基于异构特征融合的论文引用预测方法

针对论文引用预测方法在特征稀疏时性能下降的问题，提出了基于异构特征融合的方法，可同时利用定长特征、引文网络特征和引文时序特征，有效提升了引用预测方法的精度。本文针对论文引用预测任务定义了引文属性网络，对3类异构特征进行建模；提出了面向异构特征融合的论文引用预测方法，使用图神经网络处理定长特征和引文网络特征，使用循环神经网络处理引文时序特征，基于多头注意力机制对提取到的异构特征进行融合并预测被引次数。在大规模真实数据集上的实验表明，本文方法可以有效利用多种异构特征并缓解数据稀疏问题，均方根误差（Root mean squatr error，RMSE）比最好的基准方法降低了0.31。