知识图谱的多层网络耦合分析理论及其应用研究

For the knowledge contained in the research papers, this project would develop the coupling theory of the mutilayer networks for the knowledge mapping, and apply it to the frontier research direction identification, the potential academic leader recognition and the research institution ranking. First of all, considering the knowledge contained in the research papers, we establish a multilayer network model of "paper-scientist-knowledge-institution", and present a multilayer network model representation and coupling analysis methods taking into account the time factor. Secondly, we use pLSA, LDA and other text analysis methods to analyze the semantic meaning of keywords in scientific research papers, calculate the semantic similarity of papers, delete the non-academic citations, and optimize citation network structure. Then we would develop the community structure identification method for the directed multilayer network, for identifying interdisciplinary research fields and new research directions, and analyze the evolution mechanisms of different disciplines. Finally, based on optimized multilayer network, we would construct the knowledge- and scientist- following networks to identify the current research hotspots and their corresponding basic knowledge, quantitatively describe the academic influence and evolution trend of the scientists in different fields, identify the current and potential academic authorities. Based on the optimized citation network, we would develop the method for evaluate innovation ability of the research institutions based on the citation networks, and quantitatively measure the influences of different research institutions.

本项目以科研论文中蕴含的知识为研究对象，发展知识图谱的多层网络耦合分析理论，并应用于热点研究方向发现，潜在学术领袖识别和机构排名。首先，综合考虑科研论文蕴含的知识，建立“论文-科学家-知识点-研究机构”多层网络模型，提出考虑时间因素的多层网络模型表示和耦合分析方法。其次，利用pLSA、LDA等文本分析方法，分析科研论文关键词的语义内涵，计算论文的语义相似性，删除非学术引用，优化引文网络结构。发展基于有向多层网络的集团结构识别方法，发现交叉学科和新的研究方向，并分析不同学科的发展动态和演化规律。最后，基于结构优化后的多层网络，分别构建知识点和科学家引用(follow)网络，识别当前的研究热点及其对应的基础知识，定量刻画不同领域科学家的学术影响力及其演化趋势, 识别当前和潜在的学术权威。利用优化后的引文网络，发展基于引用关系的研究机构影响力评价方法，定量刻画不同研究机构的创新能力。

课题组发表标注本项目的论文38篇，包括国际顶尖期刊美国科学院院刊（PNAS）论文1篇，人工智能、信息管理和复杂性等领域的国际权威期刊论文5篇，信号处理顶尖会议论文1篇，复杂性科学领域的SCI期刊 (IF>=3) 论文14篇。复杂性科学领域的权威中文SCI期刊论文1篇、EI期刊论文8篇，中文核心期刊论文3篇。本项目紧扣多层耦合网络模型构建，系统弹性分析，科学家影响力分析等领域的模型方法研究，不仅对于推动多属性耦合网络知识图谱的理论发展有重要意义，而且对于基于多属性耦合网络的用户行为建模及其应用分析具有重要的理论意义和应用价值。本课题从相依网络的弹性分析，多属性耦合网络知识图谱的建模理论与方法，科学家影响力度量与研究前沿识别等角度系统地分析了知识图谱的统计特征，建模理论和演化机制及其应用。并且将多属性网络知识图谱构建理论与方法应用于重要用户识别、全媒体数据知识图谱与应急管理，复杂系统管理等领域，进行了拓展研究。本项目有助于推动多属性耦合网络知识图谱的发展，并且为复杂社会系统的研究提供理论借鉴和经验证据。课题研究过程中开展了有效的业界合作，将研究成果应用于疫情防控，开发了基于知识图谱的突发事件主动感知系统。基于全媒体数据对疫情期间的求助信息以及突发事件进行实时主动感知。并且与国家电网大数据中心合作开发了复工复产模型，助力国家发改委监测300万家企业的复工复产状态，为平衡疫情防控与经济发展做出了贡献。