首先是挖掘任务:
思路明天写。。。。。
这两天实在是事情多,耽误了几天。。。
说下思路:
挖掘核心研究者,在只有【论文标题、发布时间、作者、会议名称】这四种信息的情况下,好像只能通过第一篇论文到最后一篇论文的时间间隔(称为deltaT)和发表论文的数量来判断一个作者是不是核心研究者了。实际代码中直接用了一个阈值来做了。
代码:http://blog.csdn.net/mmc2015/article/details/51019292
合作关系,直接用FP-Growth算法寻找频繁项集就好了,权值就用support(也可以进一步挖掘关联规则,使用confidence、shift等指标,代码没写这部分)。
代码:http://blog.csdn.net/mmc2015/article/details/51019344
指导关系,规定deltaT大于某个阈值的称为老师(主要是可以用到的信息太少了),也可以通过发表论文数大于某个阈值来判定,但本质是一样的方法。
这个就不贴代码了。。。
这次主要是练习FP-Growth算法了,其他的不要在意细节;毕竟很多更重要的事还要做。。。。。