检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

结合文本与隐反馈信息的学术论文推荐方法

小型微型计算机系统 2023年第11期44卷 2471-2476页

作者：陈雨民李东喜闫一帆吕传建陈泽华太原理工大学大数据学院太原030024 山东亿云信息技术有限公司济南250000

现有的学术论文推荐方法没有充分利用学术论文的结构化特点去捕捉标题摘要之间的语义关系.因此,提出一种结合文本与隐反馈信息的学术论文推荐方法.首先,通过预训练BERT模型获得标题摘要中单词的向量表示.其次,提出标题摘要注意力机制捕... 详细信息

现有的学术论文推荐方法没有充分利用学术论文的结构化特点去捕捉标题摘要之间的语义关系.因此,提出一种结合文本与隐反馈信息的学术论文推荐方法.首先,通过预训练BERT模型获得标题摘要中单词的向量表示.其次,提出标题摘要注意力机制捕捉标题摘要之间的语义关系获得论文向量表示.最后,结合改进的神经协同过滤模型处理用户-论文隐反馈信息实现推荐.在CiteULike-a和CiteULike-t数据集上进行实验,本文方法相较基准方法在HR、NDCG两项指标上分别提升5.8,6.2个百分点,验证了本文方法提升学术论文推荐质量的有效性.

关键词：学术论文推荐文本信息语义关系隐反馈信息注意力机制

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的学术论文推荐研究

基于图神经网络的学术论文推荐研究

作者：关苏阳南京财经大学

学位级别：硕士

学术论文推荐系统旨在帮助研究者从海量的在线学术资源数据库中快速准确地找到自己所需的高质量学术论文。经过数十年的发展,尤其是近年来深度学习技术的爆发,学术论文推荐系统已经取得了长足的进步。尽管如此,现有的学术论文推荐系统... 详细信息

学术论文推荐系统旨在帮助研究者从海量的在线学术资源数据库中快速准确地找到自己所需的高质量学术论文。经过数十年的发展,尤其是近年来深度学习技术的爆发,学术论文推荐系统已经取得了长足的进步。尽管如此,现有的学术论文推荐系统依然存在以下两点不足。一是不能有效融合语义信息和高阶交互信息。现有的学术论文推荐方法不仅忽视实体间的高阶交互信息,而且多数情况下只能机械地拼接语义信息和交互信息,缺少一个统一的有机框架综合利用这两种信息。二是缺乏对用户和学术论文等学术实体的深度表示学习研究,实体表示学习对于提升推荐质量具有积极意义,而现有的学术论文推荐系统基本上直接使用其他领域的表示学习方法,这对于学术论文推荐质量的提升帮助不大。针对以上两点不足,本研究从图神经网络技术出发,通过对学术信息网络的挖掘,完成了以下两项研究工作:首先将语义集成思想与图神经网络结合,利用引文网络对预训练自然语言模型微调,生成论文的表示向量,融合语义信息。然后利用图神经网络,捕捉用户与论文交互网络中的高阶连接信息,进一步对用户和论文节点的表示向量进行优化,最后用于学术论文的推荐。在这一部分中,本研究将图神经网络引入学术论文推荐任务,在保留了学术论文语义信息的同时,也有效挖掘了用户与论文之间的高阶交互信息。随后针对基于图神经网络的推荐系统中的实体表示问题,本文做了进一步的深入研究。在这一部分,本研究首先基于主题文档表示方法,生成学术论文表示,然后利用基于图神经网络的自编码器,在引文网络中聚合主题信息和论文间的交互信息,训练表示向量。基于同样范式,利用用户的论文交互列表,生成用户兴趣向量,再在用户网络中聚合用户兴趣信息和用户间的交互信息,解决了用户节点表示学习的问题。实验证明,深度学术实体表示对于推荐系统的提升具有积极意义。

关键词：学术论文推荐图神经网络语义集成学术实体表示学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络的学术论文推荐算法研究

基于异质信息网络的学术论文推荐算法研究

作者：吴俊超宁波大学

学位级别：硕士

在学术研究和工程应用领域,科研人员需及时了解他人研究成果,跟踪本领域研究进展,并开展相关研究工作。随着知识的快速迭代,学术论文的发表数量爆炸式增长,科研人员很难快速找到满足自己需求的学术论文,面临越来越严重的信息过载问题。... 详细信息

