(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211081808.8 (22)申请日 2022.09.05 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 刘尚东　洪程　季一木　王汝传　 (74)专利代理 机构 南京正联知识产权代理有限 公司 32243 专利代理师 姜梦翔 (51)Int.Cl. G06F 16/9535(2019.01) (54)发明名称 基于节点重要性的论文引用网络推荐方法 及系统 (57)摘要 本发明提供一种基于节点重要性的论文引 用网络推荐方法及系统， 该方法通过计算论文引 用网络中各节点在全局范围内的节点重要程度 GI(i)； 计算各节点在局部范围内的节点重要程 度LI(i)； 使用信息熵加权法对节点的全局重要 度GI(i)和局部重要度LI(i)做加权求和， 得到节 点最终重要度； 对论文引用网络中各节点的重要 度排序， 重要度越高的表示当前节 点代表的论文 越重要， 将重要度最高的论文推荐给用户； 本发 明从全局结构和局部结构两个角度充分考量节 点的重要性， 能够从复杂论文引用网络中快速精 准推荐出最重要的论文。 权利要求书2页 说明书5页 附图1页 CN 115357799 A 2022.11.18 CN 115357799 A 1.一种基于节点重要性的论文引用网络推荐方法， 其特 征在于： 包括以下步骤， S1、 计算论文引用网络中各节点在全局范围内的节点重要程度GI(i)； S2、 计算各节点在局部范围内的节点重要程度L I(i)； S3、 使用信息熵加权法对节点的全局重要度GI(i)和局部重要度LI(i)做加权求和， 得 到节点最终重要度； S4、 对论文引用网络中各节点的重要度排序， 重要度越高的表示当前节点代表的论文 越重要， 将重要度最高的论文推荐给用户。 2.如权利要求1所述的基于节点重要性的论文引用网络推荐方法， 其特征在于： 步骤S1 中， 计算论文引用网络中各节点在全局范围内的节点重要程度， 具体为， S11、 对于论文引用网络中节点 i， 计算其接近中心性： 其中， n表示网络中节点总数， dij表示节点 i、 j之间的最短距离； S12、 计算节点i的接近中心性与其邻接节点的接近中心性之和， 作为该节点i在全局范 围内的节点重要度： 其中， CC(i)、 CC(u)分别为节点 i、 u的接近中心性， N(v)表示节点v的邻接节点 集合。 3.如权利要求2所述的基于节点重要性的论文引用网络推荐方法， 其特征在于： 步骤 S12中， 邻接节点为入度 节点集与出度 节点集的并集， 入度 节点为以某节点为弧头的有向边 的目标节点， 出度节点 为以某节点为弧尾的有向边的起始 节点。 4.如权利要求1所述的基于节点重要性的论文引用网络推荐方法， 其特征在于： 步骤S2 中， 计算各节点在局部范围内的节点重要程度， 具体为， S21、 节点的出度表示引用当前论文的其他论文， 计算所有出度节点的入度和出度之 和： 其中， |out_import(u)|、 |in_import(u)|表示节点u的出度值与入度值， out_degree (i)表示节点 i的出度节点 集合； S22、 节点的入度表示当前论文引用的其他论文， 求出当前入度值|in_import(i)|， 这 两部分的积作为节点的局部 重要度： LI(i)＝|out(i)|*|i n_import(i)| 其中， |out(i)|为所有出度节点的入度值与出度值之和， |in_import(i)|为当前节点 入度值。 5.如权利要求1 ‑3任一项所述的基于节点重要性的论文引用网络推荐方法， 其特征在 于： 步骤S3中， 使用信息熵加权法对节点的全局重要度GI(i)和局 部重要度LI(i)做加 权求 和， 得到节点 最终重要度： Rank(i)＝w1*GI(i)+w2*LI(i)权　利　要　求　书 1/2 页 2 CN 115357799 A 2其中， w1、 w2为权重， i＝1 ,2， 其中， Hi表示第i个参数的信息熵， rij表示节点j对第i个参数的归一化值， 式中只有GI、 LI两个参数， i取1或2， r1j、 r2j分别表示节点j对第一个参数即GI、 第二个参数即LI的归一化值， n表示网络中节点总数， GI(j)为节点j的全局重要度， LI(j) 为节点j的局部 重要度。 6.一种实现权利要求1 ‑5任一项所述的基于节点重要性的论文引用网络推荐方法的系 统， 其特征在于： 包括全局重要度计算模块、 局部重要度计算模块、 加权模块和重要度排序 模块， 全局重要度计算模块： 计算论文引用网络中各节点在全局范围内的节点重要程度GI (i)； 局部重要度计算模块： 计算各节点在局部范围内的节点重要程度L I(i)； 加权模块： 使用信息熵加权法对节点的全局重要度GI(i)和局部重要度LI(i)做加权求 和， 得到节点 最终重要度； 重要度排序模块： 对论文引用网络中各节点的重要度排序， 重要度越高的表示当前节 点代表的论文越重要， 将重要度最高的论文推荐给用户。权　利　要　求　书 2/2 页 3 CN 115357799 A 3