• 解析 DBLP 的 xml 文件，以 attention 和 transformer 为关键词，只取 2017 年以后的文章。
• 把人名编码成数字。
• 一年一年来处理，认为有效的学者关系满足两点：
  • 一年内发表论文数量大于 5【支持率】。
  • 关系内任意一人记为 a，除他之外其他人记为 A，要满足 A → A+a 的【置信率】大于 0.5；注意是任意一人。
• 定义 人数=2 的关系为【合著者】，人数＞2 的关系为【团队】。
• 定义学者关系的【活跃程度】：α * 这一堆人发表文章数量 + β / 人数 * 求和{一堆人发表文章数量 / 每个人发表文章数量}。取 α=1，β=10。注意发表数量都是一年内的。

• 研究 attention transformer 的人越来越多。
• 貌似没人能一直研究 attention transformer 超过一年，大家的研究方向变得很快。
• 好多活跃的人都是重复的，比如出现 “一个固定导师+一个可变学生” “两个固定导师+一个可变学生” “AB BC AC 都活跃” 这种 pattern，三五好友 / 整个实验室一起研究 transformer。
• 合著者发文数量上，2018年有一个激增；团队发文数量上，2019年和2021年都有激增。

• py：
  • getAuthors.py：从 DBLP 的 xml 文件，解析得到 authors.txt。
  • encodeAuthors.py：把 authors.txt 编码成 authors_encode.txt + author_index.txt。
  • fpgrowth.py：调用 mlxtend 的关联规则挖掘，以及学者关系分析。
• txt：
  • authors.txt：年份 + title + 学者名字。
  • authors_encode.txt：年份 + title + 学者编码（数字）。
  • author_index.txt：学者编码 + 学者名字 + 这个人（一年内）总共发表数量。
• csv：
  • result_co_authors_5_0.5.csv：合著者的分析结果，年份 + 学者名字（tuple）+ 学者一年内发文数量 + 活跃程度。
  • result_teams_5_0.5.csv：团队的分析结果，格式同上。
• pdf：
  • 课程报告。

感谢这些带给我帮助的 repo：

• https://github.com/findmyway/DBLP-Coauthor
• https://github.com/sherryxiata/DBLP-CoAuthor
• https://github.com/liyi-david/dblpmining
• https://github.com/wsjfc/dblp_data_mining/
• https://github.com/LinusDietz/DBLPGraphs