基于知识图谱的合作者推荐系统设计与实现

发布时间：2021-04-21 01:20

　　随着互联网和信息技术的不断发展,学术交流与合作不再受地理因素的限制,变得愈加频繁,学者之间的学术合作行为分析逐渐成为科学研究的重要组成。在大数据背景下,如何有效地利用海量学术数据对学者合作网络进行构建,并通过该网络帮助学者挖掘、推荐合适的合作伙伴,成为当前学术网络研究的热点问题。本文提出了基于学术知识图谱的合作者推荐算法,以知识图谱的方式对领域学术网络进行构建,结合基于内容的推荐方法,为学者推荐合作伙伴,并且推荐的结果具有一定的可解释性。首先,对学术数据中学者、研究领域及论文等多源异构信息进行抽取和处理,以图数据库为主要载体,自顶向下的方式构建出计算机领域内的科研知识图谱。其次,通过在知识图谱中定义的元路径组,利用基于网络结构的相似度,为源学者过滤出无直接合作关系但相似度极高的推荐候选集合。然后,利用基于内容过滤推荐中Itembased的思想,根据已经是源学者的合作者的相关特征,计算候选推荐集合中学者与源学者的相似度,依据相似度综合评分生成合作者列表,即为最终推荐结果。最后,在知识图谱中查找推荐的学者与源学者的最短路径,生成对推荐结果的解释。本文提出的基于学术知识图谱的合作者推荐算法已... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 知识图谱
        1.2.2 可解释性推荐
    1.3 本文研究内容
    1.4 论文组织结构
2 相关技术
    2.1 后端技术
        2.1.1 Java EE平台
        2.1.2 MVC框架模式
    2.2 前端技术
        2.2.1 HTML、CSS和 JavaScript组件
        2.2.2 Bootstrap框架
        2.2.3 D3 框架
        2.2.4 ECharts
    2.3 数据库
        2.3.1 Neo4j数据库
        2.3.2 MySQL数据库
    2.4 本章小结
3 基于知识图谱的合作者推荐算法设计及实现
    3.1 合作者推荐算法模型
        3.1.1 基于元路径相似度
        3.1.2 基于信息相似度
        3.1.3 推荐结果可解释性
    3.2 算法实现及结果展示
        3.2.1 构建知识图谱
        3.2.2 计算元路径相似度
        3.2.3 计算信息相似度
        3.2.4 生成推荐解释
    3.3 本章小结
4 系统结构设计
    4.1 需求概述
        4.1.1 功能需求分析
        4.1.2 非功能需求分析
    4.2 系统设计
        4.2.1 总体结构设计
        4.2.2 模块详细设计
        4.2.3 数据库设计
    4.3 本章小结
5 系统实现与测试
    5.1 系统实现
        5.1.1 登录界面
        5.1.2 用户管理界面
        5.1.3 查询界面
        5.1.4 推荐界面
    5.2 系统测试
    5.3 本章小结
结论
参考文献
致谢



本文编号：3150769