基于用戶興趣模型的個性化論文推薦系統(tǒng)研究.pdf

1、在線論文發(fā)布平臺作為一種新型的知識傳播媒體為學(xué)術(shù)作品的發(fā)布、評審提供了便捷的途徑,但現(xiàn)有平臺依然存在傳統(tǒng)系統(tǒng)的聚集型的信息羅列、被動的等待論文評審的弊端,缺少有效的個性化服務(wù)以加強論文資源的動態(tài)調(diào)度。針對此類問題,本文通過深入分析個性化推薦算法以及各種個性化服務(wù)技術(shù),綜合數(shù)據(jù)挖掘算法、信息抽取技術(shù)與論文發(fā)布平臺的特點,提出基于興趣模型的個性化論文推薦系統(tǒng)。本系統(tǒng)能夠自動搜集論文評審專家信息構(gòu)建評審專家興趣模型,主動挖掘新發(fā)布論文的特性,

2、利用論文特性構(gòu)建論文興趣模型,并基于興趣模型為論文選擇最權(quán)威的評審專家群體,然后實時的向這些評審專家群體推薦其所感興趣的論文。
　　 通過分析論文推薦應(yīng)用領(lǐng)域的特點,本文創(chuàng)造性的設(shè)計出評審專家興趣模型,該興趣模型不僅極大的降低了計算的時間和空間復(fù)雜度,提高了論文的推薦質(zhì)量,同時,能夠?qū)崿F(xiàn)興趣模型的動態(tài)更新以及快速跟蹤用戶興趣的漂移。經(jīng)過改進現(xiàn)有算法,本文有效的提高了推薦結(jié)果的準確率和召回率。
　　 另外,為了在構(gòu)建評審專