本文選題：學(xué)術(shù)引文推薦 + 元路徑　； 參考：《西安交通大學(xué)學(xué)報(bào)》2017年07期

【摘要】：針對(duì)現(xiàn)有學(xué)術(shù)引文推薦算法中元路徑特征無(wú)法衡量學(xué)術(shù)文獻(xiàn)的時(shí)效性,且對(duì)元路徑特征的利用和劃分粒度較粗從而導(dǎo)致推薦精度不高的問(wèn)題,提出了一種采用元路徑時(shí)效衰減和引用模式劃分的學(xué)術(shù)引文推薦方法。首先,利用元路徑抽取豐富的引文特征,并在計(jì)算元路徑特征時(shí)加入了時(shí)效衰減因子,提升了新發(fā)表文獻(xiàn)的推薦精度;其次,提出了融合元路徑特征的主題模型MpTM,該模型利用主題特征為文獻(xiàn)劃分引用模式,并聯(lián)合學(xué)習(xí)文獻(xiàn)的主題分布、引用模式和元路徑特征權(quán)重,細(xì)化了元路徑特征的粒度;最后,通過(guò)所有引用模式下的元路徑特征加權(quán)值,為目標(biāo)文獻(xiàn)推薦學(xué)術(shù)引文。在AAN數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:所提方法在準(zhǔn)確率和召回率上平均提升約41.99%和22.43%,能夠提升新發(fā)表文獻(xiàn)和非權(quán)威文獻(xiàn)的推薦精度,并能有效緩解引文鏈接的稀疏性問(wèn)題。
[Abstract]:In view of the fact that the meta-path feature in the current academic citation recommendation algorithm can not measure the timeliness of academic literature, and the coarse granularity of the utilization and partition of meta-path features leads to the low recommendation accuracy. An academic citation recommendation method based on meta-path aging attenuation and citation model is proposed. Firstly, we use the meta-path to extract rich citation features, and add a time-dependent attenuation factor in the calculation of meta-path features, which improves the recommendation accuracy of the newly published literature. A topic model, MpTMM, which combines meta-path features, is proposed. The model uses topic features to divide reference patterns into reference patterns, and jointly studies the topic distribution, the weights of reference patterns and meta-path features to refine the granularity of meta-path features. This paper recommends academic citations for the target literature through the weighted values of meta path characteristics under all the citation modes. The experimental results on the AAN dataset show that the proposed method can improve the accuracy and recall rate by about 41.99% and 22.43% on average, which can improve the recommendation accuracy of the newly published and non-authoritative literatures, and can effectively alleviate the sparsity problem of citation links.
【作者單位】： 西安交通大學(xué)軟件學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61373046) 陜西省自然科學(xué)基金資助項(xiàng)目(S2015YFJM2129)
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 趙長(zhǎng)偉;彭勤科;張志勇;;混合因子矩陣分解推薦算法[J];西安交通大學(xué)學(xué)報(bào);2016年12期

2 曹玖新;董羿;楊鵬偉;周濤;劉波;;LBSN中基于元路徑的興趣點(diǎn)推薦[J];計(jì)算機(jī)學(xué)報(bào);2016年04期

3 秦繼偉;鄭慶華;鄭德立;田鋒;;結(jié)合評(píng)分和信任的協(xié)同推薦算法[J];西安交通大學(xué)學(xué)報(bào);2013年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳冉;王海起;孟斌;桂麗;劉玉;;基于位置簽到數(shù)據(jù)的城市空間分析與可視化[J];地理信息世界;2017年03期

2 孔功勝;;協(xié)同顯式和隱式主題回歸的論文推薦算法[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年05期

3 戴濤;朱利;張鴻飛;;采用元路徑時(shí)效衰減和引用模式劃分的學(xué)術(shù)引文推薦[J];西安交通大學(xué)學(xué)報(bào);2017年07期

4 張素智;趙亞楠;楊芮;;推薦系統(tǒng)研究[J];湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年01期

5 徐瑩;陶虎成;;融入爭(zhēng)議項(xiàng)的協(xié)同過(guò)濾推薦方法[J];微型電腦應(yīng)用;2017年01期

6 高董英;鄧新國(guó);肖如良;;融合相似用戶和信任關(guān)系的動(dòng)態(tài)反饋協(xié)同過(guò)濾推薦算法[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

7 司亞利;李峰;宋亞偉;;結(jié)合流行度特征和核密度估計(jì)的興趣點(diǎn)推薦算法[J];小型微型計(jì)算機(jī)系統(tǒng);2016年11期

8 趙長(zhǎng)偉;彭勤科;張志勇;;混合因子矩陣分解推薦算法[J];西安交通大學(xué)學(xué)報(bào);2016年12期

9 汪毓鐸;黃太波;;基于社交網(wǎng)絡(luò)和協(xié)同過(guò)濾的微博好友推薦算法[J];北京交通大學(xué)學(xué)報(bào);2016年05期

10 鄭潔;錢(qián)育蓉;楊興耀;黃蘭;馬婉貞;;基于信任和項(xiàng)目偏好的協(xié)調(diào)過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用;2016年10期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李雯;夏士雄;劉峰;張磊;袁冠;;基于運(yùn)動(dòng)趨勢(shì)的移動(dòng)對(duì)象位置預(yù)測(cè)[J];通信學(xué)報(bào);2014年02期

2 郭磊;馬軍;陳竹敏;姜浩然;;一種結(jié)合推薦對(duì)象間關(guān)聯(lián)關(guān)系的社會(huì)化推薦算法[J];計(jì)算機(jī)學(xué)報(bào);2014年01期

3 李善濤;肖波;;基于社交網(wǎng)絡(luò)的信息推薦系統(tǒng)[J];軟件;2013年12期

4 秦繼偉;鄭慶華;鄭德立;田鋒;;結(jié)合評(píng)分和信任的協(xié)同推薦算法[J];西安交通大學(xué)學(xué)報(bào);2013年04期

5 孟祥武;胡勛;王立才;張玉潔;;移動(dòng)推薦系統(tǒng)及其應(yīng)用[J];軟件學(xué)報(bào);2013年01期

，

本文編號(hào)：2010510