本文研究共同作者网络的微观网络特性，并采用中心性度量对影响力进行分析，发现 4 种中心性度量与引用次数显著相关，证明中心性度量可以是衡量影响力的有用指标。

Dec, 2010

本文旨在探讨不同的加权 PageRank 算法是否适用于作者引文网络，从引用观点衡量学者的知名度和声望。在信息检索领域中，通过对 1956-2008 年 Web of Science（WOS）上的数据进行收集，计算了具有加权向量的引文和出版物的 PageRank，并进行了主成分分析。结果表明流行度排名和威望排名与加权 PageRank 高度相关。在捕捉信息检索领域内的获奖者方面，声望排名优于所有其他指标。

Feb, 2011

本文提出了一种基于随机图的方法，用于计算自然语言处理中文本单元的相对重要性，并通过使用新方法 LexRank 进行文本自动摘要。实验结果表明，基于相似度图的按度数排序的方法优于其他方法。

Sep, 2011

该研究利用机器学习模型分析了多个社交媒体平台上文章被在线分享的持续时间，以预测研究文章的长期在线兴趣。研究发现，旧的文章主要与经济和工业相关，而最近发表的文章则最多在研究平台和社交媒体平台方面被提及。

Sep, 2022

本文提出了一种针对新闻摘要自动提取的无监督方法，该方法采用神经网络模型并结合基于图论的排名算法，使用 BERT 模型来更好地捕获句子意义，显著超过强基线的效果。

Jun, 2019

Web of Scholars 是一个基于知识图谱的系统，它集成了最先进的挖掘技术，可用于计算机科学领域学者之间的网络搜索、挖掘和可视化复杂网络。它提供了快速、准确、智能的语义查询和强大的推荐服务，并提供一个开放 API 作为高级功能的底层架构，可用于学者进行科学分析。

Feb, 2022

预测从未发表的研究想法的影响力，使用大型知识图谱结合语义网络和引用网络，通过机器学习准确预测未来的网络动态和新研究方向的影响。

Feb, 2024

通过学术社交网络收集数据，采用暗示评分技术，提出一种推荐学术期刊的方式，结果表明，该系统可以更好地反映研究者的兴趣，即使是对于没有出版记录和新兴的学术场合。

Dec, 2016

本文探讨了如何使用图中心性的测量方法和元顶点的方法，配合系统性冗余过滤器，实现关键词的高效识别和排序，该方法在 14 个不同数据集上达到与现有技术同等水平，是一种无监督且可解释的关键词提取方法，可用于文档可视化。

Jul, 2019

提出一种聚类层次的无监督学习方法（UCHL），通过学习科学论文异构图中节点（作者、机构、论文等）的表示方法，实现整张异构图上的链接预测，取得优秀成绩。

Mar, 2022