版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于開(kāi)放存取的科研數(shù)據(jù)獲取與專(zhuān)家相似度研究.pdf
- 推薦系統(tǒng)中隨機(jī)森林算法的優(yōu)化與應(yīng)用.pdf
- 推薦系統(tǒng)中協(xié)同過(guò)濾算法的改進(jìn)與應(yīng)用.pdf
- 基于分類(lèi)驅(qū)動(dòng)推薦算法的電影推薦系統(tǒng)的研究與應(yīng)用.pdf
- 推薦算法研究與應(yīng)用.pdf
- Boosting理論在推薦算法中的應(yīng)用與研究.pdf
- 信息抽取算法研究及其在科研服務(wù)系統(tǒng)中的應(yīng)用.pdf
- 在線推薦系統(tǒng)的算法研究及其應(yīng)用.pdf
- 學(xué)術(shù)交流中的開(kāi)放獲取研究.pdf
- 推薦系統(tǒng)中協(xié)同過(guò)濾算法的研究及應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)算法研究與應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)中的推薦算法研究.pdf
- 在線推薦系統(tǒng)的算法研究及其應(yīng)用
- RBM在推薦系統(tǒng)中的應(yīng)用與研究.pdf
- 協(xié)同過(guò)濾推薦算法在移動(dòng)智能推薦中的研究與應(yīng)用.pdf
- 推薦系統(tǒng)中協(xié)同過(guò)濾算法的研究與實(shí)現(xiàn).pdf
- 科研文獻(xiàn)系統(tǒng)中專(zhuān)家畫(huà)像技術(shù)研究與應(yīng)用.pdf
- 數(shù)據(jù)挖掘算法在書(shū)目推薦系統(tǒng)中的應(yīng)用研究.pdf
- 協(xié)同過(guò)濾算法在圖書(shū)推薦系統(tǒng)中的應(yīng)用.pdf
- 蟻群聚類(lèi)算法及其在推薦系統(tǒng)中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論