恰當(dāng)?shù)囊梦墨I(xiàn)對(duì)于撰寫學(xué)術(shù)文獻(xiàn)有著至關(guān)重要的作用,可以表示作者在自己的研究領(lǐng)域知識(shí)面覆蓋程度,同時(shí)也能幫助作者去論證自己的觀點(diǎn)。據(jù)DBLP(Digital Bibliography&Library Project)統(tǒng)計(jì),在計(jì)算機(jī)相關(guān)領(lǐng)域每年約有三十萬(wàn)篇學(xué)術(shù)文獻(xiàn)發(fā)表,可見(jiàn)學(xué)術(shù)文獻(xiàn)數(shù)量增長(zhǎng)速度如此之快,因此如何幫助科研人員從大量的學(xué)術(shù)文獻(xiàn)中挖掘出適合自己的科研文獻(xiàn)是一件極有意義的事情。搜索和推薦是解決上述問(wèn)題的兩個(gè)有效的技術(shù)手段。本文在Lucene搜索排序算法上,以深度學(xué)習(xí)為背景,挖掘用戶的個(gè)性化興趣模型,探索引文推薦相關(guān)算法存在的不足,最終完成基于深度學(xué)習(xí)的個(gè)性化引文搜索推薦的相關(guān)算法研究。論文的研究工作如下:(1)提出基于深度學(xué)習(xí)的個(gè)性化搜索算法。在構(gòu)建個(gè)性化搜索算法過(guò)程中首先要構(gòu)建用戶的個(gè)性化興趣模型,論文基于LSTM和Attention機(jī)制重構(gòu)了深度學(xué)習(xí)Seq2Seq模型,進(jìn)而應(yīng)用其將用戶的研究興趣點(diǎn)挖掘并且進(jìn)行向量化表示。其次在Lucene搜索引擎排序算法的基礎(chǔ)上融合興趣模型進(jìn)而重構(gòu)排序算法。最終將搜索結(jié)果根據(jù)重構(gòu)的算法進(jìn)行重排序得到個(gè)性化搜索結(jié)果。實(shí)驗(yàn)表明,基于Seq2...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3878520