基于論文社區(qū)的文章推薦及評價.pdf

1、科技論文在科學技術研究和創(chuàng)新中扮演著非常重要的角色，是開展科學研究工作的重要基礎條件。然而，在科學研究領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域的研究者，他們需要一些該領域經(jīng)典的、權威的文章來指引學術研究的方向?，F(xiàn)階段依靠基于關鍵字的學術搜索引擎獲得的結果并不能很好地標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)絡進行社區(qū)劃分，并計算文章

2、在社區(qū)內(nèi)的影響力來保證推薦文章的質量。此外，針對論文推薦結果本文還提出一個論文推薦結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PaperRank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域

3、的經(jīng)典權威論文列表。實驗結果表明，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雜度。同時，利用影響力指標進行論文排名，保證了推薦文章大都在本領域具有較高的影響力。2) 提出利用文章自身質量以及用戶與推薦結果的匹配度對推薦結果構建評價模型。對于文章的質量，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重進行計算。對于推薦結果