基于科学引文数据的耦合网络演化与预测研究

The Scientific Citation Database provides a nice foundation for the research of Scientometrics and the prediction of the development of science and technology. Meanwhile, the concepts and methods developed in network science take an important role in the related research. Aim at the problem of evaluation and trend prediction of the development of science and technology, this project focuses on the analysis of the coupled networks given by the Scientific Citation Database. The coupled network formed by the Scientific Citation Database includes several kinds of nodes, such as paper and its citations, scientist, key word,and the code of research area (for example, PACS in physics and JEL in economics). We will first do some deep empirical studies on the evolution of the network, investigating the law of evolution of the network structure in multi-scale, from local, mesoscale, to global. The co-relationships among these structurel properties in the process of network evolution are the main topics of the research. Based on the above empirical studies, we will develop methods for network link and node prediction，especially for the link prediction in weighted and directed neteorks and node prediction based on the co-relation properties of the coupled networks. Then we will construct the index for evaluation the influence of scientists and papers based on the evolving properties of the netorks, describe the current status of science and tachnology, and prediction its developing trend.

科学引文数据库的建立，为科学计量以及科技发展的实证与理论研究打下了基础；而复杂网络研究的概念与方法也在相关问题的研究中发挥着重要作用。针对基于科学引文数据的科技发展现状与未来趋势预测研究，本项目将关注科学引文数据中论文及其引用关系、科学家、关键词、研究领域代码（如物理学中的PACS码、经济学中的JEL码等）所形成的具有特殊结构的耦合网络，首先对这一耦合网络演化规律开展实证研究，从局域、中尺度和宏观等多个层次，揭示网络结构性质随时间的演化规律，以及主要网络结构性质在演化过程中所具有的相关关系；在此基础上，发展网络链接和网络顶点的预测方法，特别是针对加权和有向网络的链路预测方法和基于耦合网络相关性质的顶点预测方法，建立基于网络演化性质的科学家和论文影响力评价指标，并开展对于科技发展现状与未来趋势预测的研究。

随着大数据时代的到来，诞生了诸如科研论文、专利、项目申请书等丰富的“科学大数据”。基于科学大数据测量、分析和预测科学的发展以及科学研究的行为，是一个重要的学术方向。面对海量的科学文献数据，要挖掘隐藏在数据背后的信息，我们不仅要依靠传统的统计分析方法，还需要借助其它的分析方法，尤其是科学文献数据可以被抽象为一个科学文献系统，通过建立不同形式的耦合网络，如论文-科学家耦合网络、论文-研究领域耦合网络等，来挖掘科更多有效信息。本项目研究关注的核心科学问题是利用科学文献数据以及复杂网络分析方法，追求科学、定量、客观的评价科研团队的学术水平、科研领域和研究方向的重要程度等，并预测未来科技发展的基本趋势。本项目主要包括以下三方面研究内容及重要成果：（1）基于科学引文网络的论文影响力评价。我们提出了基于引文网络局域信息的评价方法，如基于“H指数”的文章影响力评价，以及基于引文网络全局信息的评价方法，如：创新科技论文非线性评价方法、基于相似优先扩散机制的科学论文排序方法。（2）基于论文-科学家耦合网络的科学家影响力评价。我们提出了基于自规避的偏好扩散过程对科学家的论文进行个性化排序来识别其代表作以及提出建立有向合作网，通过社会网络分析方法来评价科学家的学术声望。（3）基于论文-科研领域耦合网络的科研领域影响力评价。我们将里昂惕夫投入产出分析方法改造成为一个封闭系统的方法，通过科研领域引证关系矩阵的本征值和本征向量的扰动分析，定量刻画了某科研子领域的重要性和领域之间的相互影响。上述实证研究使用的是美国物理协会提供的数据集以及 web of science 部分数据集。基于网络分析的科学影响力评价，一方面为实际中的评价工作提供了更为合理的指标，另一方面这些新指标及其设计思想也可拓展到复杂网络中节点中心性的识别，促进了复杂网络中的节点重要性评价方法的发展。