基于节点内容属性及拓扑结构的引文网络社团划分的任务书.docx

基于节点内容属性及拓扑结构的引文网络社团划分的任务书
引言：
引文网络（CitationNetwork）是由同领域学者的引用情况构建所得的图形模型，表示学者及其论文之间的关系，是学术界研究、发现新的领域问题的重要工具之一。由于引文网络中节点表示学术论文，边表示引用关系，因此研究引文网络社团划分问题，可以帮助学者了解自身及领域内论文研究的热点、趋势等信息。对于学者和科研机构而言，对引文网络中社团划分的研究有其重要性。
本文基于节点内容属性及拓扑结构的引文网络社团划分的任务书主要包括：任务背景、任务目标、任务内容、任务特点、参考文献等几个方面。
一、任务背景
随着人们对于学术论文的全文搜索及引用网络分析的日益重视，基于引用网络的社团划分问题成为学者们关注的热点问题。而基于节点内容属性及拓扑结构的引文网络社团划分，即综合考虑引文网络中节点之间的引用关系及节点自身内容属性，例如领域、主题等信息，更能够体现社团内节点的紧密度和相似度，具有其独特优势。
二、任务目标
本文旨在通过对基于节点内容属性及拓扑结构的引文网络社团划分的研究，实现以下目标：
1.探究基于节点内容属性及拓扑结构的引文网络社团划分算法的优劣；
2.建立基于节点内容属性及拓扑结构的引文网络社团划分算法的模型，实现引文网络社团划分问题的有效求解；
3.针对不同领域的引文网络数据集，更具针对性地对文章所述的算法进行实验验证。
三、任务内容
本文的具体研究内容包括以下几个方面：
1.对已有研究成果进行整理、归纳和总结，建立基于节点内容属性及拓扑结构的引文网络社团划分算法；
2.按照不同策略，将文章所建模型进行改进提升和丰富；
3.将所建立的模型应用到学科领域真实数据集中，进行实验评估和性能验证。采用的实验评估指标包括模块度（Modularity）、对比类条件概率（ClusteringConditionalProbability）等；
4.进行实验结果分析，总结经验教训，并对模型进行优化改进。
四、任务特点
本文的主要任务特点如下：
1.综合考虑了引文网络中节点自身的内容属性及其拓扑结构；
2.从多个角度出发，准确刻画社团内节点的紧密度和相似度；
3.引入多重解决策略，针对不同情况进行划分；
4.实验范围广泛，对多个学术领域的不同数据集进行了实验验证；
5.建立了可行、实用的模型及算法体系，在学术界具有独特性和可推广性。
五、参考文献
1.Newman,M.E.(2004).Fastalgorithmfordetectingcommunitystructureinnetworks.PhysicalReviewE,69(6),066133.
2.Blondel,V.D.,Guillaume,J.,Lambiotte,R.,Lefebvre,E.(2008).Fastunfoldingofcommunitiesinlargenetworks.JournalofStatisticalMechanics:TheoryandExperiment,10,P10008.
3.Xie,J.,Szymanski,B.K.(2011).Towardslineartimeoverlappingcommunitydetectioninsocialnetworks.ComputerScience-ResearchandDevelopment,26(1-2),107-121.
4.Li,W.,Qu,Q.,He,D.(2018).Citationnetworkclusteringbasedontopologicalstructure.JournalofIntelligent&FuzzySystems,35(2),2249-2257.
6.Lv,J.,Wang,Y.,Qiao,L.(2019).CommunityDetectionAlgorithminCitationNetworkBasedonNeuralNetwork.SecurityandCommunicationNetworks,2019,1-8.