【目的】采用异构信息网络理论和作者偏好,提高科技文献推荐质量。【方法】基于异构信息网络理论,提出一种可以融合多语义信息的科技文献推荐方法。首先,结合作者偏好信息为科技文献异构信息网络中的元路径加权;其次,采用DPRel算法计算...【目的】采用异构信息网络理论和作者偏好,提高科技文献推荐质量。【方法】基于异构信息网络理论,提出一种可以融合多语义信息的科技文献推荐方法。首先,结合作者偏好信息为科技文献异构信息网络中的元路径加权;其次,采用DPRel算法计算作者与文献之间的相关度。在此基础上,构建加权作者-文献矩阵,按相关度降序排列得到推荐列表。【结果】从Web of Science中收集实验数据集,实验结果表明,在三个数据集中所提方法相较于基于单条元路径计算作者-文献相关度的推荐方法在平均成功推荐率上分别提高了6%、8%、6%,并且文献成功推荐提高率分别为14.8%、27.6%、13.0%。【局限】在数据预处理阶段由人工进行关键词统一,对于海量数据,人工处理关键词不现实。【结论】所提推荐方法提高了异构信息网络中科技文献推荐的质量。展开更多
文摘【目的】采用异构信息网络理论和作者偏好,提高科技文献推荐质量。【方法】基于异构信息网络理论,提出一种可以融合多语义信息的科技文献推荐方法。首先,结合作者偏好信息为科技文献异构信息网络中的元路径加权;其次,采用DPRel算法计算作者与文献之间的相关度。在此基础上,构建加权作者-文献矩阵,按相关度降序排列得到推荐列表。【结果】从Web of Science中收集实验数据集,实验结果表明,在三个数据集中所提方法相较于基于单条元路径计算作者-文献相关度的推荐方法在平均成功推荐率上分别提高了6%、8%、6%,并且文献成功推荐提高率分别为14.8%、27.6%、13.0%。【局限】在数据预处理阶段由人工进行关键词统一,对于海量数据,人工处理关键词不现实。【结论】所提推荐方法提高了异构信息网络中科技文献推荐的质量。
