關(guān)鍵詞驅(qū)動的引文推薦
發(fā)布時間：2021-04-02 22:01
如今,論文推薦系統(tǒng)會根據(jù)用戶的個性化檢索需求向用戶推薦學(xué)術(shù)論文。通常,論文推薦系統(tǒng)首先會分析用戶輸入的關(guān)鍵詞,然后向用戶推薦學(xué)術(shù)論文。事實上,一篇學(xué)術(shù)論文可能只包含用戶部分查詢的關(guān)鍵詞。因此,論文推薦系統(tǒng)需要向用戶推薦一組覆蓋所有查詢關(guān)鍵詞的論文集合。然而,現(xiàn)有的論文推薦系統(tǒng)僅使用關(guān)鍵詞匹配技術(shù)進行論文推薦,而忽略了不同論文之間研究內(nèi)容的相關(guān)性。因此,現(xiàn)有的論文推薦系統(tǒng)可能會向用戶推薦一組來自不同研究領(lǐng)域的論文集合;并且,這組論文集合不能滿足用戶對某個領(lǐng)域或主題進行深入和持續(xù)性研究的潛在需求。幸運的是,文獻引證關(guān)系圖中引用關(guān)系對構(gòu)建論文之間的相關(guān)性（相關(guān)關(guān)系）提供了一種有效的方式。因此,本文基于現(xiàn)有的文獻引證關(guān)系圖提出并設(shè)計兩種不同的論文推薦方法。這兩種論文推薦方法主要的研究內(nèi)容如下:（1）基于無向文獻引證關(guān)系圖的關(guān)鍵詞驅(qū)動和流行度感知的論文推薦方法。目前,現(xiàn)有的論文推薦系統(tǒng)主要根據(jù)用戶輸入的關(guān)鍵詞進行論文推薦,但是這種論文推薦過程忽略了論文之間研究內(nèi)容的相關(guān)性。鑒于此缺點,本文首先提出了一種基于無向文獻引證關(guān)系圖的關(guān)鍵詞驅(qū)動和流行度感知的論文推薦方法,即,PRkeyword...
【文章來源】：曲阜師范大學(xué)山東省
【文章頁數(shù)】：62 頁
【學(xué)位級別】：碩士
【部分圖文】：
不同方法推薦的節(jié)點數(shù)目
第3章基于無向文獻引證關(guān)系圖的關(guān)鍵詞驅(qū)動和流行度感知的論文推薦方法23(a)關(guān)鍵詞集合A中計算時間(b)關(guān)鍵詞集合B中計算時間(c)關(guān)鍵詞集合C中計算時間圖3.9不同方法計算時間分析3-5.不同方法的準(zhǔn)確度。在實驗中，我們比較了三種不同論文推薦方法的準(zhǔn)確度。如圖3.10所示，在不同的關(guān)鍵詞查詢情況下，Paper-Random方法和Paper-Greedy方法推薦結(jié)果的準(zhǔn)確度都在5%~45%之間，PRkeyword+pop方法推薦結(jié)果的準(zhǔn)確度均為100%。因此，PRkeyword+pop方法的推薦結(jié)果可以更好地滿足用戶的檢索需求。
第3章基于無向文獻引證關(guān)系圖的關(guān)鍵詞驅(qū)動和流行度感知的論文推薦方法24(a)關(guān)鍵詞集合A中準(zhǔn)確度(b)關(guān)鍵詞集合B中準(zhǔn)確度(c)關(guān)鍵詞集合C中準(zhǔn)確度圖3.10不同方法的準(zhǔn)確度分析3-6.不同方法的召回率和F1-score。在實驗中，我們首先比較了不同論文推薦方法在關(guān)鍵詞集合C中召回率。由圖3.6可知，PRkeyword+pop方法推薦的論文數(shù)量不超過30篇，所以RW方法和RWR方法中推薦的論文數(shù)量都分別設(shè)置為10篇、20篇和30篇，并且這兩種方法的召回率分別取這三個實驗結(jié)果的平均值。如圖3.11(a)所示，在相同關(guān)鍵詞查詢情況下，PRkeyword+pop方法的召回率在4%~21%之間；Paper-Random方法和Paper-Greedy方法的召回率都在39%~54%之間；RW方法和RWR方法的召回率都低于9.5%。此外，當(dāng)查詢關(guān)鍵詞的數(shù)量不等于3時，RW方
【參考文獻】：
期刊論文
[1]Recommending Authors and Papers Based on ACTTM Community and Bilayer Citation Network[J]. Meilian Lu,Zhihe Qu,Mengxing Wang,Zhen Qin. 中國通信. 2018(07)
[2]基于弱關(guān)系理論的輕社交服務(wù)系統(tǒng)設(shè)計研究[J]. 劉碩,曹鳴. 設(shè)計. 2018(01)
