基于Sentence-BERT 和时序分析的学者研究主题相似性测度

图书馆杂志 ›› 2025, Vol. 44 ›› Issue (412): 98-108.

基于Sentence-BERT 和时序分析的学者研究主题相似性测度

阮光册黎心怡廖紫伊(华东师范大学信息管理系)

出版日期:2025-08-15 发布日期:2025-09-02
作者简介:
阮光册华东师范大学信息管理系,博士,副教授。研究方向:信息分析、文本挖掘。作者贡献:研究选题、研究设计、论文撰写。E-mail cgruan@infor. ecnu. edu. cn上海 200062
黎心怡华东师范大学信息管理系,硕士研究生。研究方向:信息分析、文本挖掘。作者贡献:收集数据与实验、撰写论文初稿。上海 200062
廖紫伊华东师范大学信息管理系,硕士研究生。研究方向:信息分析、文本挖掘。作者贡献:收集数据与实验、撰写论文初稿。上海 200062

Scholar Research Topic Similarity Measurement Based onSentence-BERT and Time Series Analysis

Ruan Guangce Li Xinyi Liao ZiyiDepartment of Information Management East China Normal University

Online:2025-08-15 Published:2025-09-02
About author:Ruan Guangce Li Xinyi Liao ZiyiDepartment of Information Management East China Normal University

摘要/Abstract

摘要：

学者研究主题相似性测度,是挖掘潜在合作关系和学术社团发现的基础工作。鉴于学者研究主题动态变化的特点,本文将Sentence-BERT 句向量模型与时序分析相结合,从文本语义层面挖掘学者间研究主题相似性测度,并反映相似性的动态变化特征。实验中,本文采集中国知网( CNKI) 中的文献数据,首先运用Sentence-BERT 模型对文献内容进行向量化处理和相似度计算,随后结合时序变化计算学者间研究主题的时序变化特征,最后通过四象限矩阵图呈现计算结果。通过对比实验,本文方法能够较好地从语义层面识别近期研究主题相似度较高的学者。

关键词: Sentence-BERT, 时间序列, 学者研究主题, 相似性测度

Abstract:

Measuring the similarity of research topics among scholars is fundamental for identifyingpotential collaborations and discovering academic communities. Given the evolving nature of scholarlyresearch interests over time this article integrates the Sentence-BERT sentence vector model withtemporal analysis to assess topic similarity from a semantic perspective and while reflecting temporaldynamics. Literature data were sourced from China National Knowledge Infrastructure CNKI . FirstlySentence-BERT model was used to vectorize and calculate the similarity between research texts. Thenthe temporal changes were incorporated to track the evolution of scholars􀆳 research topics. Finally theresults were presented through a four-quadrant matrix diagram. Through comparative experiments thismethod can effectively identify scholars with high semantic similarity in their recent research.

阮光册　黎心怡　廖紫伊(华东师范大学信息管理系). 基于Sentence-BERT 和时序分析的学者研究主题相似性测度[J]. 图书馆杂志, 2025, 44(412): 98-108.

Ruan Guangce Li Xinyi Liao ZiyiDepartment of Information Management East China Normal University. Scholar Research Topic Similarity Measurement Based onSentence-BERT and Time Series Analysis[J]. Libraly Journal, 2025, 44(412): 98-108.

参考文献

[ 1 ] 赵杨,李露琪. 国内外学术社交网络研究现状述评与思考[J]. 情报资料工作,2016(6):41 47.

[ 2 ] 程结晶,李秀霞. 基于J-NMF 算法的作者类团划分研究[ J ]. 情报理论与实践, 2020, 43(11):40 46.

[ 3 ] 丁敬达,郭杰. 融合内容相似度和路径相似性的潜在作者合作关系挖掘[J]. 情报理论与实践, 2021, 44(1):124 128; 123.

[ 4 ] 李爱明. 社会网络视角下的国内数字图书馆领域作者合作关系研究[J]. 情报科学,2013, 31(11):57 63.

[ 5 ] 周庆山,杨志维. 学术社交网络用户行为研究进展[J]. 图书情报工作,2017, 61(16):38 47.

[ 6 ] 李纲,李岚凤,毛进,等. 作者合著网络中研究兴趣相似性实证研究[J]. 图书情报工作,2015,59(2):75 81.

[ 7 ] 何劲,关鹏,王曰芬. 作者主题关联的学科知识网络构建与演化分析[J]. 情报科学,2019, 37(1):56 62; 67.

