本文以1900-2019年"Web of Science(WOS)"核心合集中的中国科学院(中科院)部分论文数据为面板数据对热点学科、科研社区及相关权威专家进行了分析研究.首先对艺术与人文、生命科学与生物医学、自然科学、社会科学、应用科学...本文以1900-2019年"Web of Science(WOS)"核心合集中的中国科学院(中科院)部分论文数据为面板数据对热点学科、科研社区及相关权威专家进行了分析研究.首先对艺术与人文、生命科学与生物医学、自然科学、社会科学、应用科学五大学科数据进行分析,发现应用科学(Technology)发表论文年增速最快,且研究热点为计算机科学(Computer Science);其次针对研究热点应用Neo4j图数据库构建论文语义网络图,对实体关系进行优化,提升了社区内部关联度;并基于Louvain社区发现算法进行了相关优化和数据挖掘,分析了其背后的优秀科研团队;最后针对挖掘出的社区,利用PageRank算法筛选出高产出的权威科研人员,为科研合作和人才发现甚至国家学科布局提供参考.实验表明,通过Neo4j图数据库中实体数据索引设计,查询性能提升高达16倍;通过对Louvain算法关系属性weight添加机构影响维度,社区模块度提升了84%.展开更多
文摘本文以1900-2019年"Web of Science(WOS)"核心合集中的中国科学院(中科院)部分论文数据为面板数据对热点学科、科研社区及相关权威专家进行了分析研究.首先对艺术与人文、生命科学与生物医学、自然科学、社会科学、应用科学五大学科数据进行分析,发现应用科学(Technology)发表论文年增速最快,且研究热点为计算机科学(Computer Science);其次针对研究热点应用Neo4j图数据库构建论文语义网络图,对实体关系进行优化,提升了社区内部关联度;并基于Louvain社区发现算法进行了相关优化和数据挖掘,分析了其背后的优秀科研团队;最后针对挖掘出的社区,利用PageRank算法筛选出高产出的权威科研人员,为科研合作和人才发现甚至国家学科布局提供参考.实验表明,通过Neo4j图数据库中实体数据索引设计,查询性能提升高达16倍;通过对Louvain算法关系属性weight添加机构影响维度,社区模块度提升了84%.
