科學預測——預見科學之美

霍朝光，副教授，研究生導師，中國人民大學“傑出學者支持計劃”青年學者，武漢大學與美國Indiana University Bloomington聯合培養博士(碩博連讀)，中國人民大學數字人文研究院研究員、中國人民大學智能信息分析研究中心研究員，主持國家自然科學基金面上項目“基於圖機器學習的學科交叉主題識別與預測研究”(72374202)、國家自然科學基金青年項目“基於廣度學習的學科主題演化預測研究”(72004221)，主持教育部基地社科重大項目“面向國家創新發展戰略的智能科技情報理論構建”（22JJD870001）子課題，參與國家自然科學基金重大研究計劃重點支持項目、國家自然科學基金國際合作項目、國家自然科學基金地區合作項目、國家社會科學基金重大以及重點項目等6項；在國際Information Processing & Management、Scientometrics、Aslib Journal of Information Management等SSCI核心期刊，以及國內中國圖書館學報、情報學報等權威CSSCI期刊發表論文50余篇，出版專著《基於知識圖譜的學科主題演化分析與預測》(清華大學出版社)；主要研究方向: 科技情報(Scientific Information)、政策信息學（Policy Informatics）、圖機器學習（Graph Machine Learning）、大模型(Large Model)等。

目 錄CONTENTS 

 

理論體系篇

第1 章科學預測的內涵和發展 .2 

1.1　科學預測的研究背景與意義

3

 

 

1.2　科學預測的內涵

8

 

 

1.3　科學預測之困與機遇

9

 

 

 

第2 章科學影響力預測.12 

2.1　科學影響力預測內涵13

 

 

2.2　論文影響力預測.14

 

 

2.2.1　基於引證指標的論文影響力預測15

 

 

2.2.2　基於替代計量指標的論文影響力預測16

 

 

2.2.3　論文影響力預測的相關特征 .16

 

 

2.3　學者影響力預測.17

 

 

2.3.1　基於學者影響因子的學者影響力預測18

 

 

2.3.2　基於H-index、Q-value 等指數的學者影響力預測 .19

 

 

2.3.3　基於引文數量的學者影響力預測19

 

 

2.3.4　基於網絡結構的學者影響力預測20

 

 

2.4　其他科學影響力預測21

 

 

2.4.1　機構影響力預測 .21

 

 

2.4.2　期刊影響力預測 .22

 

 

2.4.3　項目影響力預測 .23

 

 

2.4.4　專利影響力預測 .23

 

 

2.4.5　相關特征24

 

 

2.5　科學影響力預測體系25

 

 

 

Kxczw（新）.indd 3 

 

 

2025/8/5 14:29:09 

 

 

2.5.1　科學影響力預測指標體系25

 

 

2.5.2　科學影響力預測方法體系26

 

 

2.5.3　科學影響力預測特征體系28

 

 

2.6　本章小結29

 

 

第3 章科學行為預測 .33 

3.1　科學行為預測內涵 34

 

 

3.2　選題行為預測 .35

 

 

3.2.1　選題行為模式分析.36

 

 

3.2.2　基於二模網絡的選題行為預測.37

 

 

3.3　合作行為預測 .39

 

 

3.3.1　融合網絡結構和個體屬性等多指標的合作行為預測 .40

 

 

3.3.2　表示學習視角下的合作行為預測40

 

 

3.3.3　持續合作視角下的合作行為預測41

 

 

3.3.4　情境限制視角下的合作行為預測42

 

 

3.3.5　合作推薦視角下的合作行為預測43

 

 

3.3.6　學者主觀視角下的合作行為預測44

 

 

3.4　引用行為預測 .45

 

 

3.4.1　節點影響力和關系權重視角下的引用行為預測 46

 

 

3.4.2　不同拓撲模式視角下的引用行為預測47

 

 

3.4.3　引文推薦視角下的引用行為預測48

 

 

3.5　科學行為預測研究模式總結.49

 

 

3.5.1　科學行為預測中的方法體系 .49

 

 

3.5.2　科學行為預測中的數據支持 .52

 

 

3.5.3　科學行為預測中的心理機制 .53

 

 

3.6　本章小結55

 

 

 

第4 章學科主題預測 .56 

4.1　學科主題的內涵與刻畫 57

 

 

Kxczw（新）.indd 4 

 

 

2025/8/5 14:29:11 

 

 

4.1.1　專家定性概括層面的學科主題.57

 

 

4.1.2　定量詞匯組合層面的學科主題.58

 

 

4.1.3　單一詞匯表征層面的學科主題.59

 

 

4.2　學科主題發展態勢預測 60

 

 

4.2.1　基於學科主題出現頻次衍生出來的相關指標62

 

 

4.2.2　基於主題模型衍生出來的相關指標 62

 

 

4.2.3　基於引證關系衍生出來的相關指標 62

 

 

4.2.4　基於替代計量衍生出來的相關指標 63

 

 

4.3　學科主題關系預測 64

 

 

4.3.1　基於鏈路預測的學科主題關系預測 64

 

 

4.3.2　基於學術實體相互作用的學科主題關系預測65

 

 

4.4　本章小結65

 

 

 

方法實踐篇

第5 章基於LSTM 神經網絡的學科主題熱度預測 68 

5.1　引言.69

 

 

5.2　研究設計70

 

 

