，累計求和得到總的結(jié)構(gòu)特征值，計算公式如下：
[0044] 公式（3-13)表示R(i)表示第i個節(jié)點的總的回避指數(shù)，其中ri(k)表示特征灰 色關(guān)聯(lián)指數(shù)，wk表示第k個結(jié)構(gòu)特征的權(quán)重值。
[0045] 其中，學(xué)術(shù)社區(qū)特征的最優(yōu)值為1，關(guān)系跳數(shù)特征的最優(yōu)值為1，關(guān)系權(quán)重特征的 最優(yōu)值為整個網(wǎng)絡(luò)的最小的權(quán)重值，鄰里重疊度的最優(yōu)值為1，P取值為0.5。
[0046] 本發(fā)明的有益效果：本發(fā)明考慮了學(xué)術(shù)社區(qū)因子、學(xué)術(shù)關(guān)系權(quán)重因子、學(xué)術(shù)關(guān)系跳 數(shù)因子和學(xué)術(shù)鄰里重疊度因子，最后使用基于變異系數(shù)的灰色關(guān)聯(lián)分析方法綜合評估以上 的指標(biāo)，得到綜合的學(xué)術(shù)距離值。這種方法計算簡便，能有效評估出是否回避，能顯著提高 科技評價及評審的公平與準(zhǔn)確。
【附圖說明】
[0047] 圖1為本發(fā)明實施例專家學(xué)術(shù)距離評估方法的流程示意圖。
[0048] 圖2為本發(fā)明實施例學(xué)術(shù)關(guān)系權(quán)重圖。
[0049] 圖3為本發(fā)明實施例"王三"與"李三"關(guān)系的局部圖。
[0050] 圖4為本發(fā)明實施例學(xué)術(shù)關(guān)系整體網(wǎng)絡(luò)圖。
[0051] 圖5為本發(fā)明實施例"雷一"與"李三"鄰居局部圖。
【具體實施方式】
[0052] 下面結(jié)合附圖及實例，對本發(fā)明做進一步說明。
[0053] 如圖1所示，本實施例基于學(xué)術(shù)關(guān)系網(wǎng)絡(luò)的專家學(xué)術(shù)距離評估方法，首先用層次 化社區(qū)劃分算法對學(xué)術(shù)關(guān)系網(wǎng)絡(luò)進行學(xué)術(shù)社區(qū)劃分，在一個社區(qū)里的人之間聯(lián)系的較頻 繁，不在一個社區(qū)里的人聯(lián)系的較稀少，學(xué)術(shù)活動頻繁的人在一個學(xué)術(shù)圈里，在同等條件 下，在一個社區(qū)里的人比不在一個社區(qū)里的人的關(guān)系要強些，即學(xué)術(shù)距離要大些。關(guān)系跳數(shù) 結(jié)構(gòu)特征則是根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)上的直接間接關(guān)系來衡量的。關(guān)系權(quán)重結(jié)構(gòu)特征是把兩者之 間的權(quán)重考慮進來，得到一個人與另一個關(guān)系的學(xué)術(shù)權(quán)重值。鄰里重疊度結(jié)構(gòu)特征則是從 兩人之間的共同朋友個數(shù)出發(fā)，兩者之間的共同朋友越多，說明兩人關(guān)系越強，學(xué)術(shù)距離越 大。最后使用變異系數(shù)的灰色關(guān)聯(lián)算法來綜合評估以上的四個學(xué)術(shù)距離結(jié)構(gòu)特征，得到綜 合的學(xué)術(shù)距離值。
[0054] 學(xué)術(shù)關(guān)系距離網(wǎng)絡(luò)結(jié)構(gòu)特征主要是從學(xué)術(shù)社區(qū)特征、關(guān)系跳數(shù)、關(guān)系權(quán)重以及鄰 里重疊度這四個方面來提取。
[0055] 1、學(xué)術(shù)社區(qū)特征
[0056] 專家的學(xué)術(shù)圈是影響評估專家之間學(xué)術(shù)距離的重要因素，在一個學(xué)術(shù)社區(qū)里的人 之間的活動比不在一個學(xué)術(shù)社區(qū)里的人的活動要頻繁一些。也即在相同的條件下，在一個 學(xué)術(shù)社區(qū)里的人之間的學(xué)術(shù)距離比不在一個學(xué)術(shù)社區(qū)里的人之間的學(xué)術(shù)距離要大些。學(xué)術(shù) 社區(qū)的形成是由于人們與人們之間進行學(xué)術(shù)交流，合作發(fā)表論文等的學(xué)術(shù)活動而形成的。 在這里我們用社區(qū)層次化檢測算法在學(xué)術(shù)關(guān)系網(wǎng)絡(luò)上進行社區(qū)劃分，即是學(xué)術(shù)圈。