基于合著網(wǎng)絡(luò)的論文混合推薦算法研究.pdf

1、科技文獻的高速增長使得科研信息的檢索難度大大增加,雖然搜索引擎在很大程度上減輕了科研人員檢索論文的工作,但它缺少對科研人員個性化需求的考量,難以在搜索結(jié)果中進一步找到與其興趣相關(guān)內(nèi)容,而推薦系統(tǒng)能夠有效解決這些問題。
　　本文首先介紹了常見推薦算法及其優(yōu)缺點,然后介紹了合著網(wǎng)絡(luò)分析方法和技術(shù),研究了社會學(xué)中的科研合作現(xiàn)象,分析了網(wǎng)絡(luò)整體特征和節(jié)點重要性,驗證了合著網(wǎng)絡(luò)的復(fù)雜網(wǎng)絡(luò)特性,解釋了學(xué)者的社會性和團體性。單一推薦算法由于自身

2、缺陷和應(yīng)用限制,在論文推薦效果上并不理想。根據(jù)研究現(xiàn)狀及不足,本文從以下幾方面研究混合推薦算法的設(shè)計:
　　1.為準(zhǔn)確描述用戶興趣,用已發(fā)表論文相關(guān)信息構(gòu)建動態(tài)用戶興趣模型,同時用論文質(zhì)量評價方法描述論文重要性,在二者的基礎(chǔ)上提出一種混合推薦算法;
　　2.為減少推薦的盲目性,將社會學(xué)中的合著網(wǎng)絡(luò)引入混合推薦算法中,定義了不同用戶之間合作強度計算方式,對合著網(wǎng)絡(luò)進行社團劃分以限制合作強度傳播范圍;
　　3.用戶對排名靠