5.2.1　基於LDA 模型的學科主題抽取 71

 

 

5.2.2　基於期刊影響因子的學科主題熱度計算模型71

 

 

5.2.3　基於LSTM 的學科主題熱度預測模型72

 

 

5.3　數據處理74

 

 

5.3.1　數據收集74

 

 

5.3.2　學科主題抽取75

 

 

5.3.3　學科主題熱度計算.76

 

 

5.4　模型評價76

 

 

5.4.1　評價指標77

 

 

5.4.2　模型檢驗77

 

 

Kxczw（新）.indd 5 

 

 

2025/8/5 14:29:12 

 

 

5.5　方法應用79

 

 

5.5.1　研究熱點預測分析.79

 

 

5.5.2　學科增長點預測分析80

 

 

5.6　本章小結82

 

 

第6 章基於圖神經網絡的跨學科主題鏈路預測.84 

6.1　引言.85

 

 

6.2　相關研究86

 

 

6.2.1　跨學科研究與跨學科主題86

 

 

6.2.2　數字人文87

 

 

6.2.3　共現網絡88

 

 

6.2.4　鏈路預測89

 

 

6.3　研究設計89

 

 

6.4　實驗檢驗94

 

 

6.4.1　數據獲取與數字人文領域的學科分析94

 

 

6.4.2　數字人文共現網絡的構建95

 

 

6.4.3　預測結果評價96

 

 

6.5　討論.98

 

 

6.5.1　結果討論98

 

 

6.5.2　應用和分析 99

 

 

6.6　本章小結.102

 

 

 

第7 章學者跨學科合作交叉測度與預測.103 

7.1　引言104

 

 

7.1.1　學者跨學科合作交叉測度研究背景 104

 

 

7.1.2　學者跨學科合作預測研究背景105

 

 

7.2 研究現狀.106

 

 

7.2.1 學者跨學科合作交叉測度106

 

 

7.2.2　跨學科交叉測度指標.108

 

 

Kxczw（新）.indd 6 

 

 

2025/8/5 14:29:12 

 

 

7.2.3　學者合作預測110

 

 

7.3　學者跨學科合作測度框架設計 .112

 

 

7.3.1　學者跨學科合作學科多樣性測度指標112

 

 

7.3.2　學者跨學科合作網絡凝聚性測度指標115

 

 

7.4　中國人民大學學者跨學科合作交叉測度117

 

 

7.4.1　數據收集和處理 117

 

 

7.4.2　中國人民大學學者合作網絡構建.121

 

 

7.4.3　中國人民大學學者跨學科交叉測度結果與分析 122

 

 

7.4.4　測度結果討論125

 

 

7.5　“清北人”三大高校學者跨學科合作交叉情況對比分析 126

 

 

7.5.1　數據收集和預處理126

 

 

7.5.2　三大高校學者合作總體情況分析.128

 

 

7.5.3　“清北人”三大高校跨學科合作網絡結構分析 132

 

 

7.6　學者跨學科合作預測框架設計 .136

 

 

7.6.1　學者跨學科合作預測框架136

 

 

7.6.2　學者跨學科合作預測模型136

 

 

7.6.3　實驗設置.137

 

 

7.6.4　性能評估.138

 

 

7.6.5　預測結果與討論 138

 

 

7.7　本章小結.140

 

 

 

第8 章基於圖神經網絡的跨學科引文預測 141 

8.1　引言142

 

 

8.2　相關工作.144

 

 

8.2.1　基於內容過濾的引文預測144

 

 

8.2.2　基於協同過濾的引文預測145

 

 

8.2.3　基於圖的引文預測147

 

 

8.3　研究設計.148

 

 

8.3.1　數據預處理 150

 

 

8.3.2　跨學科引文預測模型構建151

 

 

Kxczw（新）.indd 7 

 

 

2025/8/5 14:29:12 

 

 

8.4　實驗與結果分析153

 

 

8.4.1　數據準備.153

 

 

8.4.2　實驗設計.154

 

 

8.4.3　評價指標.155

 

 

8.4.4　實驗結果與分析 156

 

 

8.5　本章小結.161

 

 

第9 章基於異構圖神經網絡的學者跨學科選題預測.162 

9.1　引言163

 

 

9.2　相關研究.164

 

 

9.2.1　學者研究選題推薦研究現狀 164

 

 

9.2.2　跨學科研究主題推薦策略相關研究 167

 

 

9.2.3　異構信息網絡推薦方法 170

 

 

9.3　研究設計.173

 

 

9.3.1　研究框架.173

 

 

9.3.2　基本概念與問題定義.175

 

 

9.4　學者和研究主題的跨學科關系 .178

 

 

9.4.1　學者學科標識178

 

 

9.4.2　研究主題的跨學科標識 181

 

 

9.5　基於異構圖神經網絡的跨學科主題預測模型.182

 

 

9.5.1　特征抽取和表示 183

 

 

9.5.2　HetGNN 異構圖神經網絡模型185

 

 

9.5.3　機器學習分類器 186

 

 

9.6　實證研究.188

 

 

9.6.1　數據收集與預處理188

 

 

9.6.2　異構信息網絡構建190

 

 

9.6.3　評價指標.194

 

 

9.6.4　實驗過程.195

 

 

9.6.5　實驗結果與分析 196

 

 

9.7　本章小結.198