基于多興趣的學(xué)術(shù)論文推薦研究.pdf

1、隨著學(xué)術(shù)論文數(shù)量呈爆炸式增長(zhǎng)，科研工作者如何從龐大的論文庫(kù)中迅速找到感興趣的文獻(xiàn)成為亟待解決的難題。學(xué)術(shù)論文推薦是克服此難題的有效方法。學(xué)術(shù)論文推薦研究主要集中于基于內(nèi)容過(guò)濾、基于引文網(wǎng)絡(luò)、基于合著網(wǎng)絡(luò)和基于論文評(píng)價(jià)指標(biāo)等方法?；趦?nèi)容過(guò)濾的論文推薦是指根據(jù)用戶的歷史操作、評(píng)論、興趣標(biāo)注等信息建立用戶模型并推薦。然而，這種推薦方法需要在信息的收集上花費(fèi)大量時(shí)間?；谝木W(wǎng)絡(luò)的論文推薦是利用論文之間的引用關(guān)系來(lái)向用戶推薦論文，但是引用關(guān)系

2、本身具有的不確定性常常會(huì)影響推薦結(jié)果的質(zhì)量。基于合著網(wǎng)絡(luò)的論文推薦是一種利用學(xué)者間通過(guò)合著而形成的復(fù)雜網(wǎng)絡(luò)進(jìn)行推薦的方法?；谡撐脑u(píng)價(jià)指標(biāo)的論文推薦通過(guò)論文或作者的引用、共引、期刊質(zhì)量因子和H指數(shù)等評(píng)價(jià)指標(biāo)對(duì)論文過(guò)濾并推薦。
　　本文在已有研究的基礎(chǔ)上，提出一種基于多興趣的學(xué)術(shù)論文推薦算法，主要貢獻(xiàn)如下:
　　(1)識(shí)別學(xué)者的多個(gè)研究興趣。根據(jù)學(xué)者通常具有多個(gè)研究興趣的事實(shí)，利用聚類(lèi)算法將每位學(xué)者的發(fā)表論文集劃分為多個(gè)興趣集

3、，每個(gè)興趣集都代表學(xué)者的一個(gè)研究興趣。
　　(2)分別提出基于VSM和基于頻繁模式的兩種多興趣學(xué)者模型。基于VSM的多興趣學(xué)者模型將一個(gè)興趣集中所有發(fā)表論文的模型加權(quán)融合，并將融合后的特征向量作為相應(yīng)的興趣模型?；陬l繁模式的多興趣學(xué)者模型首先使用LDA預(yù)處理興趣集，然后使用FP-Growth算法從處理結(jié)果中挖掘一個(gè)頻繁模式集，最后化簡(jiǎn)該頻繁模式集并建立相應(yīng)的興趣模型。
　　(3)提出研究興趣重視度的概念，并根據(jù)興趣集中論文