邵孟巧,吉顺慧,张鹏程

(河海大学计算机与信息学院,江苏 南京 211100)

0 引 言

Web 2.0时代的到来促进了学术社交网站的蓬勃发展，一些新颖的学术社交网站，如ResearchGate、GitHub、SourceForge、Academic等已经发展得十分成熟。这些网站为每位科研工作者提供了均等的与其他科研工作者进行科研合作的机会。科研工作者们可以在这些学术社交网站上进行跨地域的学术交流：分享最新的科研想法和资源、学习最新的学术知识、发现和追踪最新的学术成果、获得有益的意见和建议等，这些都极大地促进了科研工作者们的学术生产力和创造力[1]。

在大数据时代的背景下，寻找对自己有意义的科研工作者进行学术交流并合作是一项十分艰难的工作，这将消耗科研工作者大量的时间和科研精力。ResearchGate(https://www.researchgate.net/press)作为目前最受欢迎的学术社交网站平台之一，2008年成立于柏林，截止2020年8月，已经注册有超过1700万的科研工作者。这些科研工作者来自不同的国家和地区，虽然在该平台上发布了众多的学术资源，但是它们的分布极不均匀，科研工作者很难从众多杂乱的1700万同伴中找到与自己兴趣相同或相近的其他科研工作者进行一次有意义的科研合作。因此，在ResearchGate上进行个性化的科研合作者推荐是一项亟待解决的问题。

由于ResearchGate没有公开的数据集，关于该平台的研究相对较少，并且已有研究存在着以下不足：

1)没有充分挖掘科研工作者在ResearchGate学术社交网站上的行为信息。在考量科研工作者之间相关性的时候，忽略了科研工作者之间的社交关联信息和一些行为信息，这些都会导致推荐结果不准确。……