计算机工程与科学

作者：单辉, 丁成鑫, 赵中英, 周明成, 贾霄生, 李超,

单位：（1.山东科技大学计算机科学与工程学院,山东 青岛 266590;2.山东科技大学电子信息工程学院,山东 青岛 266590）

关键词：学术新星；图卷积神经网络；注意力机制,合作网络分析,

基金：国家自然科学基金（62072288，61702306）；山东省自然科学基金(ZR2018BF013)

从学术新人中发掘出有潜力的学术新星能够为人才引进、项目评审和专家库构建等任务提供决策支持，具有重要的研究意义与应用价值，因此受到学术界的广泛关注。然而现有的学术新星预测方法并没有将学者的合作关系和个体属性信息进行有机结合，导致准确率低下。为解决上述问题，提出了一种基于多图卷积神经网络与注意力机制的学术新星预测方法MGCNA。综合考虑了合作网络与相似网络，基于2种网络使用图卷积神经网络学习作者的特征表示，再利用注意力机制进行信息融合，从而预测潜力较高的学术新星。最后在来自ArnetMiner平台的真实数据集上进行了实验，实验结果表明了MGCNA在预测学术新星任务上的有效性。

来源：2022年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第5期