科研文獻開放獲取系統(tǒng)中的推薦算法研究與應用.pdf

1、隨著開放獲取在科研領域的發(fā)展，科研工作者們越來越習慣通過網絡來進行文獻獲取和學術交流。如何在科研文獻數(shù)量呈現(xiàn)爆炸式增長的情況下，為用戶提供方便快捷的論文獲取方式，成為了新的科研環(huán)境下開放獲取系統(tǒng)面臨的巨大挑戰(zhàn)。論文推薦和專家推薦功能的引入能夠為用戶的論文發(fā)現(xiàn)和專家發(fā)現(xiàn)提供新的途徑。傳統(tǒng)的推薦方法多是以基于內容的算法為主，而隨著開放獲取系統(tǒng)的發(fā)展，加入對收集的用戶行為數(shù)據(jù)的分析必將能增強系統(tǒng)的推薦效果。在這種情況下，傳統(tǒng)單一的推薦算法將無

2、法滿足越來越多樣化的用戶需求，需要針對科研文獻開放獲取系統(tǒng)的獨特應用場景進行創(chuàng)新和改進。
　　本研究在對傳統(tǒng)推薦算法進行了充分研究的基礎上，提出了一種將基于協(xié)同過濾的推薦算法與基于內容的推薦算法結合的混合論文推薦算法。算法首先使用詞向量進行了論文內容的比較，然后使用最近鄰模型進行用戶行為的比較，最后將論文內容以及用戶行為對推薦結果的影響進行了綜合考慮，以得到最終的推薦結果。在論文推薦的基礎上，我們又研究實現(xiàn)了專家推薦算法，通過對專