科研网络社区中社会化的知识推荐方法研究

Online scientific research communities are becoming a new platform which promotes research collaboration and provides support for effective knowledge sharing. The problem of information overloading that occurred with emergence of online scientific research community presents a great challenge for researchers to locate and use scientific knowledge effectively. Knowledge recommendation tries to solve information overloading problem by providing researchers with relevant and useful scientific information. However, existing research on knowledge recommendation does not provide any empirical findings that indicate why certain variables should be included in the recommendation model. This project aims at explaining what kinds of variables should be involved and to develop social knowledge recommendation models by integrating various characteristics of researchers, including nature of social connections, research expertise, social behavior as well as knowledge demands. The models will be tested and evaluated using real data collected from an online scientific research community. The theoretical contribution of this project is to enrich and extend existing knowledge recommendation approaches, and provide theoretical foundation for related recommendation services. Besides, the research results can help individual researchers to obtain knowledge which can satisfy their needs. Therefore, it can facilitate effective knowledge management in online scientific research communities.

科研网络社区为研究者进行知识共享和科研协作提供了平台。在科研网络社区中，信息过载对研究者有效利用科研知识带来了难题，而通过知识推荐为研究者提供准确、实用的信息是解决该难题的一个有力工具。然而现有的知识推荐方法缺乏对研究者行为模式和知识需求的实证分析，因此并不能很好解释推荐模型为何会包含某些变量。本项目从分析研究者特征、行为模式和知识需求入手，从理论上解释哪些特征应当包含在知识推荐模型中,在此基础上融合研究者的社会特征、领域特征、行为特征和知识需求特征，构建社会化的知识推荐模型；并拟将所提出的理论模型应用到具体的科研网络社区，对其进行评估和改进。该研究在理论上，补充现有文献科研网络社区中的知识推荐方法研究，丰富和扩充知识推荐理论与方法，提供推荐服务层面的理论基础；在应用上，项目的研究成果将有助于研究者获取知识以满足其需求，从而促进科研网络社区中知识的共享和传播。

科研网络社区为研究者进行知识共享和科研协作提供了平台。在科研网络社区中，信息过载对研究者有效利用科研知识带来了难题，而通过知识推荐为研究者提供准确、实用的信息是解决该难题的一个有力工具。然而现有的知识推荐方法缺乏对研究者行为模式和知识偏好的实证分析，也缺少将多维度信息进行融合的有力工具。本项目从问卷调查入手，深入理解研究者在科研网络社区中的特征、知识偏好以及这些特征如何影响其知识偏好。在此基础上，我们提出了基于链接预测的专家推荐方法、基于异质网络的科研好友和科研论文推荐方法。我们通过实验证明了所提出的推荐方法的有效性。该研究该研究在理论上，补充现有文献科研网络社区中的知识推荐方法研究，丰富和扩充知识推荐理论与方法，提供推荐服务层面的理论基础；在应用上，项目的研究成果将有助于研究者获取知识以满足其需求，从而促进科研网络社区中知识的共享和传播。