李愛濤 崔煥慶

摘要：為提高導(dǎo)師一學(xué)生關(guān)系挖掘精度，改善傳統(tǒng)判別算法準(zhǔn)確率，提出一種基于神經(jīng)網(wǎng)絡(luò)的導(dǎo)師一學(xué)生關(guān)系判定算法。通過神經(jīng)網(wǎng)絡(luò)中BP算法對導(dǎo)師一學(xué)生關(guān)系所依賴參數(shù)進(jìn)行權(quán)重計算，加入判別函數(shù)計算相應(yīng)論文作者分?jǐn)?shù)，再根據(jù)關(guān)系判別函數(shù)判斷兩者關(guān)系。對2 000組數(shù)據(jù)的實驗結(jié)果表明，基于神經(jīng)網(wǎng)絡(luò)與論文的導(dǎo)師一學(xué)生關(guān)系挖掘算法能夠準(zhǔn)確挖掘出導(dǎo)師一學(xué)生之間的關(guān)系，比傳統(tǒng)啟發(fā)式規(guī)則的準(zhǔn)確率高出8%左右。

關(guān)鍵詞：師生關(guān)系挖掘;神經(jīng)網(wǎng)絡(luò);BP算法;知識圖譜

DOI： 10. 11907/rjdk.191876

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP312

文獻(xiàn)標(biāo)識碼：A

文章編號：1672-7800（2020）001-0095-04

0 引言

隨著社交媒體的普及[1]，人們的日常生活已與網(wǎng)絡(luò)信息空間成功連接[2]，每個人都在某些領(lǐng)域與其他人存在明確的關(guān)系并相互聯(lián)系、相互影響。近年來，對這些關(guān)系的挖掘逐漸成為一大熱門[3]。不同類型的社會關(guān)系實質(zhì)上潛移默化地影響著人們生活的不同方面。例如，碩士研究生在讀期間的研究領(lǐng)域很大程度上受其導(dǎo)師影響。

如圖1所示，利用導(dǎo)師一學(xué)生關(guān)系構(gòu)建相應(yīng)社會網(wǎng)絡(luò)關(guān)系[4]。學(xué)生的研究方向受導(dǎo)師影響很大，不同學(xué)術(shù)水平的導(dǎo)師對學(xué)生的影響差異也非常大[5]，而導(dǎo)師和學(xué)生之間的關(guān)系就隱藏于學(xué)術(shù)大數(shù)據(jù)中[6]。出版物包含豐富的作者信息，包括論文題目、出版年份、出版單位等?？梢酝ㄟ^識別出版物中隱藏的這些信息，挖掘研究人員的學(xué)術(shù)合作關(guān)系[7]。因此，從出版物網(wǎng)絡(luò)中確定導(dǎo)師一學(xué)生關(guān)系非常重要。

1 相關(guān)工作

在挖掘?qū)熞粚W(xué)生合作關(guān)系與其他合作者關(guān)系的過程中面臨著一些挑戰(zhàn)。

（1）時間重要性。在導(dǎo)師一學(xué)生關(guān)系中，影響因素最大的就是時間。導(dǎo)師首次發(fā)表文獻(xiàn)的時間一般遠(yuǎn)遠(yuǎn)早于學(xué)生首次發(fā)表文獻(xiàn)的時間。再者，當(dāng)一名研究生入學(xué)加入導(dǎo)師所在的科研團(tuán)隊時，他們之間會建立一種導(dǎo)師一學(xué)生關(guān)系，但學(xué)生畢業(yè)后，該種聯(lián)系又會變得逐漸松散。

（2）關(guān)系兼具。在數(shù)據(jù)中存在學(xué)生畢業(yè)后留校擔(dān)任導(dǎo)師的情況，此時他/她與自己的導(dǎo)師既是合作關(guān)系，又存在導(dǎo)師一學(xué)生關(guān)系，本文將這種情況統(tǒng)一定為合作者關(guān)系。