[ 8 ] 陈卫静,郑颖. 基于作者关键词耦合的潜在合作关系挖掘[ J]. 情报杂志, 2013, 32 ( 5 ): 127131.

[ 9 ] Zhou X Ding L X Li Z K et al. Collaboratorrecommendation in heterogeneous bibliographicnetworks using random walks J . InformationRetrieval Journal 2017 20 4 317 337.

[10] 林原,王凯巧,刘海峰,等. 网络表示学习在学者科研合作预测中的应用研究[J]. 情报学报, 2020, 39(4):367 373.

[11] Lu K Wolfram D. Measuring author researchrelatedness a comparison of word-based topicbasedand author Co-citation approaches J .Journal of the American Society for InformationScience and Technology 2012 63 10 19731986.

[12] Zhao D Strotmann A. Counting first last or allauthors in citation analysis a comprehensivecomparison in the highly collaborative stem cellresearch field J . Journal of the American Societyfor Information Science and Technology 201162 4 654 676.

[13] Zhao D Strotmann A. Evolution of researchactivities and intellectual influences in informationscience 1996 2005 introducing author bibliographiccouplinganalysis J . Journal of the AmericanSociety for Information Science and Technology2008 59 13 2070 2086.

[14] Nees J Ludo W. Appropriate similarity measurefor author cocitation analysis J . Journal of theAmerican Society for Information Science andTechnology 2008 59 10 1653 1661.

[15] 朱云霞. 基于合著与共引关系的学者关联度模型及实证研究[J]. 图书情报工作,2015, 59(22): 97 104.

[16] 黄文彬, 王冰璐, 步一, 等. 结合时间切片信息的作者共引分析方法与实证[J]. 图书情报工作,2017, 61(16):135 142.

[17] 高楠,周庆山,赵蕴华. 高关注论文视角下研究前沿识别多方法融合研究[J]. 情报资料工作, 2021, 42(6):45 53.

[18] 刘萍, 郭月培, 郭怡婷. 利用作者关键词网络探测作者相似性[J]. 现代图书情报技术,2013(12): 62 69.

[19] 宋艳辉, 武夷山. 作者文献耦合分析与关键词耦合分析比较研究:Scientometrics 实证分析[J].中国图书馆学报,2014, 40(1):25 38.

[20] 董文慧,熊回香,杜瑾,等. 基于学者画像的科研合作者推荐研究[J]. 数据分析与知识发现,2022, 6(10):20 34.

[21] Du G Y Liu Y C Yu J J. Scientific users?? interestdetection and collaborators recommendation C / /Proceedings of the 2018 IEEE Fourth InternationalConference on Big Data Computing Service andApplications. Piscataway IEEE 2018 72 79.

[22] Reimers N Gurevych I. Sentence-bert sentenceembeddings using siamese bert-networks J . arXivpreprint arXiv 1908. 10084 2019.

[23] Devlin J Chang M W Lee K et al. Pre-trainingof deep bidirectional transformers for languageunderstanding J . arXiv 2019 arXiv1810. 04805.

[24] 李莹,伍胜,徐聪,等. 语义文本相似度计算方法研究综述[J]. 软件导刊,2024, 23(11):1 11.

[25] Ha T T Nguyen V N Nguyen K H et al.Utilizing SBERT for finding similar questions incommunity question answering C . 2021 13thInternational Conference on Knowledge and SystemsEngineering KSE Bangkok Thailand 2021 1 6.

[26] Xiaojun L. An improved clustering-based collaborativefiltering recommendation algorithm J . ClusterComputing 2017 20 2 1281 1288.

[27] Jiming Hu Yin Zhang. Measuring theinterdisciplinarity of Big Data research a longitudinalstudy J . Online Information Review 2018 425 681 696.

[28] 石湘,刘萍. 学者研究兴趣识别综述[J]. 数据分析与知识发现,2022, 6(4):16 27.

[29] 熊回香,黄晓捷,肖兵,等. 在线学术资源中基于时序知识图谱的学者推荐研究[J]. 情报科学, 2022, 40(8):3 10; 19.

[30] Jia T Wang D Szymanski B K. Quantifyingpatterns of research-interest evolution. NatureHuman Behaviour EB / OL . arXiv 2017 2025-08-10 . https / / arxiv. org / abs / 1709. 03319.DOI https / / doi. org / 10. 1038 / s41562-017-0078.