Predicting Co-Authorship based on Link analytics and learning

링크 분석 및 학습을 통한 공동연구성과 기반 공저자 관계 예측

  • Published : 2019.05.23


This study proposes a methodology for predicting co-authorship of contributors to a highly anticipated paper through link analysis and learning, taking into account the result of collaborative research. Previous studies predict the co-authorship with high accuracy, but this shows limitations in that the quality of the predicted relationship is not considered. Therefore, to solve the above problem, we propose three steps to predict the co-authorship that will help with the expected performance: (1) Construct a heterogeneous graph to measure results of collaborative research. (2) Analyze and learn links based on results of collaborative research. (3) Predict links that are anticipated to have high expectation. It is expected to be useful for increasing confidence in the predicted co-authorship.

본 연구는 공동연구성과를 고려하여 링크 분석 및 학습을 통해 기대효과가 높은 논문의 공저자 협업관계를 예측하는 방법론을 제시한다. 기존의 공저자 관계는 높은 정확도로 예측됨에도 불구하고 예측된 관계가 얼마나 좋은 관계인지 고려하지 않는 한계점을 보이고 있다. 따라서 본 연구에서는 위의 문제를 해결하기 위해 기대성과에 도움이 되는 공저자 관계 예측 방법을 다음과 같이 3가지 단계로 제안한다. (1) 서지정보 이종 그래프(Heterogeneous graph)를 구축하여 공동연구성과를 측정한다. (2) 공동연구성과를 기반으로 링크를 분석 및 학습한다. (3) 기대성과가 높을 것으로 전망되는 링크를 예측한다. 공동연구성과를 고려한 본 연구는 예측된 공저자 관계에 신뢰도를 높일 수 있을 것으로 기대한다.



Supported by : 정보통신기획평가원