在学术研究和工程应用领域,科研人员需及时了解他人研究成果,跟踪本领域研究进展,并开展相关研究工作。随着知识的快速迭代,学术论文的发表数量爆炸式增长,科研人员很难快速找到满足自己需求的学术论文,面临越来越严重的信息过载问题。学术论文推荐系统作为解决信息过载问题的有效方法,正成为科研工作者不可或缺的工具。近年来,许多学者开始对学术论文推荐算法进行研究,极大提升了论文推荐性能,但现有的学术论文推荐算法仍存在辅助信息利用不充分、未考虑用户兴趣偏好多样性和交互挖掘不足等问题。本文针对上述问题,研究基于异质信息网络(HIN)的学术论文推荐算法,利用网络表示学习方法挖掘异质信息网络上丰富的语义信息,准确建模学术论文的特征表示和用户的特征表示,并设计深度推荐模型,提高学术论文推荐的准确率;在提出的算法基础上,设计并实现了基于异质信息网络的学术论文推荐系统,缓解用户论文信息过载问题。研究内容包括两个算法和一个应用,主要工作如下:1)分析异质信息网络推荐模型(HEREC)应用于学术论文推荐场景存在的问题,并进行相应改进,提出一种新的基于异质图嵌入的学术论文推荐算法:HIN-P-CNN。针对HEREC中以元路径随机游走作为异质图嵌入方法,面临学术网络节点连接稀疏问题,提出基于元图随机游走的异质图嵌入方法:HIN-P,不同于元路径,元图给了节点更多的游走选择,可以充分利用辅助信息,更准确地学习论文特征;针对HEREC中以矩阵分解作为推荐模型,存在交互挖掘不足问题,利用注意力机制和卷积神经网络,设计深度推荐模型,充分融合异质信息网络特征,提升论文推荐性能。在citeulike数据集上的实验结果验证了HIN-P-CNN算法的有效性,并通过模型分析和参数敏感性分析验证了改进的有效性。2)用户点击一篇论文由其各方面偏好共同决定,而HIN-P-CNN算法仅使用交互数据建模用户特征,存在难以捕获用户多样性偏好的问题。针对该问题提出基于异质图神经网络的学术论文推荐算法:HIN-UP-CNN。算法首先利用用户偏好路径构建用户不同偏好图,之后输入基于图注意力网络和注意力机制设计的异质图神经网络:HIN-U,学习用户的高阶多偏好特征;然后在推荐模型中,考虑到用户不同的交互稀疏度,提出双通道交互层充分融合异质信息网络特征,提升论文推荐性能。在citeulike数据集上的实验结果验证了HIN-UP-CNN算法的有效性,并通过模型分析和参数敏感性分析验证了利用异质图神经网络学习用户多样性偏好特征的有效性。3)基于上述两个研究点,设计并实现了基于异质信息网络的学术论文推荐系统:HIN-APRS,以缓解用户面临的信息过载问题。根据需求分析,将HIN-APRS的架构分为数据模块、推荐服务模块和前端模块。数据模块包括数据获取、构建异质信息网络和推荐参数预训练等工作;推荐服务模块分别基于研究点一实现相似论文推荐、基于研究点二实现个性化论文推荐;前端模块实现简易的前端页面,便于用户快速理解与操作。通过系统展示和测试,验证了本文提出算法的有效性。

关键词：学术论文推荐异质信息网络图嵌入图神经网络神经协同过滤

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合深度学习的学术论文推荐方法研究

结合深度学习的学术论文推荐方法研究

作者：陈雨民太原理工大学

学位级别：硕士

学术论文是科研人员通过系统研究,对研究内容、方法、结果等方面进行科学论述的文章,是科研成果的结晶,是学术交流的重要方式,也是学术评价的重要依据,推动着科学的发展和社会的进步。互联网时代,论文的获取变得十分容易,然而,论文的爆... 详细信息

