基于神經網絡的師生關系挖掘算法

李愛濤 崔煥慶

摘要：為提高導師一學生關系挖掘精度，改善傳統判別算法準確率，提出一種基于神經網絡的導師一學生關系判定算法。通過神經網絡中BP算法對導師一學生關系所依賴參數進行權重計算，加入判別函數計算相應論文作者分數，再根據關系判別函數判斷兩者關系。對2 000組數據的實驗結果表明，基于神經網絡與論文的導師一學生關系挖掘算法能夠準確挖掘出導師一學生之間的關系，比傳統啟發式規則的準確率高出8%左右。

關鍵詞：師生關系挖掘;神經網絡;BP算法;知識圖譜

DOI： 10. 11907/rjdk.191876

開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP312

文獻標識碼：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絡信息空間成功連接[2]，每個人都在某些領域與其他人存在明確的關系并相互聯系、相互影響。近年來，對這些關系的挖掘逐漸成為一大熱門[3]。不同類型的社會關系實質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域很大程度上受其導師影響。

如圖1所示，利用導師一學生關系構建相應社會網絡關系[4]。學生的研究方向受導師影響很大，不同學術水平的導師對學生的影響差異也非常大[5]，而導師和學生之間的關系就隱藏于學術大數據中[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。可以通過識別出版物中隱藏的這些信息，挖掘研究人員的學術合作關系[7]。因此，從出版物網絡中確定導師一學生關系非常重要。

1 相關工作

在挖掘導師一學生合作關系與其他合作者關系的過程中面臨著一些挑戰。

（1）時間重要性。在導師一學生關系中，影響因素最大的就是時間。導師首次發表文獻的時間一般遠遠早于學生首次發表文獻的時間。再者，當一名研究生入學加入導師所在的科研團隊時，他們之間會建立一種導師一學生關系，但學生畢業后，該種聯系又會變得逐漸松散。

（2）關系兼具。在數據中存在學生畢業后留校擔任導師的情況，此時他/她與自己的導師既是合作關系，又存在導師一學生關系，本文將這種情況統一定為合作者關系。

（3）信息隱晦。在導師一學生、合作者關系出版刊物[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，沒有明顯標識其合作關系相關信息。

在大數據時代，基于深度學習的挖掘越來越受到學術界和工業界的關注[9-10]。文獻[11]提出了關系學習，它采用基于網絡連通性的集體推理進行預測，提取基于網絡信息的潛在社會維度，并利用它們作為判別性學習特征，用來解決數據實例之間的相互依賴性;文獻[12]提出了一種聚類算法，利用異構實體自身的屬性值和異構信息網絡¨副的結構（路徑）信息進行關系挖掘;文獻[14]提出了一種新穎的協同過濾方法，用于預測網絡（或圖形）中具有拓撲和節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據采樣掩模，改進基于壓縮感知的矩陣完成方法，作出更好的鏈接預測。文獻[15]提出了一種部分標記成對因子圖模型[16]和半監督框架，通過跨異構網絡學習進行社會關系類型的分類;文獻[17]提出了一個時間約束的概率因子圖模型，將研究出版物網絡作為輸入，使用聯合可能性目標函數對導師一學生關系挖掘問題進行建模，設計了一種有效的學習算法以優化目標函數，提高了準確率。

基于以上背景，本文提出一種新的導師一學生關系挖掘算法。算法主要思想是對影響導師一學生的關鍵參數進行提取，利用BP（Back Propagation，誤差逆傳播）神經網絡確定影響因素的權重值，再通過權重值計算每位作者的量化結果，最后對可能存在導師一學生關系的兩位作者的量化值進行二次計算后判定其合作關系。

2 定義及算法實現

為了達到預期效果，需要先對數據進行清理和屬性提取，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練集。對比經過神經網絡計算后輸人層預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）實現誤差最小化，從而實現權重更新，其中隱含層節點數是一個非常重要的參數，它的設置對BP神經網絡的性能影響很大[18]。

首先對各項數據進行編號，并作歸一化處理。采用min-max方法將數據歸一到[0，1]，如式（1）。

隨機選取100組訓練集進行參數訓練，將其轉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元中。本文隱藏層使用ReLu激勵函數[19]，輸出層使用Sigmoid激勵函數。原因在于ReLu激勵函數的梯度值大多數情況下是常數，有助于解決深層網絡的收斂問題，相比Sigmoid和Tanh更符合生物神經元的特征;Sigmoid全程可導，且表達區間是[0，1]。ReLu與Sig-moid函數如下：

通過神經網絡訓練得到的結果只是各神經網絡神經元之間的關系[20]，需要對各神經元之間的權重通過相關顯著性系數、相關指數和絕對影響系數加以處理，函數分別如式（4）-式（6）所示。

相關顯著系數：

上述3個相關系數中絕對影響系數S即為所求權重。運用上式得出各指標權重。對數據進行分析可知，作者首次發表論文的時間在導師一學生關系中影響因子最大。通過訓練后，它獲得最大權重0.42，作者發表論文數量與合作數量影響較小，因此它們獲得的權重分別為0.35和0.22。

權重賦值完成后，通過個人得分函數進行個人分數計算：

3 實驗及結果分析

從百度文庫中抓取2 000組測試數據，并對數據進行清洗。實驗所用計算機CPU為Intel⑩Core TMi7-6500U.內存為4GB，操作系統為Windows 10，算法采用Python和Java語言編寫，實驗環境為TensorFlow CPU版本、IntelliJIDEA 2018社區版。

通過實驗，當兩位作者之間的關系得分在70-99時，認為他們之間為導師一學生關系且作者1是作者2的導師，反之若兩位作者之間的得分為-30--1，認為作者2是作者1的導師，論文采用精確率衡量實驗結果，定義如下：

其中，TP表示把正類預測為正類、FP表示表示把負類預測為正類。

實驗結果如表2所示。

4 結語

本文提出了一種基于影響因子判斷導師一學生關系與其他合作關系的算法。算法利用人工神經網絡確定不同影響因子對各種合作關系影響的權重，進而計算每位作者的個人得分和兩位作者之間的關系得分。實驗表明，該預測算法能夠較準確地判斷出兩位作者的關系是導師一學生關系或是合作關系。該算法操作簡單，易于執行，為導師學生關系挖掘提供了一種新思路。未來在挖掘出論文中存在的導師一學生關系后，建立現存關系知識圖譜，再進行下一步的導師推薦研究。

參考文獻：

[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.社交關系挖掘研究綜述[J].計算機學報，2017，40（3）：535-555.

[3]王夢雪.數據挖掘綜述[J].軟件導刊，2013，12（ 10）：135-137.

[4]張洋，謝齊.基于社會網絡分析的機構科研合作關系研究[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.信息推薦系統中的朋友關系預測算法設計[J].國防科技大學學報，2013，35（1）：163-168.

[7] 康文杰，鄭倩冰，陳侃.基于社會網絡分析的學術合作關系研究[J].計算機技術與發展，2014，24（5）：1-5.

[8] 趙彩虹，楊艷.基于DBLP的作者協作關系挖掘[J].黑龍江大學自然科學學報，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.異構信息空間中實體關聯關系挖掘算法CFRQ4A[J].計算機研究與發展，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神經網絡隱含層節點數確定方法研究[J].計算機技術與發展，2018，28（4）：31-35.

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

[20] 孫會君，王新華.應用人工神經網絡確定評價指標的權重[Jl.山東科技大學學報：自然科學版，2001，20（3）：84-86.

（責任編輯：孫娟）

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

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