检索结果-南通市图书馆

基于Word2vec的学者推荐与跨语言论文推荐模型研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2019年第12期37卷 19-26页

作者：熊回香李跃艳华中师范大学信息管理学院

【目的/意义】学术网站是学者发现研究兴趣的有效途径,研究学者推荐与跨语言论文推荐有助于学者更好地开展学术研究。【方法/过程】利用论文之间的引用与被引关系分别爬取参考文献集合和被引文献集合,构建学者推荐与跨语言论文推荐模型... 详细信息

【目的/意义】学术网站是学者发现研究兴趣的有效途径,研究学者推荐与跨语言论文推荐有助于学者更好地开展学术研究。【方法/过程】利用论文之间的引用与被引关系分别爬取参考文献集合和被引文献集合,构建学者推荐与跨语言论文推荐模型。首先通过Word2vec算法模型生成候选相关学者集和候选相关论文集,计算Word2vec得分;然后分别进行加权处理,最终得到学者推荐列表和跨语言论文推荐列表。以CSSCI中的《中国图书馆学报》、《情报学报》和《图书情报工作》三种代表性期刊在2016-2017年载文的参考文献集合与被引文献集合为数据来源进行实证分析,并验证模型的科学性与可行性。【结果/结论】实证结果表明,该模型可以很好地发现相关学者以及相关论文。

关键词：学者推荐论文推荐 Word2vec 跨语言

在线全文

学校读者我要写书评

暂无评论

基于学术关键词与共被引的学者推荐研究

情报学报 2021年第7期40卷 725-733页

作者：熊回香李晓敏杜瑾华中师范大学信息管理学院武汉430079

学术数据的激增出现信息过载现象,对科研用户造成一定的负担,研究学者推荐能够提高科研效率,便于顺利开展科学研究。本文构建了一种基于组合相似度计算的个性化学者推荐模型,组合相似度计算包括基于学者特征词相似度计算和基于学者共被... 详细信息

学术数据的激增出现信息过载现象,对科研用户造成一定的负担,研究学者推荐能够提高科研效率,便于顺利开展科学研究。本文构建了一种基于组合相似度计算的个性化学者推荐模型,组合相似度计算包括基于学者特征词相似度计算和基于学者共被引相似度计算。前者考虑的是学者基于研究内容的相似性,而后者考虑的是学者基于共被引关系的相似性。同时,以CSSCI(Chinese Social Sciences Citation Index)数据库和CNKI(China National Knowl‐edge Infrastructure)中的数据进行模型验证,并且利用精确率、召回率和F值进行推荐效果评测。实验结果表明,本文提出的推荐模型取得了较好的结果,即能为目标学者推荐研究兴趣相似的学者,促进学术沟通。

关键词：学者推荐特征词共被引 word2vec Spearman相关系数

在线全文

学校读者我要写书评

暂无评论

基于动态特征的学者推荐研究

情报理论与实践 2022年第4期45卷 120-127页

作者：杨梦婷熊回香肖兵叶佳鑫华中师范大学信息管理学院湖北武汉430079

[目的/意义]在开放的知识交流环境中向学者推荐具有相似研究兴趣的学者有助于学者高效获取到所需的学术资源,更好地开展学术研究和学术交流。[方法/过程]首先利用LDA主题模型提取学者的科研兴趣特征,同时引入时间因子加权兴趣特征,形成... 详细信息

[目的/意义]在开放的知识交流环境中向学者推荐具有相似研究兴趣的学者有助于学者高效获取到所需的学术资源,更好地开展学术研究和学术交流。[方法/过程]首先利用LDA主题模型提取学者的科研兴趣特征,同时引入时间因子加权兴趣特征,形成学者动态兴趣矩阵,基于此使用K-means对具有相似研究兴趣的学者进行聚类分析,并在类簇内综合学者的科研能力和社交属性两个维度构建学者推荐模型。[结果/结论]以“百度学术”数据集对模型进行验证,实验结果表明该模型能够很好地发现相关学者,满足可操作性和推荐结果有效性。在学者推荐过程中引入更贴近现实的动态兴趣特征对推荐结果具有一定效果。

关键词： LDA主题模型动态特征提取聚类分析学者推荐

在线学术资源中基于时序知识图谱的学者推荐研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2022年第8期40卷 3-10,19页

作者：熊回香黄晓捷肖兵王妞妞华中师范大学信息管理学院湖北武汉430079

【目的/意义】依据在线学术资源进行学者推荐能够帮助学者快速寻找到感兴趣的相似资源。知识图谱的出现解决了传统的个性化推荐方法稀疏性和冷启动的弊端,针对学术资源中时序信息对学者的重要性,本文提出一种基于时序知识图谱的学者推... 详细信息