学术论文是科研人员通过系统研究,对研究内容、方法、结果等方面进行科学论述的文章,是科研成果的结晶,是学术交流的重要方式,也是学术评价的重要依据,推动着科学的发展和社会的进步。互联网时代,论文的获取变得十分容易,然而,论文的爆炸性增长也使得研究者们很难在海量的文章中找到符合自己兴趣的文章,称之为信息过载问题或信息迷航问题。因此,推荐系统被引入到科研领域用以解决这些问题。传统的学术论文推荐算法在实践中取得了不错的效果,但仍存在一些问题亟待解决。近年来,深度学习技术在图像识别、信号处理、自然语言理解等领域取得了显著的进展,为学术论文推荐系统的研究提供了新的思路。利用深度学习技术,可以更加深入的挖掘用户兴趣、论文特征以及用户和论文的交互信息。另外,调查分析了学术论文推荐方法的发展和现状,发现协同过滤方法仍然是学术论文推荐领域广泛应用且简单有效的方法。同时,在协同过滤方法的基础上引入辅助信息的混合推荐方法是目前主流的研究方向,有出色的推荐效果。多数学者认为,相较其它辅助信息,内容信息对于推荐效果影响更大,研究者最终对某篇论文感兴趣的原因主要在于其内容,而非其它。基于此展开相关研究,本文主要工作内容总结如下:(1)学术论文是一种典型的结构化文本,具备某些不同于其它文本的特点。据此展开研究,提出一种结合文本与隐反馈信息的学术论文推荐方法。首先,通过预训练BERT模型获得标题摘要中单词的向量表示。其次,提出标题摘要注意力机制捕捉标题摘要之间的语义关系获得论文向量表示。最后,结合改进的神经协同过滤模型实现推荐。Cite ULike数据集上进行实验,在HR,NDCG评价指标下比基准方法分别提高5.8,6.2个百分点。(2)对用户内容偏好以及用户和论文的协同信息进行有效建模,深刻影响着推荐结果的质量,却往往没有受到重视。基于此展开研究,提出一种基于图卷积神经网络的学术论文推荐方法。首先,使用卷积神经网络挖掘论文内容特征。其次,循环聚合邻居节点向量表示更新目标节点的向量表示,堆叠各层节点的向量表示得到最终的用户和论文的向量表示,以此挖掘用户和论文的协同信息以及捕捉用户内容偏好特征。最后,结合改进的神经协同过滤模型实现推荐。Cite ULike数据集上进行实验,在HR,NDCG评价指标下比基准方法分别提高7.6,7.9个百分点。(3)对市场常见的学术论文检索系统及其提供的推荐服务进行了调研梳理,总结了单论文检索功能存在的不足及推荐服务所起到的重要补充作用,了解了学术论文检索推荐系统的工作原理。基于此,独立开发了一个学术论文检索推荐系统,将本文所提算法进行实际应用,检测本文所提方法有效性的同时为科研工作者提供论文检索与推荐服务。

关键词：学术论文推荐协同过滤用户兴趣偏好论文内容特征隐反馈

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的学术论文推荐方法研究

西北民族大学学报:自然科学版 2023年第3期44卷 72-83页

作者：魏斌万福成于洪志马宁杨恒西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学甘肃省民族语言智能处理重点实验室甘肃兰州730030 中国科学院西北生态环境资源研究院文献情报中心甘肃兰州730030

目前,学术论文的数量呈指数增长,论文推荐也已成为一项有吸引力的研究.论文推荐系统具有一定的重要性和优势.文章通过调查已有的一些论文推荐方法,如基于协同过滤的、图的、混合等方法,并对已有方法进行分析和总结的基础上,指出了目前... 详细信息

目前,学术论文的数量呈指数增长,论文推荐也已成为一项有吸引力的研究.论文推荐系统具有一定的重要性和优势.文章通过调查已有的一些论文推荐方法,如基于协同过滤的、图的、混合等方法,并对已有方法进行分析和总结的基础上,指出了目前学术论文推荐研究面临的挑战,以期探索出解决挑战的新思路、新方法.

关键词：学术论文推荐推荐算法协同过滤图结构

基于关键词语义类型和文献老化的学术论文推荐

在线全文

学校读者我要写书评

暂无评论

现代情报 2021年第1期41卷 13-23页

作者：熊回香孟璇叶佳鑫华中师范大学信息管理学院湖北武汉430079

[目的/意义]从关键词语义类型和学术文献老化两个维度出发挖掘学术论文价值,为学者推荐符合其研究需求并在时间维度上具有较大参考意义的学术论文。[方法/过程]首先,将学术论文关键词按语义类型进行划分;随后,基于共现关系计算同类型关... 详细信息

[目的/意义]从关键词语义类型和学术文献老化两个维度出发挖掘学术论文价值,为学者推荐符合其研究需求并在时间维度上具有较大参考意义的学术论文。[方法/过程]首先,将学术论文关键词按语义类型进行划分;随后,基于共现关系计算同类型关键词间相似度,基于关键词相似度得到论文在语义类型上的相似度;然后,借用文献老化思想,计算不同类型论文的时间价值;最后,结合论文在语义类型上的相似度及时间价值,生成论文推荐列表从而进行推荐工作。[结果/结论]实证结果表明,使用该方法推荐的论文,一方面与学者研究方向相符;另一方面在时间维度上也具有较大价值,推荐的论文质量较高。

关键词：关键词语义类型文献老化学术论文推荐

在线全文

学校读者我要写书评

暂无评论

基于社区划分的学术论文推荐模型

计算机应用 2016年第5期36卷 1279-1283,1289页

作者：黄泳航汤庸李春英汤志康刘继伟华南师范大学计算机学院广州510631 广东技术师范学院计算机网络中心广州510655 广东技术师范学院计算机学院广州510655

针对学术社交网络独有的社交性,构建了基于社区划分的学术论文推荐模型。模型选择社区复杂好友关系网络图中最大连通分量作为数据处理逻辑单元,在此基础上进行核心关系网划分,并采用非参数控制的方式,在所建立的核心关系网内建立标签,... 详细信息