[3]基于知識脈絡(luò)的科技論文推薦[J]. 譚紅葉,要一璐,梁穎紅. 山東大學(xué)學(xué)報(理學(xué)版). 2016(05)
[4]基于協(xié)同過濾的論文推薦-傳播平臺模型研究[J]. 段文奇,惠淑敏. 科學(xué)學(xué)研究. 2012(10)
[5]引文網(wǎng)絡(luò)的研究現(xiàn)狀及其發(fā)展綜述[J]. 吳海峰,孫一鳴. 計算機應(yīng)用與軟件. 2012(02)
碩士論文
[1]個性化推薦中協(xié)同過濾算法研究[D]. 路春霞.北京交通大學(xué) 2016
[2]基于鏈路預(yù)測的社交網(wǎng)絡(luò)推薦系統(tǒng)研究[D]. 楊星.杭州電子科技大學(xué) 2016
本文編號：3116037
【文章來源】：曲阜師范大學(xué)山東省
【文章頁數(shù)】：62 頁
【學(xué)位級別】：碩士
【部分圖文】：
不同方法推薦的節(jié)點數(shù)目
第3章基于無向文獻引證關(guān)系圖的關(guān)鍵詞驅(qū)動和流行度感知的論文推薦方法23(a)關(guān)鍵詞集合A中計算時間(b)關(guān)鍵詞集合B中計算時間(c)關(guān)鍵詞集合C中計算時間圖3.9不同方法計算時間分析3-5.不同方法的準(zhǔn)確度。在實驗中，我們比較了三種不同論文推薦方法的準(zhǔn)確度。如圖3.10所示，在不同的關(guān)鍵詞查詢情況下，Paper-Random方法和Paper-Greedy方法推薦結(jié)果的準(zhǔn)確度都在5%~45%之間，PRkeyword+pop方法推薦結(jié)果的準(zhǔn)確度均為100%。因此，PRkeyword+pop方法的推薦結(jié)果可以更好地滿足用戶的檢索需求。
第3章基于無向文獻引證關(guān)系圖的關(guān)鍵詞驅(qū)動和流行度感知的論文推薦方法24(a)關(guān)鍵詞集合A中準(zhǔn)確度(b)關(guān)鍵詞集合B中準(zhǔn)確度(c)關(guān)鍵詞集合C中準(zhǔn)確度圖3.10不同方法的準(zhǔn)確度分析3-6.不同方法的召回率和F1-score。在實驗中，我們首先比較了不同論文推薦方法在關(guān)鍵詞集合C中召回率。由圖3.6可知，PRkeyword+pop方法推薦的論文數(shù)量不超過30篇，所以RW方法和RWR方法中推薦的論文數(shù)量都分別設(shè)置為10篇、20篇和30篇，并且這兩種方法的召回率分別取這三個實驗結(jié)果的平均值。如圖3.11(a)所示，在相同關(guān)鍵詞查詢情況下，PRkeyword+pop方法的召回率在4%~21%之間；Paper-Random方法和Paper-Greedy方法的召回率都在39%~54%之間；RW方法和RWR方法的召回率都低于9.5%。此外，當(dāng)查詢關(guān)鍵詞的數(shù)量不等于3時，RW方
【參考文獻】：
期刊論文
[1]Recommending Authors and Papers Based on ACTTM Community and Bilayer Citation Network[J]. Meilian Lu,Zhihe Qu,Mengxing Wang,Zhen Qin. 中國通信. 2018(07)
[2]基于弱關(guān)系理論的輕社交服務(wù)系統(tǒng)設(shè)計研究[J]. 劉碩,曹鳴. 設(shè)計. 2018(01)
[3]基于知識脈絡(luò)的科技論文推薦[J]. 譚紅葉,要一璐,梁穎紅. 山東大學(xué)學(xué)報(理學(xué)版). 2016(05)
[4]基于協(xié)同過濾的論文推薦-傳播平臺模型研究[J]. 段文奇,惠淑敏. 科學(xué)學(xué)研究. 2012(10)
[5]引文網(wǎng)絡(luò)的研究現(xiàn)狀及其發(fā)展綜述[J]. 吳海峰,孫一鳴. 計算機應(yīng)用與軟件. 2012(02)
碩士論文
[1]個性化推薦中協(xié)同過濾算法研究[D]. 路春霞.北京交通大學(xué) 2016
[2]基于鏈路預(yù)測的社交網(wǎng)絡(luò)推薦系統(tǒng)研究[D]. 楊星.杭州電子科技大學(xué) 2016
本文編號：3116037
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3116037.html
最近更新
教材專著
