论文部分内容阅读
为了更合理地挖掘研究团队,提出了一种基于师门关系的研究团队挖掘算法。首先,使用BiLSTM-CRF神经网络模型抽取学位论文致谢部分的师门和同门命名实体;其次,构建师生之间的指导合作关系网络;然后,改进鲁汶算法,提出基于师门关系的鲁汶算法来实现研究团队挖掘。在American College football等数据集上对比了标记传播算法、聚集系数算法与鲁汶算法的性能。此外,在三个不同规模的学位论文数据集上对比基于师门关系的鲁汶算法和原始鲁汶算法的运行效率。实验结果表明,数据规模越大,基于师门关系的鲁汶