2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩52頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

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

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論