【目的/意义】依据在线学术资源进行学者推荐能够帮助学者快速寻找到感兴趣的相似资源。知识图谱的出现解决了传统的个性化推荐方法稀疏性和冷启动的弊端,针对学术资源中时序信息对学者的重要性,本文提出一种基于时序知识图谱的学者推荐方案。【方法/过程】通过将获取的在线学术资源中学者相关信息的时序部分进行抽取,挖掘“实体-关系-时序-实体”四元组序列,从而构建学者时序知识图谱。通过对图谱中学者的合作数据和兴趣数据进行相似度加权计算,依托学者的学术权威度和师源关系筛选,最终得到学者的推荐结果。并以“中国知网”为例来对本文所提出的推荐方法进行验证。【结果/结论】实验结果证明该推荐方法较好地实现了时序信息的利用与融合,具有一定的可行性和准确性,并为后续相关研究提供了借鉴思路。【创新/局限】融入了时序信息,从合作相似度和兴趣相似度两个角度综合出发,但对学者的各项属性挖掘还不够完善,在后续过程中可以继续深入研究。

关键词：在线学术资源时序知识图谱兴趣模型学者推荐相似度计算

基于用户相似度与信任度的虚拟学术社区中学者推荐研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2022年第2期40卷 74-81页

作者：熊回香顾佳云代沁泉杜瑾华中师范大学信息管理学院湖北武汉430079

【目的/意义】研究从用户节点和网络全局两个视角出发,基于用户相似度与信任度对虚拟学术社区中学者进行推荐,提高学者推荐的质量。【方法/过程】首先,利用LDA主题模型挖掘学者发表的博文主题,计算博文相似度;通过学者共同好友比例计算... 详细信息

【目的/意义】研究从用户节点和网络全局两个视角出发,基于用户相似度与信任度对虚拟学术社区中学者进行推荐,提高学者推荐的质量。【方法/过程】首先,利用LDA主题模型挖掘学者发表的博文主题,计算博文相似度;通过学者共同好友比例计算好友相似度;然后将博文相似度和好友相似度融合计算用户相似度;最后,融合用户相似度和信任度进行学者推荐。【结果/结论】提出虚拟学术社区中基于用户相似度与信任度的学者推荐方法,综合利用用户节点和网络全局信息,为虚拟学术社区用户进行学者推荐。【创新/局限】从用户节点和网络全局两个角度进行学者信息融合,有效提高了虚拟学术社区中学者推荐的质量。局限在于本文主要考虑的是学者在网络全局中的信任度,用户节点间的交互信任关系还有待进一步研究。

关键词：虚拟学术社区学者推荐 LDA主题模型信任度用户相似度

在线全文

学校读者我要写书评

暂无评论

虚拟学术社区中基于动态特征的学者推荐研究

虚拟学术社区中基于动态特征的学者推荐研究

作者：杨梦婷华中师范大学

学位级别：硕士

互联网技术的迅猛发展和社交普及率的不断攀升,使得社交网络在人们的生活学习中扮演了重要角色。虚拟学术社区充分依托互联网技术和社交网络,将国内外的科研工作者连接起来,为他们提供了一个不受时空限制的资源共享和学术交流平台。然... 详细信息

互联网技术的迅猛发展和社交普及率的不断攀升,使得社交网络在人们的生活学习中扮演了重要角色。虚拟学术社区充分依托互联网技术和社交网络,将国内外的科研工作者连接起来,为他们提供了一个不受时空限制的资源共享和学术交流平台。然而随着虚拟学术社区内用户的学术分享与交流行为的日渐频繁,社区内的学术信息呈海量增长,信息过载问题日渐严重。科研成果数量的激增、学术质量的参差不齐严重影响了学者对虚拟学术社区的使用。故在开放的知识交流环境中提升社区服务、让学者有更好的用户体验的关键在于如何快速链接学者与具有相似研究兴趣的潜在合作者,进而高效获取到学术资源。在构建虚拟学术社区学者推荐系统时,要融合学者的多维度特征进行挖掘分析,例如以学者的科研兴趣特征为基础,综合学者的自然属性、能力属性及社交属性等。但学者的科研兴趣是呈阶段性变化的,近期的研究成果更能代表学者当前的研究兴趣。目前很多关于学者推荐的研究是基于学者科研兴趣是静态不变的,较少考虑学者科研兴趣的动态变化。基于此,本文就提出了一种基于动态兴趣特征的学者推荐模型,该模型以虚拟学术社区的学者科研成果为基础,利用时间因子赋权学者的兴趣特征,基于学者的动态兴趣特征对学者进行聚类,并在聚类的基础上融合学者的能力属性和社交属性展开学者个性化推荐研究。在进行学者动态兴趣特征建模时,本文首先利用LDA主题模型从学者的论文中提取学者的科研兴趣特征,建立学者兴趣特征向量,同时引入时间因子对学者兴趣特征进行赋权,得到学者动态兴趣特征向量,构建学者动态科研兴趣特征模型。然后在学者动态兴趣模型的基础上,构建学者-动态兴趣矩阵,使用K-means聚类方法对具有相似研究兴趣的学者进行聚类分析。之后在动态特征的学者聚类模型基础上,综合学者的科研能力和社交属性这两个方面的属性特征来构建学者推荐模型,学者的科研能力属性选取了学者的h指数和学术成果作为测量指标,社交属性选取的是学者合作频次作为测量指标。最后使用Comb MNZ评分整合策略来对学者的能力属性和社交属性测量结果进行整合,得出学者的最终推荐值。并以“百度学术”的真实数据集对本文提出的模型进行验证,以证明该模型的可行性和有效性。

关键词：虚拟学术社区 LDA主题模型动态特征提取聚类分析学者推荐

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的学者推荐算法研究

基于知识图谱的学者推荐算法研究

作者：李天赐郑州轻工业大学

学位级别：硕士

在大数据环境下,传统推荐方法普遍存在着数据稀疏和冷启动问题。知识图谱作为一种大规模的异构语义网络,具有语义丰富、质量优良、结构友好等特点。许多研究将知识图谱引入推荐系统的研究之中,并基于知识图谱来研究可解释性推荐。然而,... 详细信息

在大数据环境下,传统推荐方法普遍存在着数据稀疏和冷启动问题。知识图谱作为一种大规模的异构语义网络,具有语义丰富、质量优良、结构友好等特点。许多研究将知识图谱引入推荐系统的研究之中,并基于知识图谱来研究可解释性推荐。然而,已有研究在面临关系稀疏的图谱时,推荐效果往往表现欠佳,并且缺乏一定的可解释性。同时,作为知识利用和创造的纽带,学术领域充斥着大量的知识,需要引入推荐系统来解决信息过载问题。因此,本文以学者为主体,分析学者的研究领域、工作单位以及学者之间的关系,利用学者知识构建知识图谱,并基于知识图谱为用户推荐相关学者,对把握学术动向、科技前沿,以及研究工作的开展和人才的引进有着一定的指导意义和实际应用价值。本文的主要工作如下:（1）学者知识采集及结构化表示。首先,针对学者网的半结构化数据,从中抽取需要的实体、关系和属性;对于非结构化数据,使用实体抽取模型BERT-Bi LSTM-CRF来抽取文本中的实体。其次,根据获取到的两组数据,进行数据预处理并构建三元组,之后利用IPTrans E方法对实体进行对齐。最终,根据三元组数据构建学者知识图谱,并使用Neo4j存储知识。（2）针对基于知识图谱的推荐方法在面临关系稀疏图谱时表现不佳可解释性缺失等问题,本文提出了一种基于知识图谱高阶传播的学者推荐方法（Ho PKG）。首先,使用Tran Sparse模型将学者知识嵌入到向量空间中,获取对应的向量表示。然后,根据学者知识图谱的特点,使用注意力机制计算不同节点之间的注意力得分,从而区分不同实体对目标实体的重要性。同时,基于归纳学习的思想,利用高阶传播机制获取知识图谱中的高阶语义信息,进而生成更丰富的实体表示。在此基础上,提出了一种新的实体聚合器,以进一步完善实体表示,从而获取用户的潜在兴趣。经过实验分析,本文的方法在推荐效果和可解释性上具有一定的优势。（3）基于本文提出的推荐算法设计并实现了面向学术领域的可视化验证系统。根据用户的交互历史记录和检索内容,为用户精准地推荐相关领域学者。此外,设计了可视化的学者关系发现功能,从而为推荐提供可解释性依据。

关键词：知识图谱学者推荐高阶传播注意力机制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

科研社交网站中的学者推荐研究

科研社交网站中的学者推荐研究

作者：杨雪萍华中师范大学

学位级别：硕士

Web2.0时代,社交网络用户可以自由的发布信息、交流思想,吸引了人们在该类平台上建立社区、交流知识,由于一般社交网络缺乏专业学术氛围,2007年起出现了专门面向学术工作者的科研社交网站,如国外的ResearchGate、***,国内的百度学术、... 详细信息

