本研究では，Random Walk with Restartと研究内容のコサイン類似度に基づいた，有向グラフによる研究者推薦モデルを提案する．有向グラフは科学研究費助成事業データベースから構築し，過去の共同研究関係，研究内容のコサイン類似度，およびそれらを組み合わせた3種類のエッジを定義し，それぞれをhistoryモデル，similarityモデル，combinationモデルとする．3つのモデルごとに推薦精度としてnDCG@kを比較する．実験結果として，過去の共同研究関係とコサイン類似度を組み合わせたcombinationモデルのnDCG@kが最も高くなることを確認している．また，ネットワーク構造の比較により，エッジ数の増加だけでなく次数の分布も推薦精度に影響することを確認している．
