大數(shù)據(jù)時(shí)代,海量學(xué)術(shù)資源數(shù)據(jù)實(shí)時(shí)涌現(xiàn),使得用戶（例如:科研人員）需要花費(fèi)大量的時(shí)間來(lái)尋找需要的各類學(xué)術(shù)資源。傳統(tǒng)信息檢索技術(shù)無(wú)法滿足用戶的需求,學(xué)術(shù)資源個(gè)性化推薦技術(shù)能夠主動(dòng)地為用戶推送滿足需求的學(xué)術(shù)資源。隨著學(xué)術(shù)個(gè)性化推薦技術(shù)的發(fā)展,傳統(tǒng)學(xué)術(shù)資源個(gè)性化推薦技術(shù)也存在幾個(gè)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(xué)術(shù)資源的相似度,忽略了學(xué)術(shù)資源的質(zhì)量;三是大部分是單類型學(xué)術(shù)資源的推薦,少部分多類型學(xué)術(shù)資源推薦也只是簡(jiǎn)單的推薦結(jié)果的混合,無(wú)法靈活地進(jìn)行多類型學(xué)術(shù)資源推薦。這些缺陷不僅影響推薦結(jié)果的準(zhǔn)確性,而且極大地影響用戶對(duì)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(xué)術(shù)資源導(dǎo)向性個(gè)性化推薦。主要的研究?jī)?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(guò)改進(jìn)頂點(diǎn)或隨機(jī)游走算法能夠影響推薦結(jié)果。因此,針對(duì)傳統(tǒng)學(xué)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(jì)算論文的質(zhì)量,進(jìn)而通過(guò)改變論文頂點(diǎn)權(quán)重,提高游走過(guò)程中質(zhì)量更高的論文頂點(diǎn)的游... 

【文章來(lái)源】：寧波大學(xué)浙江省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)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(xué)術(shù)資源推薦策略
        1.2.2 隨機(jī)游走算法
    1.3 研究?jī)?nèi)容
    1.4 學(xué)術(shù)資源推薦技術(shù)路線
    1.5 論文結(jié)構(gòu)
2 學(xué)術(shù)個(gè)性化推薦綜述
    2.1 學(xué)術(shù)用戶畫(huà)像
    2.2 學(xué)術(shù)資源建模
    2.3 學(xué)術(shù)資源個(gè)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(píng)價(jià)
        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(xué)術(shù)論文的質(zhì)量和主題熱門度
    3.4 基于頂點(diǎn)權(quán)重的重啟隨機(jī)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(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        3.6.1 實(shí)驗(yàn)環(huán)境
        3.6.2 實(shí)驗(yàn)數(shù)據(jù)劃分
        3.6.3 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理
        3.6.4 基線方法
        3.6.5 評(píng)估指標(biāo)
        3.6.6 實(shí)驗(yàn)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(xué)術(shù)資源個(gè)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(xué)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(shí)驗(yàn)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)環(huán)境
        4.4.2 實(shí)驗(yàn)數(shù)據(jù)
        4.4.3 實(shí)驗(yàn)任務(wù)
        4.4.4 基線方法
        4.4.5 評(píng)估指標(biāo)
        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(xiàn)
在學(xué)研究成果
致謝
Abstract of Thesis
論文摘要


【參考文獻(xiàn)】：
期刊論文
[1]海量學(xué)術(shù)資源個(gè)性化推薦綜述[J]. 劉偉,劉柏嵩,王洋洋.  計(jì)算機(jī)工程與應(yīng)用. 2018(03)
[2]圖像檢索技術(shù)研究進(jìn)展[J]. 周文罡,李厚強(qiáng),田奇.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[3]跨類型的學(xué)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(bào)學(xué)報(bào). 2017(07)
[4]大數(shù)據(jù)環(huán)境下圖書(shū)館學(xué)術(shù)資源個(gè)性化推薦服務(wù)研究[J]. 黃義文.  圖書(shū)館學(xué)刊. 2016(07)
[5]科研社交網(wǎng)絡(luò)的推薦系統(tǒng)對(duì)比分析[J]. 劉先紅,李綱.  圖書(shū)情報(bào)工作. 2016(09)
[6]基于DNN算法的移動(dòng)視頻推薦策略[J]. 陳亮,汪景福,王娜,李霞.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[7]基于多標(biāo)簽屬性的學(xué)術(shù)文獻(xiàn)推薦研究[J]. 肖詩(shī)伯,楊玉梅,蘭鷹,呂思蜀.  情報(bào)探索. 2015(04)
[8]一種基于內(nèi)容過(guò)濾的科技文獻(xiàn)推薦算法[J]. 王嫣然,陳梅,王翰虎,張?chǎng)?  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(02)
[9]基于關(guān)聯(lián)規(guī)則的個(gè)性化推薦在數(shù)字圖書(shū)館中的應(yīng)用研究[J]. 劉旭東,葛俊杰.  德州學(xué)院學(xué)報(bào). 2010(02)
[10]基于加權(quán)關(guān)聯(lián)規(guī)則挖掘的相關(guān)文獻(xiàn)推薦[J]. 陳祖琴,張惠玲,葛繼科,鄭宏.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2007(10)

碩士論文
[1]基于網(wǎng)絡(luò)圖模型的學(xué)術(shù)論文及其標(biāo)簽推薦方法研究[D]. 蔡騰遠(yuǎn).電子科技大學(xué) 2017
[2]基于論文引用網(wǎng)絡(luò)的文獻(xiàn)推薦算法研究[D]. 姚遠(yuǎn).北京交通大學(xué) 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(xué) 2013
[4]高質(zhì)量個(gè)性化論文推薦系統(tǒng)研究[D]. 門瑞.天津大學(xué) 2012
[5]電子商務(wù)環(huán)境下的個(gè)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(xué) 2007



本文編號(hào)：3126411