融合Word2vec与时间因素的馆藏学术论文推荐算法

作者:陈长华;李小涛;邹小筑;叶志锋; 刊名:图书馆论坛 上传者:赵慧

【摘要】为提高图书馆文献个性化推荐的效率和用户满意度,文章提出了一个面向科研人员的个性化学术论文推荐方法:将科研人员与学术论文映射至特征空间中,基于word2vec进行建模,并通过加权相似性度量,计算待推荐论文与研究者已发表论文间的相似度,进行个性化推荐。

全文阅读

* 本文系江苏省图书馆学会重点课题项目“基于人工神经网络的馆藏资源精准推荐方法研究”(项目编号:17ZD02) 和南京航空航天大学图书馆业务创新项目“基于文本信息分析的图书精准推荐方法研究”(项目编号:TSG201704) 研究成果。 融合Word2vec与时间因素的馆藏学术论文推荐算法* 陈长华,李小涛,邹小筑,叶志锋 0 引言 推荐服务是图书馆将传统被动服务转变为主动服务的重要途径。根据邱均平[1]、李民[2]等的调查结果,94.9%的“985 工程”高校图书馆和63%的“211 工程”高校图书馆均为用户提供个性化推荐服务,然而在服务过程中还普遍存在着读者的需求调查不足和资源推荐服务针对性欠缺等问题。为提高图书馆资源推荐服务的质量,国内外学者对多种文献推荐算法进行了深入探索。 (1)基于内容关联的推荐算法研究。Sugiyama 等[3]将研究者发表论文的引文和参考文献信息融合进学术论文推荐算法,大大提高了论文推荐的准确率。李树青等[4]提出了基于关键词链接网络分析方法的医学文献推荐服务;何胜等[5]提出一种以文献“混合关联”为主要内容的图书馆文献推荐方案及实现算法;陈海华等[6]发现以往的引文推荐研究并未考虑用户偏好的动态变化性及研究领域的综合性,在用户研究和实际应用方面仍有所欠缺。 摘 要 为提高图书馆文献个性化推荐的效率和用户满意度,文章提出了一个面向科研人员的个性化学术论文推荐方法:将科研人员与学术论文映射至特征空间中,基于 word2vec 进行建模,并通过加权相似性度量,计算待推荐论文与研究者已发表论文间的相似度,进行个性化推荐。 关键词 推荐系统 学术论文 Word2Vec 引用本文格式 陈长华,李小涛,邹小筑,等. 融合 Word2vec 与时间因素的馆藏学术论文推荐算法[J]. 图书馆论坛,2019 (5):110-117. A New Word2Vec Algorithm of Academic Paper Recommendation CHEN Changhua,LI Xiaotao,ZOU Xiaozhu,YE Zhifeng Abstract Recommendationisthecoreofpersonalizedlibraryservice.Toimprovetheefficiencyoflibrary’s personalizedliteraturerecommendationaswellasusersatisfaction,this paper proposes a new personalized method of recommending academic papers for researchers. First,both the researchers and academic papers are mapped to the feature space. Subsequently,the Word2Vec algorithm is used to calculate and define the weighted similarity metric between the to-be-recommended papers and the papers published by target researchers. In the end,a personalizedrecommendationwouldbemade. Keywords recommendationsystem;academicpap

参考文献

引证文献

问答

我要提问