太阳能潜在知识收敛性的预测：基于链接预测模型的文献 计量学分析

        新兴技术的创新和发展主要依赖于知识融合的方式，即以前不同的领域专业知识的 模糊。本文以太阳能场为例，探讨知识收敛的潜在动机和知识收敛规律。我们在 2008-2017年建立了太阳能文献的关键词共现网络，然后引入链接预测来研究知识收敛的结构机制。我们发现：（1）共邻指数更好地表征了四个相似指标之间的知识收敛模式。（2)关键词共现网络可以简单地挖掘知识收敛的结构特征；(3)太阳能领域知识的收敛周期约为4年；(4)具有较高中间性中心性或特征向量中心性的关键词容易生成知识收敛；(5)基于这些结果提出了文献知识收敛预测模型；(6预测结果表明，学者应关注能源存储、效率、成本、生态等、应用场景和混合光伏系 统等六个基本问题。本研究不仅可以为学者掌握研究方向、产生更多的创新提供指 导，也可以为政府制定政府资助政策提供指导。

        本文的目的是探讨知识收敛的潜在动机和研究知识收敛的规律。同时，提出了一种新的文献知识收敛预测模型，并将其应用于太阳能场中，预测知识收敛趋势。

1.为了描述太阳能领域中知识实体之间的联系，我们以2008年至2017年文献中的关键词 为节点建立了关键词共现网络。

2.其次，我们使用一个评价指标，分别用四个相似性指标来评价该模型的可行性，以确定知识网络中的知识收敛性结构模式。

3.第三，将知识收敛的预测结果与真实预测结果进行比较，以确定知识收敛的演化规则。

4.第四，为了确定知识的收敛性预测周期，本文建立了预测成功率指数，并对预测结果 进行了分析。

5.第五，我们试图分析热关键字的拓扑指标，以确定网络中它们之间的 拓扑关系规则。最后基于现有的规则，我们做了一个对整体关键词共现网络的真实预测。

数据

        本文的数据来自科学网络，被认为是世界上最权威的科技文献索引工具之一，可以 在科技领域提供最重要的研究成果。该数据已于2018年10月12日下载。以“太阳能 ”为主题，检索了2008-2018年科学核心收藏网上的文献。共收集了6496条数据。 关键词作为文献的核心内容和关键技术概述，可以更直接地挖掘该领域的核心主题 和发展趋势。因此，本文选择关键词共现网络进行太阳能领域进行文献研究。 对于初始数据，可以找到类似的关键字，并对同义词进行规范化，以简单地减少 不必要的节点。有一些关于太阳能的研究，如太阳能风能、太阳能票价等。在文献 中，它们与新能源无关，与本文的研究内容无关。因此，有必要对这些文章进行去冗余操作。

 建立网络：

本文根据本研究的需要，根据每年关键词共现的情况，建立了2008-2017年的关 键词共现网络，称为关键词共现子网。同时，建立了2008年至2017年的所有关键词共现网络，称为整体关键词共现网络。同时，以2008-2017年预测的所有未知边缘的CN值作为权值，建立未知边缘网络，称为CN预测网络。

指标：They are common neighbor index (CN), Jaccard index (JACCARD), preferential 
attachment index (PA), resource allocation index (RA)

 

      

 

 

 评价指标

 

预测成功率：

AUC和Ranking Score只是从算法的角度来衡量模型的精度，而没有衡量知识收敛的预测精度。因此，根据AUC算法的思想，本文提出了一种预测成功率指标。设X = U-E，即X是所有未连接边的集合。通过基于公共邻居的链路预测算法的计算，每对未连接边都有一个CN值。预测成功率(PSR)可定义为:其中si代表边I的CN值，XP代表预测成功的边。

 结果：

 

首先，基于PA指数的算法的 精度明显低于其他三种类型。虽然有一些关键字在知识网络中有很大程度的价值， 但这并不意味着这些关键字更有可能产生知识收敛。由于这种依恋模式，知识网络

中的知识趋同倾向于多样化并导致创新。其次，CN、jaccard和RA的算法精度大致 相似，其中CN略高。这三个指标都考虑了关键字对的共同邻居，而jaccard索引考 虑了不同关键字对的邻居大小，RA索引区分了不同共同邻居的重要性。然而，在实际研究中，更常见的研究也会产生学者的新思路，而相关研究规模的规模和普通研究热点的差异对知识收敛没有明显的影响。在这些基础上，我们将选择CN指数来衡量该知识网络中知识收敛的结构特征。