周亦敏，黄 俊

(上海理工大学 光电信息与计算机工程学院，上海 200093)

0 引 言

当今，已经形成一些学术搜索引擎，例如微软学术搜索、谷歌学术搜索和AMiner等，这使得探索诸如科学文献和研究者概况这类海量的数字学术资料更方便。数据量和种类的快速增长需要更先进的工具来帮助学术数据的研究，并且已经付出巨大的努力来开发各种高效的应用。长期以来，学术合作者推荐被认为是开发学术数据的一种有效应用，其目的是为给定的研究者找到潜在的合作者。在过去的几年中，已经提出了一些方法[1-3]来解决这样的问题。尽管取得了进步，但现有的技术只能推荐不考虑上下文关系的合作者。例如，目前的工作不能推荐合适的候选人给一个不仅包含“机器学习[4]”而且包含“推荐算法”主题的研究者。一般来说，在寻找合作者之前，研究者会先确定他要研究的主题。因此，有必要使用上下文关系为学术合作者提供推荐。

1 相关工作

1.1 问题定义

研究者：一名研究者与他发表的文献有关，这些文献揭示了他的研究兴趣和与他人的学术合作。

研究主题：研究主题是从特定文段(如标题或关键词列表中的一个词)中提取的关键词或短语;同时，一个文献包含一个或多个研究主题，这些研究主题共同反映了其潜在的范畴。

上下文：合作上下文指的是研究人员在其合作文献中共同研究的主题集。

基于以上的初步研究，对基于BERT的学术合作者推荐研究的定义如下：