基于引用網(wǎng)的在線論文推薦系統(tǒng)研究.pdf

1、當今時代是信息大爆炸的時代,學(xué)術(shù)著作數(shù)目快速增長,新的研究領(lǐng)域不斷涌現(xiàn)。對于研究者來說,快速地從相關(guān)領(lǐng)域獲取重要研究人員、重要研究單位、重要論文以及相關(guān)領(lǐng)域的發(fā)展情形等信息至關(guān)重要。
　　使用谷歌學(xué)術(shù),知網(wǎng)等傳統(tǒng)的搜索工具,雖然能夠搜索到相關(guān)的文獻,但是這些工具往往更適合于具有一定研究資歷的研究人員。對于初級研究人員來說,可能遭遇由于海量知識所引起的認知負擔(dān),非常不適用。
　　基于以上情形,本文開發(fā)了一套在線文獻推薦系統(tǒng)。該

2、系統(tǒng)根據(jù)用戶輸入的種子文獻,自動到在線數(shù)據(jù)庫中查詢相關(guān)內(nèi)容,構(gòu)建由該論文擴散出的文獻引用圖,然后利用圖論和基于圖的數(shù)據(jù)挖掘技術(shù),分析出該文獻引用網(wǎng)的一些特性,如引用次數(shù)最多的論文、該領(lǐng)域與其他領(lǐng)域的交叉、該領(lǐng)域的發(fā)展方向等相關(guān)知識,從而為研究者推薦最受歡迎的論文、該領(lǐng)域最著名的研究者等信息,并且將這些信息以可視化的形式展現(xiàn)出來,方便研究者做進一步的應(yīng)用。
　　本文的主要工作如下:研究國內(nèi)外學(xué)術(shù)界提出的多種文獻引用網(wǎng)模型和各種推薦技