Web2.0时代,社交网络用户可以自由的发布信息、交流思想,吸引了人们在该类平台上建立社区、交流知识,由于一般社交网络缺乏专业学术氛围,2007年起出现了专门面向学术工作者的科研社交网站,如国外的ResearchGate、***,国内的百度学术、科研之友等。他们在网站中浏览彼此主页、寻找感兴趣的文献与学者、参与学术话题讨论、相互提问解答,这使得全球各领域科研人员能够方便地进行即时学术探讨、寻求潜在合作机会。发现相似研究学者与潜在合作者是科研工作者使用网站的重要理由之一。但是,科研社交网络存在与大众社交网络相同的信息过载、信息不对称的问题,基于学者的学术知识与科研合作网络构建个性化推荐模型是有效的解决手段。进一步地,目前信息处理与检索系统的一个新趋势是对情境化数据的获取,将其考虑进信息处理中,有助于提高推荐精确度,缓解信息过载,更好的适应与用户已有历史记录相独立的特殊需求。为此,本文分析了科研社交网站中学者的社交动机,得出推荐场景差异,认为学者主要对同一研究领域、具有相似研究偏好的学者感兴趣,并与他们建立长期的社交关系,除此外,很多学者具有情境化特征,希望寻找具有特定要求限制下的合作者,如已有研究主题的项目或者论文。因此,本文提出了两个学者推荐模型,即基于相似研究兴趣的学者推荐模型,和基于特定情境的合作者推荐模型。针对两种推荐情境,本文分别设计了合理对应的解决策略。在基于相似研究兴趣的学者推荐模型中,本文构造了两个子模型:学者档案模型与学术行为网络模型。在学者档案模型中,采用语言模型,依据学者的专业、研究领域、研究成果等信息表征学者知识,使用基于贝叶斯分解的生成概率计算学者知识的相似度;在学术行为网络模型中,通过挖掘学者学术行为网络中的关系,采用Adamic-Adar方法和最短路径方法分别测量合作者网络中的学者节点相似度和路径距离,从全局学术领域和局部研究领域两个角度采用Jaccard系数表示研究学者所在单位间的合作网络关系度;最后,应用Comb策略整合以上测量,预测相似度较高的学者为推荐学者。在基于特定情境下的合作者推荐模型中,本文设计了两个标准评定潜在合作者的质量:学者学术质量评价与学术社会网络质量评价。在学者学术质量评价中,同时引入情境预过滤和情境后过滤到推荐方法中,使用学者的学术成果质量(成果数量、发表刊物级别、被引用量)、职称、G指数来为学者的学术能力评分,对情境信息进行预处理、提取特征词,首先采用情境预过滤策略选出含有情境内容特征的学者构成初步候选合作者集,然后采用调整的潜狄利克雷分配方法对情景主题分配关键词,运用Kullback-Leibler差异计算初步候选合作者集中的学者与目标学者间的知识匹配,并将MNZ标准化后的学者学术能力评分作为匹配计算中的权重值;在学术社会网络质量评价中,构建了多元关系网络,包括四种关系类型:论文合作、项目合作、专利合作、出席相同会议,先计算学者间四种关系的数量,再引入关系年限修正得到合作质量评分;最后对两项评分进行整合得到合作意向评分。两个推荐模型的具体构建方法见于论文第四章。同时,为了模型应用的清晰与完整性,本文构建了科研社交网络的全局系统架构,并采用Python2.7+Selenium+Scrapy搭建爬虫,得到2000名学者作为模型模拟数据集,收集到共8万多项学术成果,本文在第五章中详细给出了模型的应用过程与每一步骤的计算值,实验结果表明,模型具有应用可行性和较好的推荐效果。

关键词：科研社交网站情境感知学者推荐合作者推荐多元关系分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于信任度和研究兴趣的学者推荐方法

计算机与数字工程 2019年第3期47卷 608-615页

作者：孙赛美林雪琴彭博李春英汤庸华南师范大学计算机学院广州510631 广东技术师范大学计算机科学学院广州510665

学术社交网络用户的爆炸式增长,使得用户难以发现自己感兴趣的相似学者,对此论文提出一种融合信任度和研究兴趣相似度的学者推荐方法。首先通过用户在社交网络的交互行为计算用户间的信任度来衡量好友关系的真实强度,再利用三度影响力... 详细信息

学术社交网络用户的爆炸式增长,使得用户难以发现自己感兴趣的相似学者,对此论文提出一种融合信任度和研究兴趣相似度的学者推荐方法。首先通过用户在社交网络的交互行为计算用户间的信任度来衡量好友关系的真实强度,再利用三度影响力理论扩展用户的潜在好友集合,然后再利用LDA信任度和研究兴趣相似度进行最终推荐。在学者网数据集上的验证表明,该方法有效提高了学者推荐的效果。

关键词：学术社交网络学者推荐信任度三度影响力 LDA主题模型