本文關(guān)鍵詞：基于論文社區(qū)的文章推薦及評價，由筆耕文化傳播整理發(fā)布。

【摘要】：科技論文在科學(xué)技術(shù)研究和創(chuàng)新中扮演著非常重要的角色,是開展科學(xué)研究工作的重要基礎(chǔ)條件。然而,在科學(xué)研究領(lǐng)域文獻信息量的飛速增長,為科研工作者帶來極大的不便,尤其對于新進入某一領(lǐng)域的研究者,他們需要一些該領(lǐng)域經(jīng)典的、權(quán)威的文章來指引學(xué)術(shù)研究的方向�，F(xiàn)階段依靠基于關(guān)鍵字的學(xué)術(shù)搜索引擎獲得的結(jié)果并不能很好地標(biāo)示出用戶的需求特征,仍然需要用戶進行大量的篩選工作。為解決這一問題,本文借鑒社區(qū)劃分的方法和概念,對論文引證網(wǎng)絡(luò)進行社區(qū)劃分,并計算文章在社區(qū)內(nèi)的影響力來保證推薦文章的質(zhì)量。此外,針對論文推薦結(jié)果本文還提出一個論文推薦結(jié)果評價模型來對推薦的論文進行評估。具體工作如下:1)提出基于引證網(wǎng)絡(luò)和論文社區(qū)的經(jīng)典論文推薦模型。首先,本文借鑒社區(qū)劃分的方法和概念,提出基于貪心團擴展算法(Greedy Clique Expansion)的論文引證網(wǎng)絡(luò)社區(qū)劃分方法,進一步研究論文社區(qū)研究影響力的傳播規(guī)律,提出利用Paper Rank算法計算特定社區(qū)影響力排名的模型,為用戶推薦感興趣領(lǐng)域的經(jīng)典權(quán)威論文列表。實驗結(jié)果表明,該方法與傳統(tǒng)論文推薦方法的全局搜索相比,將考察范圍縮減到特定的論文社區(qū)中,大大減小了算法的復(fù)雜度。同時,利用影響力指標(biāo)進行論文排名,保證了推薦文章大都在本領(lǐng)域具有較高的影響力。2)提出利用文章自身質(zhì)量以及用戶與推薦結(jié)果的匹配度對推薦結(jié)果構(gòu)建評價模型。對于文章的質(zhì)量,本文綜合考慮期刊影響因子、文章被引用次數(shù)、作者情況、論文下載次數(shù)以及論文基金贊助情況,并根據(jù)重要性差異賦予不同的權(quán)重進行計算。對于推薦結(jié)果的匹配度,本文進一步利用社區(qū)標(biāo)簽來構(gòu)建用戶興趣模型和文章特征模型,然后根據(jù)余弦相似度方法計算用戶興趣和待推薦文章的匹配度。最后,綜合上述文章質(zhì)量和結(jié)果匹配度兩個指標(biāo),對推薦結(jié)果進行評價。實驗表明,該方法評價的平均吻合度接近70%。
【關(guān)鍵詞】：引文網(wǎng)絡(luò) 社區(qū)挖掘 論文推薦 社區(qū)領(lǐng)袖 推薦系統(tǒng)評價
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 第一章 緒論11-16
• 1.1 研究背景11-12
• 1.2 研究意義12
• 1.3 國內(nèi)外研究現(xiàn)狀12-14
• 1.3.1 文章推薦系統(tǒng)12-13
• 1.3.2 推薦結(jié)果評價13-14
• 1.4 主要內(nèi)容14-15
• 1.5 論文結(jié)構(gòu)15-16
• 第二章 基礎(chǔ)知識介紹16-34
• 2.1 科技論文網(wǎng)絡(luò)16-19
• 2.1.1 合著網(wǎng)絡(luò)16-17
• 2.1.2 引文網(wǎng)絡(luò)17-19
• 2.2 社區(qū)挖掘19-23
• 2.2.1 社區(qū)挖掘算法19-23
• 2.2.2 社區(qū)領(lǐng)袖發(fā)現(xiàn)23
• 2.3 推薦系統(tǒng)23-30
• 2.3.1 基于內(nèi)容過濾的推薦算法24-27
• 2.3.2 基于用戶的協(xié)同過濾推薦算法(UserCF)27
• 2.3.3 基于物品的協(xié)同過濾算法(ItemCF)27-29
• 2.3.4 論文推薦系統(tǒng)29-30
• 2.4 推薦結(jié)果評價30-33
• 2.4.1 預(yù)測準(zhǔn)確度30-32
• 2.4.2 覆蓋率32
• 2.4.3 多樣性32-33
• 2.5 本章小結(jié)33-34
• 第三章 基于論文社區(qū)的權(quán)威論文推薦34-46
• 3.1 經(jīng)典論文推薦模型34-35
• 3.2 引文網(wǎng)絡(luò)35-36
• 3.3 基于GCE的引文網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法36-37
• 3.4 基于PaperRank算法的論文影響力計算37-41
• 3.4.1 PageRank算法37-38
• 3.4.2 PageRank算法的不足38
• 3.4.3 PaperRank算法38-41
• 3.5 實驗結(jié)果41-45
• 3.6 本章小結(jié)45-46
• 第四章 論文推薦結(jié)果評價模型46-61
• 4.1 模型介紹46-48
• 4.2 評價模型算法與原理48-55
• 4.2.1 論文質(zhì)量評價49-52
• 4.2.2 用戶匹配度計算52-55
• 4.2.3 推薦結(jié)果評分計算流程55
• 4.3 實驗結(jié)果55-59
• 4.3.1 文章質(zhì)量評價56
• 4.3.2 用戶匹配度計算56-58
• 4.3.3 推薦結(jié)果綜合評分58
• 4.3.4 人工評價對比58-59
• 4.4 本章小結(jié)59-61
• 第五章 總結(jié)與展望61-63
• 5.1 論文工作總結(jié)61-62
• 5.2 研究展望62-63
• 參考 文獻63-67
• 致謝67-68
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文68-70

【相似文獻】

中國重要報紙全文數(shù)據(jù)庫 前2條

1 關(guān)世春;科學(xué)分析民主推薦結(jié)果 避免機械地以票取人[N];中國人事報;2005年

2 ;科學(xué)規(guī)范民主推薦[N];黑龍江日報;2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 周泉;基于論文社區(qū)的文章推薦及評價[D];上海交通大學(xué);2015年

2 商雪晶;基于內(nèi)容的相關(guān)書籍推薦技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

3 孫昊;基于查詢結(jié)果的推薦干預(yù)管理平臺的設(shè)計與實現(xiàn)[D];北京交通大學(xué);2015年

  本文關(guān)鍵詞：基于論文社區(qū)的文章推薦及評價，由筆耕文化傳播整理發(fā)布。

，

本文編號：364834