基于多因素的引文推薦策略研究.pdf

1、隨著信息傳播速度的快速提升，可供查閱的科技文獻數(shù)量也在迅速增加。用戶想要在上千條引文查詢結果中找到自己需要的結果是一件很困難的事情。查詢結果推薦是解決這個問題的方法之一。查詢結果推薦根據(jù)已有的用戶信息，預測出用戶可能感興趣的項目，將這些項目推薦給用戶，避免了用戶從搜索工具中返回的數(shù)量巨大的結果集中挑選結果，減輕了用戶的負擔。由于引文之間的題目相似度不能準確反映引文之間的相似度，現(xiàn)有的查詢結果推薦方法不能很好的對引文做出推薦。
　　

2、本文基于引文自身的特點，提出了一種基于多因素的引文推薦策略。該策略綜合了引文自身因素和用戶因素進行論文推薦。首先，根據(jù)引文的引用關系，生成一個引文引用圖。接著，根據(jù)同作者、共同引用等引文之間特殊的聯(lián)系定義一系列規(guī)則，并基于這些規(guī)則給引用邊賦權值，權值的大小表示引文之間聯(lián)系的強弱。之后，應用聚類算法對聯(lián)系緊密的引文進行聚類，并根據(jù)聚類結果，找出用戶需要的相關引文，生成初始的引文推薦集合。最后，找出當前用戶的相似用戶，根據(jù)它們的行為對之前生

3、成的推薦集合進行調(diào)整，生成最終的引文推薦集合。
　　本文主要研究以下幾個問題。一是將用戶協(xié)同過濾策略和基于項目的推薦策略結合起來，提出一個引文推薦模型。在初期用戶評分稀疏的情況下，利用項目之間的相似度進行推薦。在系統(tǒng)運行一段時間之后，根據(jù)用戶的評價對之前計算的相似度進行調(diào)整，使結果更準確。二是在計算項目相似度的時候，根據(jù)引文自身的屬性計算（引用關系、作者、發(fā)表時間等），而不是傳統(tǒng)的語義相似度。這樣，可以避免抽取和語義分析的不準確。