基于論文社區(qū)的文章推薦及評價.pdf

1、科技論文在科學(xué)技術(shù)研究和創(chuàng)新中扮演著非常重要的角色，是開展科學(xué)研究工作的重要基礎(chǔ)條件。然而，在科學(xué)研究領(lǐng)域文獻信息量的飛速增長，為科研工作者帶來極大的不便，尤其對于新進入某一領(lǐng)域的研究者，他們需要一些該領(lǐng)域經(jīng)典的、權(quán)威的文章來指引學(xué)術(shù)研究的方向?，F(xiàn)階段依靠基于關(guān)鍵字的學(xué)術(shù)搜索引擎獲得的結(jié)果并不能很好地標示出用戶的需求特征，仍然需要用戶進行大量的篩選工作。為解決這一問題，本文借鑒社區(qū)劃分的方法和概念，對論文引證網(wǎng)絡(luò)進行社區(qū)劃分，并計算文章

2、在社區(qū)內(nèi)的影響力來保證推薦文章的質(zhì)量。此外，針對論文推薦結(jié)果本文還提出一個論文推薦結(jié)果評價模型來對推薦的論文進行評估。具體工作如下：1) 提出基于引證網(wǎng)絡(luò)和論文社區(qū)的經(jīng)典論文推薦模型。首先，本文借鑒社區(qū)劃分的方法和概念，提出基于貪心團擴展算法（Greedy Clique Expansion）的論文引證網(wǎng)絡(luò)社區(qū)劃分方法，進一步研究論文社區(qū)研究影響力的傳播規(guī)律，提出利用PaperRank算法計算特定社區(qū)影響力排名的模型，為用戶推薦感興趣領(lǐng)域

3、的經(jīng)典權(quán)威論文列表。實驗結(jié)果表明，該方法與傳統(tǒng)論文推薦方法的全局搜索相比，將考察范圍縮減到特定的論文社區(qū)中，大大減小了算法的復(fù)雜度。同時，利用影響力指標進行論文排名，保證了推薦文章大都在本領(lǐng)域具有較高的影響力。2) 提出利用文章自身質(zhì)量以及用戶與推薦結(jié)果的匹配度對推薦結(jié)果構(gòu)建評價模型。對于文章的質(zhì)量，本文綜合考慮期刊影響因子、文章被引用次數(shù)、作者情況、論文下載次數(shù)以及論文基金贊助情況，并根據(jù)重要性差異賦予不同的權(quán)重進行計算。對于推薦結(jié)果