科研文獻(xiàn)開(kāi)放獲取系統(tǒng)中的推薦算法研究與應(yīng)用.pdf

1、隨著開(kāi)放獲取在科研領(lǐng)域的發(fā)展，科研工作者們?cè)絹?lái)越習(xí)慣通過(guò)網(wǎng)絡(luò)來(lái)進(jìn)行文獻(xiàn)獲取和學(xué)術(shù)交流。如何在科研文獻(xiàn)數(shù)量呈現(xiàn)爆炸式增長(zhǎng)的情況下，為用戶提供方便快捷的論文獲取方式，成為了新的科研環(huán)境下開(kāi)放獲取系統(tǒng)面臨的巨大挑戰(zhàn)。論文推薦和專(zhuān)家推薦功能的引入能夠?yàn)橛脩舻恼撐陌l(fā)現(xiàn)和專(zhuān)家發(fā)現(xiàn)提供新的途徑。傳統(tǒng)的推薦方法多是以基于內(nèi)容的算法為主，而隨著開(kāi)放獲取系統(tǒng)的發(fā)展，加入對(duì)收集的用戶行為數(shù)據(jù)的分析必將能增強(qiáng)系統(tǒng)的推薦效果。在這種情況下，傳統(tǒng)單一的推薦算法將無(wú)

2、法滿足越來(lái)越多樣化的用戶需求，需要針對(duì)科研文獻(xiàn)開(kāi)放獲取系統(tǒng)的獨(dú)特應(yīng)用場(chǎng)景進(jìn)行創(chuàng)新和改進(jìn)。
　　本研究在對(duì)傳統(tǒng)推薦算法進(jìn)行了充分研究的基礎(chǔ)上，提出了一種將基于協(xié)同過(guò)濾的推薦算法與基于內(nèi)容的推薦算法結(jié)合的混合論文推薦算法。算法首先使用詞向量進(jìn)行了論文內(nèi)容的比較，然后使用最近鄰模型進(jìn)行用戶行為的比較，最后將論文內(nèi)容以及用戶行為對(duì)推薦結(jié)果的影響進(jìn)行了綜合考慮，以得到最終的推薦結(jié)果。在論文推薦的基礎(chǔ)上，我們又研究實(shí)現(xiàn)了專(zhuān)家推薦算法，通過(guò)對(duì)專(zhuān)