（3）信息隱晦。在導(dǎo)師一學(xué)生、合作者關(guān)系出版刊物[8]中，只有期刊名稱、論文題目、作者姓名、出版年份和署名單位等信息，沒有明顯標(biāo)識其合作關(guān)系相關(guān)信息。

在大數(shù)據(jù)時代，基于深度學(xué)習(xí)的挖掘越來越受到學(xué)術(shù)界和工業(yè)界的關(guān)注[9-10]。文獻(xiàn)[11]提出了關(guān)系學(xué)習(xí)，它采用基于網(wǎng)絡(luò)連通性的集體推理進(jìn)行預(yù)測，提取基于網(wǎng)絡(luò)信息的潛在社會維度，并利用它們作為判別性學(xué)習(xí)特征，用來解決數(shù)據(jù)實例之間的相互依賴性;文獻(xiàn)[12]提出了一種聚類算法，利用異構(gòu)實體自身的屬性值和異構(gòu)信息網(wǎng)絡(luò)¨副的結(jié)構(gòu)（路徑）信息進(jìn)行關(guān)系挖掘;文獻(xiàn)[14]提出了一種新穎的協(xié)同過濾方法，用于預(yù)測網(wǎng)絡(luò)（或圖形）中具有拓?fù)浜凸?jié)點特征的未觀察到的鏈路。這種方法通過引入伯努利分布模型作為數(shù)據(jù)采樣掩模，改進(jìn)基于壓縮感知的矩陣完成方法，作出更好的鏈接預(yù)測。文獻(xiàn)[15]提出了一種部分標(biāo)記成對因子圖模型[16]和半監(jiān)督框架，通過跨異構(gòu)網(wǎng)絡(luò)學(xué)習(xí)進(jìn)行社會關(guān)系類型的分類;文獻(xiàn)[17]提出了一個時間約束的概率因子圖模型，將研究出版物網(wǎng)絡(luò)作為輸入，使用聯(lián)合可能性目標(biāo)函數(shù)對導(dǎo)師一學(xué)生關(guān)系挖掘問題進(jìn)行建模，設(shè)計了一種有效的學(xué)習(xí)算法以優(yōu)化目標(biāo)函數(shù)，提高了準(zhǔn)確率。

基于以上背景，本文提出一種新的導(dǎo)師一學(xué)生關(guān)系挖掘算法。算法主要思想是對影響導(dǎo)師一學(xué)生的關(guān)鍵參數(shù)進(jìn)行提取，利用BP（Back Propagation，誤差逆?zhèn)鞑ィ┥窠?jīng)網(wǎng)絡(luò)確定影響因素的權(quán)重值，再通過權(quán)重值計算每位作者的量化結(jié)果，最后對可能存在導(dǎo)師一學(xué)生關(guān)系的兩位作者的量化值進(jìn)行二次計算后判定其合作關(guān)系。

2 定義及算法實現(xiàn)

為了達(dá)到預(yù)期效果，需要先對數(shù)據(jù)進(jìn)行清理和屬性提取，共提取如下信息：論文題目、刊物名稱、論文作者名單及出版日期。

BP算法通過迭代處理訓(xùn)練集。對比經(jīng)過神經(jīng)網(wǎng)絡(luò)計算后輸人層預(yù)測值與真實值之間的誤差，通過反向法（從輸出層到隱藏層再到輸入層）實現(xiàn)誤差最小化，從而實現(xiàn)權(quán)重更新，其中隱含層節(jié)點數(shù)是一個非常重要的參數(shù)，它的設(shè)置對BP神經(jīng)網(wǎng)絡(luò)的性能影響很大[18]。

首先對各項數(shù)據(jù)進(jìn)行編號，并作歸一化處理。采用min-max方法將數(shù)據(jù)歸一到[0，1]，如式（1）。

隨機選取100組訓(xùn)練集進(jìn)行參數(shù)訓(xùn)練，將其轉(zhuǎn)換成機器可識別的矩陣形式從輸入層輸入，然后逐層傳遞到隱藏層和輸出層的神經(jīng)元中。本文隱藏層使用ReLu激勵函數(shù)[19]，輸出層使用Sigmoid激勵函數(shù)。原因在于ReLu激勵函數(shù)的梯度值大多數(shù)情況下是常數(shù)，有助于解決深層網(wǎng)絡(luò)的收斂問題，相比Sigmoid和Tanh更符合生物神經(jīng)元的特征;Sigmoid全程可導(dǎo)，且表達(dá)區(qū)間是[0，1]。ReLu與Sig-moid函數(shù)如下：

