浏览全部资源
扫码关注微信
西安交通大学软件学院
Published:2017
移动端阅览
[J]. 2017, (7): 162-168.
DOI:
[J]. 2017, (7): 162-168. DOI:
针对现有学术引文推荐算法中元路径特征无法衡量学术文献的时效性
且对元路径特征的利用和划分粒度较粗从而导致推荐精度不高的问题
提出了一种采用元路径时效衰减和引用模式划分的学术引文推荐方法。首先
利用元路径抽取丰富的引文特征
并在计算元路径特征时加入了时效衰减因子
提升了新发表文献的推荐精度;其次
提出了融合元路径特征的主题模型MpTM
该模型利用主题特征为文献划分引用模式
并联合学习文献的主题分布、引用模式和元路径特征权重
细化了元路径特征的粒度;最后
通过所有引用模式下的元路径特征加权值
为目标文献推荐学术引文。在AAN数据集上的实验结果表明:所提方法在准确率和召回率上平均提升约41.99%和22.43%
能够提升新发表文献和非权威文献的推荐精度
并能有效缓解引文链接的稀疏性问题。
Dragomir R. Radev,Pradeep Muthukrishnan,Vahed Qazvinian,Amjad Abu-Jbara.The ACL anthology network corpus[J].Language Resources and Evaluation,2013(4).
David M. Blei.Probabilistic topic models[J].Communications of the ACM,2012.
赵长伟,彭勤科,张志勇.混合因子矩阵分解推荐算法[J].西安交通大学学报,2016(12).
曹玖新,董羿,杨鹏伟,周涛,刘波.LBSN中基于元路径的兴趣点推荐[J].计算机学报,2016(04).
秦继伟,郑庆华,郑德立,田锋.结合评分和信任的协同推荐算法[J].西安交通大学学报,2013(04).
0
Views
3
下载量
1
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution