基于摘要的论文分类与推荐模型的研究与实现

作     者：李彦轩 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：卞佳丽

授予年度：2019年

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

主      题：自然语言处理 短文本处理 摘要 分类与推荐 

摘      要：科研工作者在日常科研活动中往往需要查阅大量的科技论文。所以,快速获取相关研究方向的科技论文成为了科研工作者的普遍需求。于是,对论文的分类和推荐便成为了一个亟待解决的问题。论文摘要是一类极具研究价值的短文本数据。因此,对摘要这类数据进行短文本处理,并基于摘要实现对论文的分类与推荐便具有了重要的意义。在现阶段,短文本处理问题主要采用卷积神经网络和循环神经网络等深度学习技术来解决。但是,这类方法的缺陷在于对短文本特征空间的挖掘不够充分。所以,本文对现有短文本处理方法进行了研究与改进,在此基础上完成了对基于摘要的论文分类与推荐模型的研究,并实现了科技论文推荐原型系统,主要内容如下.:(1)基于摘要的论文分类模型研究。本文针对现有短文本分类方法的不足,在卷积神经网络中加入了主题向量拼接算法,完成了文本主题信息的引入,从而提出了基于主题的卷积神经网络模型。并且,本文将该模型整合到论文分类模型中,使其解决了现有方法对文本特征空间挖掘不足的问题,取得了更好的分类准确率。(2)基于摘要的论文推荐模型研究。本文提出了基于论文类别的特征工程方法,把在论文分类模型中得到的分类结果以分类特征的形式加入到论文推荐模型中,解决了基于统计和语义的传统特征工程方法在特征提取的广度上具有局限性的问题,提出了具有更高准确率的基于摘要的论文推荐模型。(3)科技论文推荐原型系统的设计与实现。本文基于上述提出的论文分类与推荐模型,实现了一个具有高质量论文推荐功能的科技论文推荐原型系统,完成了对本文所研究的模型的实现和应用验证。综上所述,本文针对基于摘要的论文分类和推荐问题,分析了现有短文本分类与推荐模型的不足,提出了基于摘要的论文分类与推荐模型,设计并实现了科技论文推荐原型系统,并在系统中实现了上述模型。经模型验证实验和系统测试,本文研究的模型在准确率等各指标上要优于现有短文本分类与推荐模型,本文实现的系统可满足用户的功能和非功能需求。