通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的結(jié)果只是各神經(jīng)網(wǎng)絡(luò)神經(jīng)元之間的關(guān)系[20]，需要對各神經(jīng)元之間的權(quán)重通過相關(guān)顯著性系數(shù)、相關(guān)指數(shù)和絕對影響系數(shù)加以處理，函數(shù)分別如式（4）-式（6）所示。

相關(guān)顯著系數(shù)：

上述3個相關(guān)系數(shù)中絕對影響系數(shù)S即為所求權(quán)重。運用上式得出各指標(biāo)權(quán)重。對數(shù)據(jù)進(jìn)行分析可知，作者首次發(fā)表論文的時間在導(dǎo)師一學(xué)生關(guān)系中影響因子最大。通過訓(xùn)練后，它獲得最大權(quán)重0.42，作者發(fā)表論文數(shù)量與合作數(shù)量影響較小，因此它們獲得的權(quán)重分別為0.35和0.22。

權(quán)重賦值完成后，通過個人得分函數(shù)進(jìn)行個人分?jǐn)?shù)計算：

3 實驗及結(jié)果分析

從百度文庫中抓取2 000組測試數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行清洗。實驗所用計算機CPU為Intel⑩Core TMi7-6500U.內(nèi)存為4GB，操作系統(tǒng)為Windows 10，算法采用Python和Java語言編寫，實驗環(huán)境為TensorFlow CPU版本、IntelliJIDEA 2018社區(qū)版。

通過實驗，當(dāng)兩位作者之間的關(guān)系得分在70-99時，認(rèn)為他們之間為導(dǎo)師一學(xué)生關(guān)系且作者1是作者2的導(dǎo)師，反之若兩位作者之間的得分為-30--1，認(rèn)為作者2是作者1的導(dǎo)師，論文采用精確率衡量實驗結(jié)果，定義如下：

其中，TP表示把正類預(yù)測為正類、FP表示表示把負(fù)類預(yù)測為正類。

實驗結(jié)果如表2所示。

4 結(jié)語

本文提出了一種基于影響因子判斷導(dǎo)師一學(xué)生關(guān)系與其他合作關(guān)系的算法。算法利用人工神經(jīng)網(wǎng)絡(luò)確定不同影響因子對各種合作關(guān)系影響的權(quán)重，進(jìn)而計算每位作者的個人得分和兩位作者之間的關(guān)系得分。實驗表明，該預(yù)測算法能夠較準(zhǔn)確地判斷出兩位作者的關(guān)系是導(dǎo)師一學(xué)生關(guān)系或是合作關(guān)系。該算法操作簡單，易于執(zhí)行，為導(dǎo)師學(xué)生關(guān)系挖掘提供了一種新思路。未來在挖掘出論文中存在的導(dǎo)師一學(xué)生關(guān)系后，建立現(xiàn)存關(guān)系知識圖譜，再進(jìn)行下一步的導(dǎo)師推薦研究。

參考文獻(xiàn)：

[1]

ZHAO Z，LI C，ZHANG Y，et al.Identifying and analyzing popularphrases multi-dimensionally in social media data [J] InternationalJournal of Data Warehousing and Mining， 2015， 11（3）：98-1 12.

[2]趙妹，劉曉曼，段震，等.社交關(guān)系挖掘研究綜述[J].計算機學(xué)報，2017，40（3）：535-555.

[3]王夢雪.數(shù)據(jù)挖掘綜述[J].軟件導(dǎo)刊，2013，12（ 10）：135-137.

[4]張洋，謝齊.基于社會網(wǎng)絡(luò)分析的機構(gòu)科研合作關(guān)系研究[J].圖書情報知識，2014（2）：84-94.