针对学术社交网络独有的社交性,构建了基于社区划分的学术论文推荐模型。模型选择社区复杂好友关系网络图中最大连通分量作为数据处理逻辑单元,在此基础上进行核心关系网划分,并采用非参数控制的方式,在所建立的核心关系网内建立标签,在学术社交网络中通过标签传播进行社区划分,根据社区划分结果在社区内部的用户之间推荐学术论文。该社区划分算法与经典社区划分算法在人工网络上进行仿真实验,结果表明该算法在不同特征的人工网络上皆能取得良好的社区发现质量。

关键词：核心关系网社区划分标签传播自适应阈值学术论文推荐

在线全文

学校读者我要写书评

暂无评论

基于异构图的学术论文推荐系统

基于异构图的学术论文推荐系统

作者：潘林林南京大学

学位级别：硕士

学术论文是研究者工作的重要成果,也是研究者进行科研工作的主要载体。面对着数据库中海量的学术论文,目前已经有许多针对学术论文推荐的研究工作,例如利用其引用信息、内容信息等进行学术论文推荐。然而对具有多种类型特征表示的学术论... 详细信息

学术论文是研究者工作的重要成果,也是研究者进行科研工作的主要载体。面对着数据库中海量的学术论文,目前已经有许多针对学术论文推荐的研究工作,例如利用其引用信息、内容信息等进行学术论文推荐。然而对具有多种类型特征表示的学术论文,仅使用简单的引用信息和内容信息进行推荐,没有考虑到论文所包含的不同类型特征之间的依赖关系。基于此,本文分别从学术论文的表示和学术论文相似度学习两方面对其进行研究和分析,取得了以下成果:1.针对论文中多种类型特征的表示问题,本文使用基于异构图的学术论文特征表示方法。该方法能够表达学术论文所包含的引用信息、内容信息等异构信息之间的依赖关系。2.本文应用基于图的半监督学习框架,提出了基于异构图的相似度学习算法。在ACL Anthology Network数据集上的实验结果表明,基于异构图的学术论文推荐算法性能优于传统的学术论文推荐算法。3.本文设计并实现了基于异构图的学术论文推荐系统。该系统能够根据研究者输入的目标论文,准确而又高效地为研究者推荐相关的学术论文。

关键词：学术论文推荐异构图引用信息内容信息相似度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合深层特征的学术论文协同推荐模型研究

融合深层特征的学术论文协同推荐模型研究

作者：李冉武汉理工大学

学位级别：硕士

学术研究和数字图书馆的快速发展导致网络上学术论文急剧增多,如何为学者们提供个性化的论文推荐服务成为了数据挖掘领域的研究热点。本文基于深度学习技术从增强论文和用户特征两个角度展开研究,通过在协同过滤推荐算法中融合论文和用... 详细信息

学术研究和数字图书馆的快速发展导致网络上学术论文急剧增多,如何为学者们提供个性化的论文推荐服务成为了数据挖掘领域的研究热点。本文基于深度学习技术从增强论文和用户特征两个角度展开研究,通过在协同过滤推荐算法中融合论文和用户的深层特征改善学术论文的推荐效果。具体的研究工作如下:(1)在提取普通文本特征的深度学习网络基础上,结合学术论文的特点,设计并构建了一个基于层级注意力的论文内容深层特征提取网络。针对摘要精简且完整的特点,将其作为网络模型的主要输入数据,分别借助BERT和循环神经网络获取句子特征和段落特征;根据关键词和标题携带的论文关键信息,分别构建词语级别和句子级别的注意力模型,提取摘要中的深层特征,对论文内容准确建模,为学术论文推荐奠定基础。(2)针对协同过滤推荐中由于评分数据稀疏导致论文特征学习不准确的问题,提出了论文内容和PMF协同学习的学术论文推荐模型HAN-PMF以及相应的多任务学习模型。首先,采用本文构建的基于层级注意力的论文内容深层特征提取网络对PMF中的论文潜在特征向量进行增强,使其同时从用户评分矩阵和论文内容中学习论文特征;然后,在学术论文推荐任务上增加论文标签预测任务训练模型,借助标签信息进一步优化论文表示。相关实验验证了该模型的推荐效果优于当前同类模型。(3)评分数据稀疏也导致协同过滤推荐算法对用户特征学习不准确的问题。针对这一问题,提出了用户兴趣和HAN-PMF协同学习的学术论文推荐模型UPPMF和对应的多任务学习模型。首先,构建了基于自注意力机制的用户兴趣模型,从用户阅读过的论文内容中获取用户兴趣;然后,使用该模型约束HAN-PMF中的用户潜在特征向量,得到更准确的用户深层特征表示。最后,通过增加标签预测任务,实现了相应的多任务学习模型。对比实验的结果表明该模型取得了优于当前同类推荐模型的效果。

关键词：学术论文推荐协同过滤循环神经网络自注意力机制特征增强