一种基于动态异构图神经网络的论文引用量预测方法技术

本发明专利技术公开了一种基于动态异构图神经网络的论文引用量预测方法，步骤1)输入异构引文网络在多个时刻的异构图结构集合，并对节点特征进行初始化；步骤2)通过异构信息嵌入模块得到学习了不同动态变化的异构邻居信息的节点表示向量；步骤3)使用节点重要度聚合模块将节点的重要度信息融入节点特征向量，得到学习了节点重要性信息的节点表示向量；步骤4)在预测模块利用节点特征得到未来每年的论文引用量；本发明专利技术的优点是：通过使用异构信息嵌入模块，该发明专利技术能够很好地处理引文网络中不同类型的节点，并且将时间信息和异构信息融入节点特征中，这种综合性有助于更全面地理解和建模复杂的引文网络结构。此外该发明专利技术还利用节点重要度聚合模块，将节点的重要度与节点特征融合，避免了单维特征带来的节点向量表征不足的问题。通过融合多角度的特征，可以更全面和准确地表征节点在引文网络中的重要性。

【技术实现步骤摘要】

本专利技术涉及机器学习、人工智能，具体涉及基于动态异构图神经网络的论文引用量预测方法。

技术介绍

1、论文引用量预测是科学研究领域中至关重要的一环。它不仅提供了对学术成果影响力的评估，还为研究人员和决策者提供了关键的信息，有助于指导资源分配和进一步的研究方向。然而，要准确地预测论文的引用量是一个复杂而且具有挑战性的任务。论文引用量受多种因素影响，包括但不限于学科领域、作者声誉、研究主题的热度、引文网络的异构特性以及时间等。这些因素的复杂交互关系增加了预测的难度。此外，随着学术研究领域的不断演变和技术的进步，预测模型需要不断地适应新的趋势和变化，这也增加了挑战。

2、总体而言，迫切需要一种能准确预测论文的引用量的方法，通过融入异构引文网络嵌入和考虑时间因素等对论文引用量预测有影响的特征，以更好地对论文引用量进行预测。克服这些挑战需要综合考虑多种因素，并发展出更加精确、可靠的预测模型，这将促进学术研究领域的发展和进步。

技术实现思路

1、为了对异构引文网络中的不同类型节点进行自动表征，本专利技术提出一本文档来自技高网...

【技术保护点】

1.一种基于动态异构图神经网络的论文引用量预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于动态异构图神经网络的论文引用量预测方法，其特征在于，步骤2)包括以下步骤：

3.如权利要求1所述的一种基于动态异构图神经网络的论文引用量预测方法，其特征在于，步骤3)包括以下步骤：

4.如权利要求1所述的一种基于动态异构图神经网络的论文引用量预测方法，其特征在于，步骤4)包括以下步骤：

【技术特征摘要】

1.一种基于动态异构图神经网络的论文引用量预测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于动态异构图神经网络的论文引用量预测方法，其特征在于，步骤2)包括以下步骤：

3.如...

【专利技术属性】
技术研发人员：张天明，方俊凯，曹斌，范菁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：