摘要：[目的／意义]明晰由关键词形成的主题内容类关联关系对合著关系预测的影响和作用，形成作者-关键词二分网络上的合著关系预测指标和方法，提高预测准确率和结果可解释性。[方法／过程]首先，在作者-关键词二分网络上抽取多种路径表示作者间的关联关系，并结合关联强度的计算方式，共同形成多种合著关系预测指标；接着应用逻辑回归的机器学习方法学习不同指标对于合著关系预测的贡献，由此构建二分网络中基于路径组合的合著关系预测指标；最后基于链路预测方法对指标进行评测。[结果／结论]在图书情报领域的实验证实，作者-关键词二分网络中路径组合指标的准确率最高，较4种单路径指标均有大幅度提高；多种路径均对合著关系预测产生影响，且路径“作者-关键词-作者”（AKA）的作用明显高于路径“作者-关键词-作者-关键词-关键词”（AKAKA）；同时，使作者产生关联的关键词能表示作者间的共同研究主题和兴趣，使得结果更易解释。下一步将引入更多路径到该模型中并在其他领域验证方法的通用性。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）