基于文本语义的用户协同过滤文献推荐算法

作     者：张良 王现臣 肖银涛 江程 

作者机构：同方知网数字出版技术股份有限公司 

出 版 物：《数字技术与应用》 (Digital Technology & Application)

年 卷 期：2024年第42卷第03期

页      面：126-129页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

摘      要：知识服务平台作为一种重要的知识传播和信息交流形式，旨在通过整合、挖掘和推送知识资源，为用户提供更为精准和有价值的信息内容，满足用户多样化的知识需求。近年来，随着学术文献的爆炸性增长，如何从海量的文献中精准地提取、推荐与用户相关的内容，成为知识服务平台面临的关键挑战。针对这一问题，本文提出了一种基于文本语义的用户协同过滤文献推荐算法。该算法首先通过训练文献推荐场景下的Doc2vec语义模型，表示学习文献深层次语义信息；其次结合用户协同过滤技术构建用户向量，分析兴趣相似的用户的行为偏好；最后制定排序规则，为目标用户生成个性化的文献推荐列表。实验结果表明，与基准算法相比，本文提出的算法能够有效提升推荐结果的准确性和用户满意度。