發(fā)布時間：2021-04-08 22:54

　　大數(shù)據(jù)時代,海量學術(shù)資源數(shù)據(jù)實時涌現(xiàn),使得用戶（例如:科研人員）需要花費大量的時間來尋找需要的各類學術(shù)資源。傳統(tǒng)信息檢索技術(shù)無法滿足用戶的需求,學術(shù)資源個性化推薦技術(shù)能夠主動地為用戶推送滿足需求的學術(shù)資源。隨著學術(shù)個性化推薦技術(shù)的發(fā)展,傳統(tǒng)學術(shù)資源個性化推薦技術(shù)也存在幾個方面的挑戰(zhàn):一是僅考慮資源的內(nèi)容相似,忽略了用戶的行為偏好;二是僅考慮學術(shù)資源的相似度,忽略了學術(shù)資源的質(zhì)量;三是大部分是單類型學術(shù)資源的推薦,少部分多類型學術(shù)資源推薦也只是簡單的推薦結(jié)果的混合,無法靈活地進行多類型學術(shù)資源推薦。這些缺陷不僅影響推薦結(jié)果的準確性,而且極大地影響用戶對推薦列表的滿意度。因此本文研究基于行為偏好的優(yōu)質(zhì)學術(shù)資源導向性個性化推薦。主要的研究內(nèi)容和創(chuàng)新如下:（1）基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦方法不僅能夠利用多類型的特征信息,而且通過改進頂點或隨機游走算法能夠影響推薦結(jié)果。因此,針對傳統(tǒng)學術(shù)論文推薦技術(shù)的相應(yīng)缺陷,本文提出了一種融合網(wǎng)絡(luò)圖模型和排序模型的論文推薦算法。該算法基于圖模型,借鑒了Page Rank算法結(jié)合論文的期刊因子計算論文的質(zhì)量,進而通過改變論文頂點權(quán)重,提高游走過程中質(zhì)量更高的論文頂點的游... 

【文章來源】：寧波大學浙江省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
引言
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 學術(shù)資源推薦策略
        1.2.2 隨機游走算法
    1.3 研究內(nèi)容
    1.4 學術(shù)資源推薦技術(shù)路線
    1.5 論文結(jié)構(gòu)
2 學術(shù)個性化推薦綜述
    2.1 學術(shù)用戶畫像
    2.2 學術(shù)資源建模
    2.3 學術(shù)資源個性化推薦的推薦策略
    2.4 本章小結(jié)
3 融合網(wǎng)絡(luò)圖模型和排序模型的論文推薦
    3.1 相關(guān)原理
        3.1.1 論文質(zhì)量評價
        3.1.2 排序算法
    3.2 結(jié)合論文質(zhì)量的用戶-論文圖模型構(gòu)建
        3.2.1 UAMQ內(nèi)在聯(lián)系
    3.3 學術(shù)論文的質(zhì)量和主題熱門度
    3.4 基于頂點權(quán)重的重啟隨機游走
        3.4.1 轉(zhuǎn)移概率矩陣
    3.5 融合網(wǎng)絡(luò)圖模型和排序模型的論文推薦算法
    3.6 實驗設(shè)計與結(jié)果分析
        3.6.1 實驗環(huán)境
        3.6.2 實驗數(shù)據(jù)劃分
        3.6.3 實驗數(shù)據(jù)預處理
        3.6.4 基線方法
        3.6.5 評估指標
        3.6.6 實驗結(jié)果分析
    3.7 本章小結(jié)
4 基于偏差游走和行為模型的優(yōu)質(zhì)學術(shù)資源個性化推薦
    4.1 推薦框架
    4.2 網(wǎng)絡(luò)模型構(gòu)建
        4.2.1 UAG內(nèi)在聯(lián)系
        4.2.2 學術(shù)資源的質(zhì)量
        4.2.3 偏差因子
        4.2.4 轉(zhuǎn)移概率矩陣
    4.3 行為模型
    4.4 實驗與結(jié)果分析
        4.4.1 實驗環(huán)境
        4.4.2 實驗數(shù)據(jù)
        4.4.3 實驗任務(wù)
        4.4.4 基線方法
        4.4.5 評估指標
        4.4.6 結(jié)果分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
在學研究成果
致謝
Abstract of Thesis
論文摘要


【參考文獻】：
期刊論文
[1]海量學術(shù)資源個性化推薦綜述[J]. 劉偉,劉柏嵩,王洋洋.  計算機工程與應(yīng)用. 2018(03)
[2]圖像檢索技術(shù)研究進展[J]. 周文罡,李厚強,田奇.  南京信息工程大學學報(自然科學版). 2017(06)
[3]跨類型的學術(shù)資源優(yōu)質(zhì)推薦算法研究[J]. 尹麗玲,劉柏嵩,王洋洋.  情報學報. 2017(07)
[4]大數(shù)據(jù)環(huán)境下圖書館學術(shù)資源個性化推薦服務(wù)研究[J]. 黃義文.  圖書館學刊. 2016(07)
[5]科研社交網(wǎng)絡(luò)的推薦系統(tǒng)對比分析[J]. 劉先紅,李綱.  圖書情報工作. 2016(09)
[6]基于DNN算法的移動視頻推薦策略[J]. 陳亮,汪景福,王娜,李霞.  計算機學報. 2016(08)
[7]基于多標簽屬性的學術(shù)文獻推薦研究[J]. 肖詩伯,楊玉梅,蘭鷹,呂思蜀.  情報探索. 2015(04)
[8]一種基于內(nèi)容過濾的科技文獻推薦算法[J]. 王嫣然,陳梅,王翰虎,張鑫.  計算機技術(shù)與發(fā)展. 2011(02)
[9]基于關(guān)聯(lián)規(guī)則的個性化推薦在數(shù)字圖書館中的應(yīng)用研究[J]. 劉旭東,葛俊杰.  德州學院學報. 2010(02)
[10]基于加權(quán)關(guān)聯(lián)規(guī)則挖掘的相關(guān)文獻推薦[J]. 陳祖琴,張惠玲,葛繼科,鄭宏.  現(xiàn)代圖書情報技術(shù). 2007(10)

碩士論文
[1]基于網(wǎng)絡(luò)圖模型的學術(shù)論文及其標簽推薦方法研究[D]. 蔡騰遠.電子科技大學 2017
[2]基于論文引用網(wǎng)絡(luò)的文獻推薦算法研究[D]. 姚遠.北京交通大學 2014
[3]基于合著網(wǎng)絡(luò)的論文混合推薦算法研究[D]. 王若松.哈爾濱工程大學 2013
[4]高質(zhì)量個性化論文推薦系統(tǒng)研究[D]. 門瑞.天津大學 2012
[5]電子商務(wù)環(huán)境下的個性化信息推薦服務(wù)及應(yīng)用研究[D]. 張娜.合肥工業(yè)大學 2007



本文編號：3126411