| 基于细粒度语义实体的学术论文推荐研究 |
| |
| 引用本文： | 李晓敏,王 昊,李跃艳.基于细粒度语义实体的学术论文推荐研究[J].情报科学,2022,40(4):156-165. |
| |
| 作者姓名： | 李晓敏 王 昊 李跃艳 |
| |
| 摘 要： | 【目的/意义】为帮助科研用户快速准确地找到与自身研究兴趣相关的学术论文，构建了基于细粒度语义实
体的学术论文推荐模型。【方法/过程】将实验前期识别出的研究主题、研究对象和理论技术类语义实体作为学术论
文和核心作者的内容特征，分别利用TF-IDF算法、TextRank算法和LDA模型得到学术论文和核心作者的特征词，
利用Word2vec对特征词进行向量化，再计算核心作者和学术论文的余弦相似度，将余弦相似度值靠前的Top20推
荐给作者。【结果/结论】利用准确率、召回率和F值对基于三种算法得到的特征词生成的推荐结果进行比较评价，结
果表明，基于TF-IDF算法得到的特征词生成的推荐效果最佳，并对推荐结果进行了实例展示，可以看出本文提出
的推荐模型能够更为全面地为科研用户推荐与其研究兴趣类似的学术论文，提高科研效率。【创新/局限】本文主要
是从学术论文的内容特征入手，对类型细分后的关键词利用不同算法进行核心作者特征词筛选，进而实现学术论
文推荐，但是对学术论文中包含的网络关系并未涉及。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
|
点击此处可从《情报科学》下载全文 |
|
