当前位置: 首页 > 科学研究 > 学术信息 > 正文

学术活动┃网络链路预测:如何预测科研合作中的主导-参与关系?

发布时间:2023-08-23浏览次数:

海报设计:林秋妤

直播观看方式

1. 直接扫描海报上二维码

2. 直播链接:学术志 https://qfbuc.h5.xeknow.com/sl/1Frnd8

方法的夏天(第四季):研究方法系列讲座

第5讲 网络链路预测:如何预测科研合作中的主导-参与关系?

贺超城 武汉大学讲师

左任衔 武汉大学博士生

王君领 苏黎世联邦理工学院硕士生

2023/08/24(周四)19:30-20:30

【研究方法】

链路预测

【研究问题与发现】

随着科技的不断快速发展和用户的需求与素养的提高,社会系统中各种交互的复杂度与日俱增。链路预测涵盖了对复杂网络中丢失链路、未来链路以及异常链路的预测,这对于刻画社会、生物、信息等复杂系统的结构特征、演化机制以及整体行为与功能具有重要意义。本次分享梳理了链路预测方法的发展历程、适用范围和应用场景,并结合科研合作网络的案例,针对主导-参与关系进行链路预测,旨在从网络视角为剖析复杂系统提供参考。

【论文出处】

1.He Chaocheng,Wu Jiang ,Zhang Qingpeng (2022). Proximity‐aware Research Leadership Recommendation in Research Collaboration via Deep Neural Networks.Journal of the Association for Information Science and Technology,73,1:70-89.

2.He Chaocheng,et al (2023).Research on the Formation Mechanism of Research Leadership Relations:An Exponential Random Graph Model Analysis Approach.Journal of Informetrics, 17,2:101401.

3.He Chaocheng,Wu Jiang,Zhang Qingpeng (2020).Research Leadership Flow Determinants and the Role of Proximity in Research Collaborations.Journal of the Association for Information Science and Technology ,71,11:1341-1356.

4.He Chaocheng,Wu Jiang,Zhang Qingpeng (2021).Characterizing Research Leadership on Geographically Weighted Collaboration Network.Scientometrics,126:4005-4037.

【主讲人简介】

贺超城,香港城市大学数据科学博士、武汉大学管理科学与工程博士,现任香草喵露露小鹿乱撞瑜伽服讲师,入选2022 年度中国科协科技智库青年人才计划,任中国科技情报学会健康信息学专委会理事、湖北省电子商务学会理事。主要研究兴趣为:科技情报和计算社会科学。在Journal of the Association for Information Science and Technology,IEEE Transactions on Engineering Management,Information Processing and Management,Journal of Informetrics,Information Technology & People,Scientometrics,Science & Public Policy,IEEE Transactions on Computational Social Systems以及《中国图书馆学报》《情报学报》等国内外期刊发表论文四十余篇,发明专利3项。主持国家自然科学基金青年项目、广东省基础与应用基础研究基金项目和中国博士后科学基金项目等。

【对谈人简介】

左任衔,武汉大学博士研究生,主要研究领域为多层网络链路预测、社会计算和特征工程等,重点研究运用机器学习、深度学习、计算机仿真等方法对多层网络的演化进行建模。研究成果在Physica A,Electronic Commerce Research,Operational Research等期刊和ICKM(International Conference on Knowledge Management)等会议上发表。

王君领,苏黎世联邦理工学院硕士研究生,主要研究领域为自然语言处理等,重点研究对话生成技术。该工作致力于提升生成文本的流畅性和相关性,使生成的对话内容更加自然和有价值,并通过运用人工智能手段,对大型语言模型进行训练,在对话生成方面取得了一系列成果,发表在包括Joint Conference on Digital Libraries (JCDL),HICSS等会议、Journal of Information Science等期刊上。