[5]

LIU J，TANC T，KONG X， et al.Understanding the advisor-adviseerelationship via scholarly data analysis[J].Scientometrics， 2018，1 16（1）：161-180.

[6]馬建威，徐浩，陳洪輝.信息推薦系統(tǒng)中的朋友關(guān)系預(yù)測算法設(shè)計[J].國防科技大學(xué)學(xué)報，2013，35（1）：163-168.

[7] 康文杰，鄭倩冰，陳侃.基于社會網(wǎng)絡(luò)分析的學(xué)術(shù)合作關(guān)系研究[J].計算機技術(shù)與發(fā)展，2014，24（5）：1-5.

[8] 趙彩虹，楊艷.基于DBLP的作者協(xié)作關(guān)系挖掘[J].黑龍江大學(xué)自然科學(xué)學(xué)報，2010，27（4）：491-494.

[9]ZHANC Q， YANG L T，CHEN Z，et al.A survey on deep learningfor big data[J].Information Fusion. 2018， 42： 146-157.

[10]ZHANG Q， YANG L T，CHEN Z， et al. PPHOPCM： privacy-pre-serving high-order possibilistic c-means algorithm for big data clus-tering with cloud computing [Jl. IEEE Transactions on Big Data，2017（ 99）：l-lO.

[11]TANC L，LIU H. Relational learning via latent social dimensions[C]. ACM SIGKDD International Conference on Knowledge Discov-erv& Data Mining， 2009： 817-826.

[12]楊丹，申德榮，聶鐵錚.異構(gòu)信息空間中實體關(guān)聯(lián)關(guān)系挖掘算法CFRQ4A[J].計算機研究與發(fā)展，2014（ 4）：895-904.

[13] SUN Y，HAN J.Mining heterogeneous information networks[ J]. ACMSIGKDD Explorations Newsletter， 2013， 14（2）：20-28.

[14]WANG X， HE D， CHEN D， et al. Clustering-based collaborative fil-tering for link prediction[C].Twenty-ninth AAAI Conference on Ar-tificial Intelligence， 2015： 332-338.

[15] TANG W，ZHUANC H，TANC J. Learning to infer social ties in largenet，vorks [C]. Machine Learning and Knowledge Discovery in Data-bases-European Conference， 2011： 381-397.

[16]ZHUANG H. TANC J， TANG W， et al. Actively learning to infer so-cial ties [J]. Data Mining and Knowledge Discovery， 2012， 25（2）：270-297.

[17]WANG C. HAN J，JIA Y， et al. Mining advisor-advisee relation-ships from research publication net，vorks[C].Washington： Proceed-ings of the 16th ACM SICKDD International Conference on Knowl-edge Discovery and Data Mining， 2010： 203-212.

[18]王嶸冰，徐紅艷，李波，等.BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)確定方法研究[J].計算機技術(shù)與發(fā)展，2018，28（4）：31-35.

[19] 蔣昂波，王維維.ReLU激活函數(shù)優(yōu)化研究[J].傳感器與微系統(tǒng)，2018， 37（ 2）：50-52.

[20] 孫會君，王新華.應(yīng)用人工神經(jīng)網(wǎng)絡(luò)確定評價指標(biāo)的權(quán)重[Jl.山東科技大學(xué)學(xué)報：自然科學(xué)版，2001，20（3）：84-86.

（責(zé)任編輯：孫娟）

基金項目：國家重點研發(fā)計劃項目（2017YFC0804406，2018YFC1406200）;山東省研究生導(dǎo)師指導(dǎo)能力提升項目（SDYY17040）

作者簡介：李愛濤（1994-），男，山東科技大學(xué)計算機科學(xué)與工程學(xué)院碩士研究生，研究方向為云計算與大數(shù)據(jù)處理;崔煥慶（1979-），男，博士，山東科技大學(xué)計算機科學(xué)與工程學(xué)院副教授，研究方向為云計算、位置服務(wù)。本文通訊作者：崔煥慶。