學(xué)術(shù)社 區(qū)結(jié)構(gòu)特征是考慮整體與局部的關(guān)系，在一個學(xué)術(shù)圈里的專家之間的聯(lián)系比不在一個學(xué)術(shù) 圈里的人之間的聯(lián)系頻繁，但是不在一個學(xué)術(shù)圈的兩個人物之間不代表沒有直接關(guān)系，所 以把學(xué)術(shù)社區(qū)結(jié)構(gòu)特征作為其中一個特征來衡量學(xué)術(shù)距離。在一個學(xué)術(shù)社區(qū)里的人的學(xué)術(shù) 社區(qū)特征值為1，不在一個學(xué)術(shù)社區(qū)里的人的學(xué)術(shù)社區(qū)特征值為〇. 5。在這里使用的是層次 化社區(qū)劃分算法來對學(xué)術(shù)關(guān)系網(wǎng)絡(luò)進行社區(qū)劃分，該算法分為兩個階段：
[0057] 首先初始時假設(shè)網(wǎng)絡(luò)中的每個節(jié)點都是一個獨立的社團。對任意相鄰的節(jié)點i和 節(jié)點j，計算將節(jié)點i加入其鄰居節(jié)點j所在的社團（記為社團G)時對應(yīng)的模塊度增量：
[0059] 其中，si;in是節(jié)點與社團C內(nèi)其他節(jié)點所有連邊的權(quán)重和，W。是社團C內(nèi)部所有 邊的權(quán)重和，S。是所有與社團C內(nèi)部的點相關(guān)聯(lián)的邊的權(quán)重和，W是網(wǎng)絡(luò)中所有邊的權(quán)值之 和，Si是節(jié)點i的權(quán)重值。
[0060] 計算節(jié)點i與所有鄰居節(jié)點的模塊度增量，然后選出其中最大的一個。當(dāng)該值為 正時，把節(jié)點i加入相應(yīng)的鄰居節(jié)點所在的社團；否則，節(jié)點i留在原社團中。這種社團合 并過程重復(fù)進行，直到不再出現(xiàn)合并現(xiàn)象，這樣就劃分出了第一層社團。
[0061] 然后構(gòu)造一個新網(wǎng)絡(luò)，其中的節(jié)點是前一階段劃分出的社團，節(jié)點之間連邊的權(quán) 重是兩個社團之間所有連邊的權(quán)重和。利用前面的方法對新網(wǎng)絡(luò)進行社團劃分，得到第二 層社團結(jié)構(gòu)。以此類推，直到不能再劃分出更高一層的社團結(jié)構(gòu)為止。
[0062] 2、關(guān)系跳數(shù)特征
[0063] 學(xué)術(shù)關(guān)系跳數(shù)結(jié)構(gòu)特征是根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)得出的一個指標(biāo)，在學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里，如 果兩個人之間的關(guān)系存在直接連接則這兩個人之間的學(xué)術(shù)關(guān)系跳數(shù)特征值為1，如果沒有 直接相連但是可以通過一個人物達到，則學(xué)術(shù)關(guān)系跳數(shù)特征值為2,依次這樣下去，直到不 可達為止。如果一個人在學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里是孤立點，即在學(xué)術(shù)關(guān)系網(wǎng)絡(luò)上與任何人物都沒 有關(guān)系，也即與任何人物都不相連，在整個網(wǎng)絡(luò)里是孤立存在的，在這里為了研宄的方便， 則定義他與學(xué)術(shù)關(guān)系網(wǎng)絡(luò)上的任何人物的學(xué)術(shù)關(guān)系跳數(shù)特征值為整個學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里最 大的學(xué)術(shù)關(guān)系跳數(shù)特征值加1。學(xué)術(shù)關(guān)系跳數(shù)特征則是在不考慮網(wǎng)絡(luò)權(quán)重值的基礎(chǔ)上，只是 根據(jù)人物與人物之間是否存在關(guān)系來衡量的。在這里表示在其他同樣的條件下，學(xué)術(shù)關(guān)系 跳數(shù)特征值為1的人物之間的學(xué)術(shù)距離比學(xué)術(shù)關(guān)系跳數(shù)特征值為2的學(xué)術(shù)距離要大些，學(xué) 術(shù)關(guān)系跳數(shù)特征值為2的人物之間的學(xué)術(shù)距離比學(xué)術(shù)關(guān)系跳數(shù)特征值為3的學(xué)術(shù)距離要大 些，以此類推。而學(xué)術(shù)關(guān)系跳數(shù)特征值一樣的人物之間的學(xué)術(shù)距離則是一樣的。學(xué)者間關(guān) 系跳數(shù)越高，意味著兩者的關(guān)系越遠，學(xué)術(shù)距離越小，反之，學(xué)者間關(guān)系跳數(shù)越低，意味著兩 者的關(guān)系越近，學(xué)術(shù)距離越大。
