New methods for calculating trend-based vertex similarity for collaboration recommendation

Abstract

Tóm tắt. Khuyến nghị cộng tác trong nghiên cứu khoa học là bài toán tự động liệt kê những người, nhóm nghiên cứu cộng tác tiềm năng ứng với đầu vào là một người, nhóm nghiên cứu nào đó. Đây là bài toán được quan tâm bởi những chuyên gia trong lĩnh vực này trong thời gian gần đây. Tiếp cận phổ biến đã và đang được các nghiên cứu này áp dụng là dựa vào phân tích mạng xã hội, cụ thể là phân tích các mối quan hệ trong mạng đồng tác giả, cũng như ảnh hưởng của nó đối với việc tìm ra những người, nhóm nghiên cứu cộng tác tiềm năng. Tuy nhiên, các phương pháp hiện nay đều chưa quan tâm đến thông tin về xu hướng cộng tác, một yếu tố quan trọng trong việc hình thành các mối quan hệ cộng tác mới. Bài báo này đề xuất ba phương pháp mới để tính tương tự đỉnh trong mạng đồng tác giả: (1) Maximum Path based Relation Strength (M P RS); (2) Maximum Path based Relation Strength Plus (M P RS+); và (3) Relation Strength Similarity Plus (RSS+). Hai phương pháp M P RS+ và RSS+ có sử dụng thông tin về xu hướng cộng tác để cải tiến việc tính toán mức độ quan hệ của những người nghiên cứu trong mạng đồng tác giả. Các phương pháp đề xuất ứng dụng vào bài toán khuyến nghị cộng tác ở mức cá nhân người nghiên cứu. Thực nghiệm được tiến hành trên hai tập dữ liệu khoa học: i) cơ sở dữ liệu khoa học mở 'Digital Bibliography & Library Project' (DBLP); ii) tập dữ liệu do chúng tôi rút trích từ trang web của hệ thống Microsoft Academic Search (gọi tắt là MAS). Kết quả thực nghiệm cho thấy các phương pháp đề xuất cho kết quả tốt hơn các phương pháp tương tự đỉnh truyền thống và phổ biến hiện nay.Từ khóa. Hệ khuyến nghị (recommender system), cộng tác nghiên cứu (research collaboration), khuyến nghị cộng tác (collaboration recommendation), phân tích mạng đồng tác giả (co-author network analysis), xu hướng cộng tác (collaborative trend).Abstract. Collaboration recommendation is a problem that automatically selects and provides a list of potential researchers or research groups with respect to the input which is a researcher or a research group. Recently, this problem has attracted a lot of attention of many researchers in this area. A popular approach for collaboration recommendation problem is based on social network analysis, specifically co-author network analysis. However, the current methods do not consider collaborative trend in analyzing co-author network and the collaborative trend is one of the key factors for forming new co-authorships. In this paper, we propose three new methods: (1) Maximum Path based Relation Strength (MPRS); (2) Maximum Path based Relation Strength Plus (MPRS+); and (3) Relation Strength Similarity Plus (RSS+), for modeling and calculating vertex similarity in the co-author network. In our trend-based methods (MPRS+, RSS+), information of collaborative trend is used to improve the calculation of relation strength for researchers in the co-author network. The proposed methods are applied for researcher collaboration recommendation. Experiments are conducted on two dataset: i) Digital Bibliography & Library Project (DBLP...