关键词驱动的引文推荐

发布时间：2021-04-02 22:01

　　如今,论文推荐系统会根据用户的个性化检索需求向用户推荐学术论文。通常,论文推荐系统首先会分析用户输入的关键词,然后向用户推荐学术论文。事实上,一篇学术论文可能只包含用户部分查询的关键词。因此,论文推荐系统需要向用户推荐一组覆盖所有查询关键词的论文集合。然而,现有的论文推荐系统仅使用关键词匹配技术进行论文推荐,而忽略了不同论文之间研究内容的相关性。因此,现有的论文推荐系统可能会向用户推荐一组来自不同研究领域的论文集合;并且,这组论文集合不能满足用户对某个领域或主题进行深入和持续性研究的潜在需求。幸运的是,文献引证关系图中引用关系对构建论文之间的相关性（相关关系）提供了一种有效的方式。因此,本文基于现有的文献引证关系图提出并设计两种不同的论文推荐方法。这两种论文推荐方法主要的研究内容如下:（1）基于无向文献引证关系图的关键词驱动和流行度感知的论文推荐方法。目前,现有的论文推荐系统主要根据用户输入的关键词进行论文推荐,但是这种论文推荐过程忽略了论文之间研究内容的相关性。鉴于此缺点,本文首先提出了一种基于无向文献引证关系图的关键词驱动和流行度感知的论文推荐方法,即,PR_keyword... 

【文章来源】：曲阜师范大学山东省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

不同方法推荐的节点数目

第3章基于无向文献引证关系图的关键词驱动和流行度感知的论文推荐方法23(a)关键词集合A中计算时间(b)关键词集合B中计算时间(c)关键词集合C中计算时间图3.9不同方法计算时间分析3-5.不同方法的准确度。在实验中，我们比较了三种不同论文推荐方法的准确度。如图3.10所示，在不同的关键词查询情况下，Paper-Random方法和Paper-Greedy方法推荐结果的准确度都在5%~45%之间，PRkeyword+pop方法推荐结果的准确度均为100%。因此，PRkeyword+pop方法的推荐结果可以更好地满足用户的检索需求。

第3章基于无向文献引证关系图的关键词驱动和流行度感知的论文推荐方法24(a)关键词集合A中准确度(b)关键词集合B中准确度(c)关键词集合C中准确度图3.10不同方法的准确度分析3-6.不同方法的召回率和F1-score。在实验中，我们首先比较了不同论文推荐方法在关键词集合C中召回率。由图3.6可知，PRkeyword+pop方法推荐的论文数量不超过30篇，所以RW方法和RWR方法中推荐的论文数量都分别设置为10篇、20篇和30篇，并且这两种方法的召回率分别取这三个实验结果的平均值。如图3.11(a)所示，在相同关键词查询情况下，PRkeyword+pop方法的召回率在4%~21%之间；Paper-Random方法和Paper-Greedy方法的召回率都在39%~54%之间；RW方法和RWR方法的召回率都低于9.5%。此外，当查询关键词的数量不等于3时，RW方

【参考文献】：
期刊论文
[1]Recommending Authors and Papers Based on ACTTM Community and Bilayer Citation Network[J]. Meilian Lu,Zhihe Qu,Mengxing Wang,Zhen Qin.  中国通信. 2018(07)
[2]基于弱关系理论的轻社交服务系统设计研究[J]. 刘硕,曹鸣.  设计. 2018(01)
[3]基于知识脉络的科技论文推荐[J]. 谭红叶,要一璐,梁颖红.  山东大学学报(理学版). 2016(05)
[4]基于协同过滤的论文推荐-传播平台模型研究[J]. 段文奇,惠淑敏.  科学学研究. 2012(10)
[5]引文网络的研究现状及其发展综述[J]. 吴海峰,孙一鸣.  计算机应用与软件. 2012(02)

硕士论文
[1]个性化推荐中协同过滤算法研究[D]. 路春霞.北京交通大学 2016
[2]基于链路预测的社交网络推荐系统研究[D]. 杨星.杭州电子科技大学 2016



本文编号：3116037