[0064] 3、關(guān)系權(quán)重特征
[0065] 學(xué)術(shù)關(guān)系權(quán)重表示在學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里，人物到其他人物的權(quán)重值，兩個人物之間 的學(xué)術(shù)關(guān)系權(quán)重值越大，則兩個人物之間存在的關(guān)系類型可能越多，表明兩個人物之間的 關(guān)系越強，學(xué)術(shù)距離越大。但經(jīng)過兩個人物甚至更多的人物而得到的學(xué)術(shù)關(guān)系權(quán)重極大可 能比只經(jīng)過一個人物而得到的學(xué)術(shù)關(guān)系權(quán)重值大甚至大很多，所以不好衡量。例如在圖2 里，A與B的關(guān)系權(quán)重為0. 55,但是通過節(jié)點C、D以及E之后，A與B的權(quán)重則會變?yōu)?. 25， 顯然2. 25比0. 55大很多，所以從權(quán)重越大來判斷學(xué)術(shù)距離越大不合適，得到人物之間關(guān)系 權(quán)重值之前，需要對權(quán)重值進行反轉(zhuǎn)，在圖2里，把D與E的最小關(guān)系權(quán)重值0. 15反轉(zhuǎn)為C 與D之間的最大關(guān)系權(quán)重值0. 75,而C與D的0. 75則反轉(zhuǎn)為0. 15,A與C的第二小值0. 35 則反轉(zhuǎn)為A與B的第二大值0. 55,A與B的0. 55則反轉(zhuǎn)為0. 35,B與E之間的關(guān)系權(quán)重值 0. 45則不變。
[0066] 所以我們先是對整個學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里的權(quán)重值進行反轉(zhuǎn)，即先除掉那些沒有直接 相連而使權(quán)重值為〇的值，用學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里最大的權(quán)重值與學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里最小的權(quán)重 值進行交換，用第二大值與第二小值交換，按照此規(guī)則對整個學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里的權(quán)重值進 行交換。接著對學(xué)術(shù)關(guān)系網(wǎng)絡(luò)里權(quán)重值為〇的人物節(jié)點的權(quán)重值進行值最大化處理。最后 去得到每個節(jié)點到其他節(jié)點的最短關(guān)系權(quán)重值。在其他相同的條件下，學(xué)術(shù)關(guān)系權(quán)重值越 小就代表兩者之間的學(xué)術(shù)距離越大。
[0067] 4、鄰里重疊度特征
[0068] -般來說，在同等條件之下，即A、B與C在其他衡量聯(lián)系強度的指標(biāo)一樣的情況 下，如果A與C的共同朋友比B與C的共同朋友多的話，鄰里重疊度越大，關(guān)系強度就越強 的理論，則說明A與C的關(guān)系強度比B與C的關(guān)系強度要強，即A與C的學(xué)術(shù)距離比B與C 的學(xué)術(shù)距離越大。A、B的鄰里重疊度的定義如下：
[0070] 在公式（3-2)里，分母部分不包括A和B本身。例如A、B的共同鄰居數(shù)為4個，與 A、B中至少一個為鄰居的節(jié)點數(shù)為10,則A與B的鄰里重疊度為4/10 = 0. 4,即A與B的 鄰里重疊度特征值為0. 4。鄰里重疊度特征值的取值范圍為0到1，最小值為0,即A與B沒 有共同的鄰居；最大值為1，即A的鄰居也是B的鄰居且B的鄰居也是A的鄰居。
[0071] 最后本方案使用變異系數(shù)的灰色關(guān)聯(lián)分析算法來對四個衡量學(xué)術(shù)距離的結(jié)構(gòu)特 征進行綜合