种融合学术社区检测的权威学者推荐模型(ISRMACD)来为学术社交网络中的低影响力学者提供推荐服务。首先,利用影响力大的学者圈作为社区的核心结构对学术社交网络中学者间的关系纽带——好友关系所产生的复杂网络拓扑关系进行学术社区检测;然后,对社区内的学者计算影响力,并实现社区内部的权威学者推荐服务。在学者网数据集上的实验结果表明,该推荐模型在不同的权威学者推荐数量下均取得了较高的推荐质量,并且每次推荐10名权威学者取得的推荐精度最高,达到70%及以上。

我国图书馆学情报学权威学者的h指数及其h_n指数的测定

以CNKI的引文数据为基础,在对我国图书馆学情报学论文作者h指数统计的基础上,用hn指数测定图书馆学情报学的权威学者,并对他们的基本情况、发文情况和被引情况做详细地分析,最后给出研究结果并分析造成hn指数偏差的原因。

从学者自指方法看语用能力的培养及其文化因素

文章是对一系列中国学者自指方式的研究。这些研究的发现主要有两方面:一方面,国际上语言领域的英语母语作者主要用第一人称单数代词"I"来指单个的自己(例如:"I propose that...")。而中国学者在单个自指时却极力避免使用第一人称单数代词,他们更多地使用第一人称复数代词"我们"、第三人称名词短语如"作者"和无生命名词短语如"本文"来指称单个的自己。另一方面,中国的英语学习者在习得自指语用能力时并未呈现稳步前进的态势。他们在步入硕士研究生阶段后,逐渐远离英语的自指方式,越来越向中文中的自指规范靠拢。在博士学位其间,尽管他们对I的使用有所上升,但总体说来,他们的作者自指还是中式的,和英语方式相去甚远。

基于引用评论加权的论文代表作遴选研究

论文代表作的科学遴选是保障代表作评价制度落地的基础工作,对当前“破五唯”的大背景下如何立新标具有重要的理论和方法指导意义。本文首先探析了论文代表作的内涵与遴选视角,在此基础上阐释了遴选模型构建的理论和实践两个思想来源,接着从权威施引者和引用评论等级两个方面综合考量,构建了论文代表作遴选模型。最后,基于物理学领域国家自然科学奖入围项目展开实证研究,结果表明,本文提出的遴选模型是一种典型的“优中选优”模型,能够较为精准地从申请人的众多论文中挑选出代表作。同时,与他引次数和影响因子进行比较分析,进一步证实了本文模型的优越性——更具鉴别力且更稳定。